Descomposición SVD

Dada una matriz compleja A de dimensiones nxm, se llama descomposición en valores

singulares, o descomposición SVD, por sus siglas en inglés, a la factorización matricial de la forma
A=UƩV*, donde UϵCmxm es unitaria, VϵCnxn es unitaria y ƩϵRmxn es diagonal. Los elementos de la
diagonal de Ʃ son no negativos y están ordenados de manera decreciente σ 1≥ σ2≥… ≥σk≥0 donde
k=min{n,m}; serán llamados valores singulares de A.

Una motivación geométrica para entender la descomposición es la siguiente:

consideremos en R2 la circunferencia unitaria y sea A una matriz real inversible de dimensión 2x2.
Al aplicársele la transformación lineal A a la circunferencia, se obtiene una elipse. Sean σ 1 y σ2 las
longitudes del mayor y menor semieje de la elipse respectivamente, y sean u 1 y u2 vectores de
norma 1 en la dirección de cada semieje. Sean v 1 y v2 vectores de norma 1 tales que Avj= σjuj. j:1, 2.

Luego:

Esta idea se puede generalizar a mayores dimensiones, donde

En forma compacta, AV=ÛƩ’. Como V es una matriz ortogonal, se puede multiplicar

miembro a miembro por su inversa, que es su adjunta, es decir V*. Luego A=ÛƩ’V*. A esta
factorización se la conoce como descomposición SVD reducida. Para llevarla a la descomposición
SVD, debemos extender a Û a una matriz cuadrada U de modo que sus columnas formen una base
ortonormal de Cm. Al realizar este cambio, la matriz cuadrada Ʃ’ deberá cambiar también, de modo
que el producto se mantenga invariante. Como las últimas m-n columnas de U deberán
multiplicarse por cero, se le agregan a Ʃ’ m-n filas de ceros al final, y denominaremos Ʃ a esta
nueva matriz. Finalmente, se obtiene la descomposición que queríamos, A=UƩV*.

Matriz pseudoinversa

Una aplicación de la descomposición SVD para matrices complejas de mxn es que permite
hallar una matriz A+ϵCnxm que verifica que al multiplicarla por A, tanto a izquierda como a derecha,
se obtiene una matriz cuadrada en bloques donde el bloque superior derecho es la identidad (de
dimensión r, siendo r el rango de A) y los restantes bloques son ceros. A esta matriz se la conoce
como matriz pseudoinversa. Para construirla, consideremos primero la matriz Ʃ+ϵRnxm que se
obtiene de la siguiente manera: si Ʃ es la matriz de valores singulares obtenida en la
descomposición SVD, tomamos los primeros r elementos de su diagonal σ1,…,σr, que serán todos
los elementos no nulos de la diagonal, y reemplazamos a cada σi por su inverso multiplicativo 1/σi;
finalmente, trasponemos todo, y obtenemos la matriz Ʃ+. Definimos A+=V Ʃ+U*. Recordemos que
como U y V son matrices ortogonales, V es la inversa de V* y U* es la inversa de U. Basta realizar
los cálculos para ver que la matriz pseudoinversa cumple con lo pedido.