CAPTULO 6

Factorizacin de matrices

En este captulo se estudian algunas de las tcnicas ms utilizadas para factorizar matrices, es decir, tcnicas que permiten escribir una matriz como producto de dos o tres matrices con una estructura especial. La factorizacin de matrices es importante por ejemplo cuando se quiere resolver sistemas de ecuaciones con un nmero muy grande tanto de variables como de ecuaciones, pero tambin cuando se quieren resolver sistemas simultneos de ecuaciones. En la seccin 6.1 se tratar la descomposicin LU , en la seccin 6.2 se abordar la descomposicin QR, en la seccin 6.3 se tratar la descomposicin de Cholesky y en la seccin 6.4 se abordar aspectos relativos a la descomposicin en valores singulares.

6.1.

Descomposicin LU

En esta seccin se estudia, quizs la factorizacin de matrices ms sencilla pero igualmente muy til. Se trata de la factorizacin o descomposicin LU , la cual est directamente relacionada con las operaciones elementales aplicadas a una matriz, para llevarla a una forma triangular inferior. Como una motivacin, suponga que se conoce cmo factorizar una matriz A m n en la forma (6.1) A = LU donde L es una matriz triangular inferior (del ingls lower) m m y U es una matriz escalonada m n (del ingls upper). Entonces el sistema (6.2) Ax = b

puede resolverse de la siguiente forma: Usando (6.1), el sistema (6.2) se puede escribir en la forma (6.3) LU x) = b.

En este punto se introduce una nueva variable (por sustitucin) y = U x, obteniendo as el nuevo sistema (6.4) Ly = b.

Una vez en este punto, se resolve dicho sistema para la variable y mediante sustitucin hacia adelante. Como paso nal, usamos sustitucin hacia atrs para resolver el sistema (6.5) U x = y.

Es de anotar, que los sistemas (6.4) y (6.5) son relativamente fciles de resolver dado que se trata de matrices de coecientes triangulares inferiores y superiores respectivamente. La factorizacin o descomposicin LU es particularmente til cuando se requiere resolver de manera simultnea varios sistemas de ecuaciones que dieren nicamente en la parte no homognea. El siguiente resultado da condiciones sucientes para la existencia de una tal factorizacin LU para una matriz cuadrada A. Posteriormente se extender a matrices rectangulares.
3

6.1. Descomposicin LU

Factorizacin de matrices

6.1. Teorema (Factorizacin ). Sea A una matriz cuadrada n n. Supongamos que A se puede reducir por las a una matriz triangular superior, U aplicando nicamente operaciones elementales de eliminacin (operaciones del tipo Fi + Fj con i < j ). Entonces existe una matriz triangular inferior L que es invertible y posee unos en su diagonal principal, tal que A = LU. Si A es invertible, entonces esta descomposicin es nica. Demostracin Por hiptesis, existen matrices elementales E1 E2 . . . Ek del tipo (Fi + Fj i > j ) y una matriz U (triangular superior) tales que
1 1 1 E2 Ek U. De aqu se obtiene A = E1

Ek Ek1 E2 E1 A = U.

Ahora bien, por construccin, cada matriz elemental E1 E2 . . . Ek es triangular inferior y tiene unos en 1 1 1 1 1 1 su diagonal principal, por consiguiente sus inversas E1 E2 Ek y la matriz L = E1 E2 E k tambin tienen las mismas caractersticas (ver ejercicio 5 de la seccin 6.1). Lo que implica que se ha obtenido la factorizacin LU buscada para la matriz A es decir: A = LU Para demostrar la unicidad de dicha factorizacin se procede como es usual. Supngase que se tienen dos factorizaciones LU para A de la forma A = L 1 U1 = L 2 U2 con U1 U2 matrices triangulares superiores y L1 L2 matrices triangulares inferiores con unos en su diagonal principal. Como A es invertible las matrices U1 U2 tambin lo son, ms an sus inversas son igualmente triangulares superiores (ver ejercicio 6 de la seccin 6.1). De esta ltima igualdad se obtiene entonces
1 1 L 2 L1 = U2 U1 .

El lado izquierdo de esta igualdad es producto de matrices triangulares inferiores con unos en la diagonal, por tanto es triangular inferior y tiene unos en la diagonal principal. Igualmente, el lado derecho es una triangulares superiores, pues es el producto de matrices triangulares superiores (ver ejercicio 6 de la seccin 1 6.1). Entonces L 2 L1 = I de esto se sigue que L2 = L1 y por ende, U1 = U2 . En el ejemplo 6.5 se considerar una matriz no invertible, que posee innitas descomposiciones LU. 2 3 1 4 7 6.2. Ejemplo. Considere la matriz 3 3 A = 4 2 5 8 5 . Aplique operaciones elementales, sin inter3 6 12 cambio, para llevar a la matriz A a una forma escalonada. 2 3 2 3 1 4 7 1 4 7 2F +F2 4 2 5 8 5 4 0 3 6 5 3F +F3 0 6 9 3 6 12 2 3 1 4 7 2F2 +F3 4 0 3 6 5 = U 0 0 3 132

Factorizacin de matrices

6.1. Descomposicin LU

Si se denota entonces con E1 , E2 y E3 a las matrices elementales provenientes de las operaciones elementales 2F1 + F2 3F1 + F3 y 2F2 + F3 respectivamente, entonces se obtiene E 3 E2 E 1 A A = = = U E3 E2 E1 )1 U
1 1 1 E1 E2 E 3 U

1 4 2 0 2 1 4 2 3

0 1 0 0 1 2

32 0 0 54 1 32 0 0 54 1

1 0 3 1 0 0

32 3 0 1 0 0 5 4 0 0 1 0 5U 1 0 2 1 3 4 7 3 6 5 = LU . 0 3 0 1 0

En este caso esta factorizacin es nica.

6.3. Observacin. Como slo se han efectuado operaciones del tipo Fi + Fj con i < j , Fi + Fj )1 = )Fi + Fj y L es triangular inferior con unos (1s) en su diagonal principal. La informacin sobre L se puede almacenar en aquellas posiciones donde se obtienen los ceros (0s) de U simplemente colocando los opuestos de los multiplicadores en las operaciones elementales aplicadas del tipo Fi + Fj con i < j .

En el ejemplo anterior 2 1 4 2 3 4 5 6 3 7 8 5 12
2F +F2 3F +F3

2F2 +F3

1 4 2 3 2 1 4 2 3

4 3 6 4 3 2

3 7 6 5 9 3 7 6 5 3

de donde se obtiene que 1 L=4 2 3 son tales que A = LU . 6.4. Ejemplo. Considere la matriz 2 6 4 A=6 4 3 2 2 3 10 2 4 2 4 5 4 3 4 0 7 7. 2 5 7 2 0 1 2 3 0 0 5 1 y 1 U =4 0 0 2 4 3 0 3 7 6 5 3

Aplquense las operaciones elementales, sin intercambio, para llevar la matriz A a una forma escalonada 133

6.1. Descomposicin LU

Factorizacin de matrices

2 6 4 6 4 3 2

3 10 2 4

2 4 5 4

3 4 0 7 7 2 5 7

2)F +F2 3/2)F +F3

1)F +F4 5/8)F2 +F3 7/4)F2 +F4

20/3)F3 +F4

de donde se obtiene que 2 1 6 2 L=6 4 3/2 1 0 1 5/8 7/4 0 0 3 20/3 3 0 0 7 7 0 5 1

2 6 2 6 4 3/2 1 2 2 6 2 6 4 3/2 1 2 2 6 2 6 4 3/2 -1 2 6 0 U =6 4 0 0 2

3 4 5/2 7 3 4 5/8 7/4 3 4 5/8 7/4 3 4 0 0

2 8 2 6 2 8 3 20 2 8 3 20/3 2 8 3 0

3 4 8 7 7 4 5 3 3 4 8 7 7 9 5 11 3 4 8 7 7 9 5 49 3 4 8 7 7 9 5 49

son matrices tales que A = LU siendo esta factorizacin nica. 3 2 1 2 3 6.5. Ejemplo. Considere la matriz A = 4 1 2 3 5 . Se procede entonces a aplicar operaciones 2 4 6 elementales, sin intercambio, para llevar la matriz A a una forma escalonada 3 2 2 3 1 2 3 1 2 3 1)F1 + F2 4 1 2 3 5 4 1 0 0 5 2 0 0 2)F1 + F3 2 4 6 de donde se obtiene que 1 U =4 0 0 2 2 0 0 3 3 0 5 0 1 L = 4 1 2 2 0 1 x 3 0 0 5 con x arbitrario. 1

En este caso A = LU donde L no es nica.

Considere ahora el caso en que se necesitan intercambio de las para poder reducir una matriz. Existe en este caso un procedimiento que permite extender la factorizacin LU , el cual hace uso de matrices permutacin. Como se recordar, el intercambio de dos las de una matriz A se puede expresar como Pi A, siendo Pi la matriz permutacin correspondiente a las las de A que deseamos intercambiar. Ahora bien. Si durante la reduccin de A a una forma escaln necesitamos realizar P1 . . . Pk permutaciones de las, stas puede hacerse al comienzo de todo el procedimiento y producir as la matriz P = P1 Pk . El paso siguiente consiste entonces en aplicar la factorizacin LU a la matriz P A en lugar de la matriz A. Es decir, nosotros buscamos ahora matrices L (triangular inferior) y U (triangular superior) tales que P A = LU . 6.6. Ejemplo. Halle la descomposicin para la matriz 2 0 2 A = 4 2 4 1 2 134 3 3 7 5. 5

Factorizacin de matrices

6.1. Descomposicin LU

En este caso, para reducir A a una matriz triangular superior U es necesario primero una o varias operaciones elementales del tipo permutacin de las (tambin es posible usar operaciones del tipo Fi + Fj con i > j ). Una de tales operaciones de intercambio puede ser F12 . Si se denota con P a la correspondiente matriz permutacin se obtiene entonces 2 3 2 4 7 2 3 5. PA = 4 0 1 2 5 A esta nueva matriz se le aplican los pasos descritos en los ejemplos anteriores pa obtener 3 2 2 3 2 4 7 2 4 3 + F 1 / 2) F 1 3 4 0 4 0 2 3 5 2 3 5 1/2 0 3/5 1 2 5 de aqu se sigue que L=4 2 1 0 1/2 0 1 0 3 0 0 5 1 y 2 U =4 0 0 2 4 2 0 3 7 3 5 3/5

son matrices tales que

P A = LU . 6.7. Teorema. Sea A una matriz invertible n n. Entonces existe una matriz de permutacin P tal que P A = LU donde L es una matriz triangular inferior y U es una matriz triangular superior. Se tiene adems, que para cada matriz P , L y U son nicas. El siguiente teorema recoge ahora la formulacin para la descomposicin LU para matrices A rectangulares m n. El esquema para una factorizacin LU para una matriz Amn est dado por la grca 6.1, la cual corresponde respectivamente a los casos m = n m < n y m > n. 6.8. Teorema. Sea A una matriz rectangular m n que se puede reducir a una forma escalonada efectuando nicamente operaciones elementales de eliminacin (operaciones del tipo Fi + Fj con i < j ). Entonces existe una matriz m m triangular inferior L con unos en la diagonal principal y una matriz m n, U con uij = 0 si i > j tales que A = LU.

6.9. Ejemplo. Encontre la descomposicin LU para la matriz 2 3 1 4 7 2 8 1 5 A=4 2 5 . 3 6 12 3 34 Aplique para ello, operaciones elementales, sin intercambio, para llevar a la matriz A a una forma escalonada 3 2 2 3 1 4 7 2 1 4 7 2 2)F1 + F2 4 2 3 6 5 5 4 2 5 8 1 5 3 6 9 3 3)F1 + F3 3 6 12 3 2 3 1 4 7 2 2)F1 + F2 4 2 3 6 5 5 3 2 3 7 135

6.1. Descomposicin LU
0 A U 0

Factorizacin de matrices

U 0

0 A

Figura 61 Esquema de la factorizacin LU de donde se obtiene que 1 L=4 2 3 2 0 1 2 3 0 0 5 1 y 1 U =4 0 0 2 4 3 0 7 6 3 3 2 5 5 7

son tales que A = LU.

El siguiente ejemplo, ilustra cmo hacer uso de la descomposicin LU en el proceso de resolver resolver sistemas lineales de ecuaciones. 6.10. Ejemplo. Considere el sistema de ecuaciones x1 + 4x2 + 7x3 2x1 + 5x2 + 8x3 3x1 + 6x2 + 12x3 = = = 1 2 4

cuya matriz de coecientes corresponde a la matriz A del ejemplo 6.2 y cuyo trmino independiente es bT = 1 2 4 . De acuerdo con dicho ejemplo se tiene 1 A=4 2 3 2 4 5 6 3 2 7 1 8 5=4 2 12 3 0 1 2 32 0 1 0 54 0 1 0 =1 =2 =4 4 3 0 3 7 6 5 = LU 3

cuya solucin es

Ahora bien planteamos el sistema Lz = b, esto es 8 > <z1 2z1 + z2 > : 3z1 + 2z2 + z3 3 1 4 0 5. z= 1 136 2

Factorizacin de matrices Con esta solucin planeamos el sistema U x = z, esto es el sistema 8 > <x1 + 4x2 + 7x3 = 1 =0 3x2 6x3 > : 3x3 =1 x1 = 4/3; x2 = 2/3 x3 = 1/3.

6.1. Descomposicin LU

y cuya solucin es

61 Ejercicios
En los ejercicios 1 al 4 responda falso o verdadero justicando su respuesta 1. Las operaciones elementales en las las del tipo Fi + Fj con i < j , producen matrices elementales triangulares inferiores. 2. Las operaciones elementales en las columnas del tipo Ci + Cj con i < j , producen matrices elementales triangulares inferiores. 3. El producto de dos matrices elementales del mismo tamao, es una matriz elemental. 4. La descomposicin LU para cualquier matriz A es nica. En los ejercicios 5 al 6 demuestre la armacin correspondiente 5. Suponga que Li , (i = 1 2) son matrices triangulares inferiores: a ) Muestre que el producto L1 L2 es una matriz triangular inferior. 1 b ) Mueste que si L1 es invertible, entonces su inversa L 1 es tambin una matriz triangular inferior (Sug.: use induccin matemtica) c ) Muestre que si los elementos de la diagonal principal de L1 y L2 son tosdo iguales a 1 (uno), 1 1 y L tambin tienen unos en su diagonal principal. (Sug.: entonces las matrices L1 L2 , L 1 2 use induccin matemtica) 6. Use el ejercicio anterior para demostrar que las armaciones son igualmente vlidas para matrices triangulares superiores. 7. Use la factorizacin LU dada para resolver el sistema de ecuaciones lineales 1 0 4 1 11 a) x= 3 1 0 1 32 1 0 2 1 12 b) x= 5 1 0 7 46 2 32 3 2 3 1 0 0 2 2 1 2 4 5 4 5 4 4 1 0 0 3 1 x= 7 5 c) 2 3 1 0 0 2 3 32 3 2 3 2 1 0 0 1 2 1 0 4 5 4 5 4 4 1 0 0 3 1 x = 3 5 d) 7 3 1 0 0 5 9 8. Calcule la descomposicin LU de la matriz 2 1 3 A=4 2 7 1 2 1 1 17 3 2 1 5. 3 5 18 14 .

Use dicha descomposicin para resolver el sistema Ax = y, yT = 137

6.2. Descomposicin QR 4 9. Considere la matriz simtrica positiva denida S = 4 2 0 2 2 9 4

Factorizacin de matrices 3 0 4 5 y calcule su descomposicin LU. 5

6.2.

Descomposicin QR

En esta seccin se hablar de la descomposicin QR de una matriz, donde Q es una matriz con columnas ortogonales (ortonormales) y R es una matriz triangular inferior. Dicha descomposicin es de gran importancia para resolver problemas de mnimos cuadrados y tiene una estrecha relacin con el clculo de la inversa generalizada de una matriz. En el caso de matrices cuadradas, dicha descomposicin es la base de un algoritmo para determinar numricamente y de forma iterativa, los valores propios de la matriz A (ver captulo 8 de [10]). En primer lugar se hace aqu la discusin de la descomposicin QR para una matriz A de rango columna completo. En este caso, la factorizacin se basa en el proceso de ortogonalizacin de Gram-Schmidt descrito en teorema 1.33. El siguiente teorema garantiza la existencia de una tal factorizacin en dicho caso y su demostracin resume el proceso para encontrarla. 6.11. Teorema (Factorizacin QR (Parte I)). Sea A mn una matriz de rango columna completo n. Entonces existen matrices Q mn con columnas ortogonales (ortonormales) y R nn triangular superior e invertible tales que A = QR

la cual por hiptesis es de rango columna completo n. De aqu se tiene que el conjunto = A1 A2 . . . An es una base de C A) (el espacio columna de A). Aplicando el proceso de ortogonalizacin de Gram-Schmidt (teorema 1.33) a esta base se obtiene

Demostracin Considere la matriz A particionada por sus columnas, sto es, A = A1 A2 An

v1 v2 v3

= = = . . .

A1 A2 A3 A2 ; v1 v1 v1 ; v1

A3 ; v1 A3 ; v2 v1 v2 v1 ; v1 v2 ; v2
n 1 X i=1

vn

An

An ; vi vi . vi ; vi

138

Factorizacin de matrices Despejando de aqu cada vector columna Aj obtenemos: A1 A

6.2. Descomposicin QR

= = = . . .

v1 v2 + v3 + A2 ; v1 v1 v1 ; v1

A3

A3 ; v1 A3 ; v2 v1 + v2 v1 ; v1 v2 ; v2
n 1 X i=1

An As que se puede escribir:

vn +

An ; vi vi . vi ; vi

A1

A2

An

v1

v2

vn

Q0 R0

6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 4

A2 ; v1 v1 ; v1 1

A3 ; v1 v1 ; v1 A2 ; v2 v2 ; v2 1 . . . 0 0

.. .

0 . . . 0 0

0 . . . 0 0

7 7 7 7 n 7 A ; v2 7 7 v2 ; v2 7 7 7 n 7 A ; v3 7 7 v3 ; v3 7 . 7 . 7 . 7 n A ; vn1 7 7 7 vn1 ; vn1 7 5 1

An ; v1 v1 ; v1

que corresponde a la descomposicin QR no normalizada de la matriz A. Usando ahora los mdulos de las columnas de la matriz Q0 para denir la matriz diagonal invertible D = diagv1 v2 . . . vn ). De esta forma, se puede reescribir la igualdad A = Q0 R0 como sigue: A = = Q0 R0 Q0 D1 DR0 6 v1 6 i6 6 0 6 6 6 . 4 . . 0 2 v1 A2 ; v1 v1 ; v1 . . . 0 . .. v1 An ; v1 v1 ; v1 An ; v2 v2 v2 ; v2 . . . vn 3 7 7 7 7 7 7 7 5

v2 v v v2

vn vn

v2

QR

que corresponde a la descomposicin QR normalizada de la matriz A. 139

6.2. Descomposicin QR 6.12. Ejemplo. Encuentre la descomposicin QR para la matriz 2 1 1 1 1 2 1 1 1 3 1 2 7 7 = A1 2 5 1

Factorizacin de matrices

6 A=6 4

A2

A3

Aplicando el proceso de ortogonalizacin de Gram-Schmidt se obtiene 2 3 1 1 7 7; 1 5 1

v1

6 A1 = 6 4

v2

3 2 6 1 7 1 A ; v1 7 v1 = 6 A2 4 1 5 + 4 v1 ; v1 1 A3 2 6 6 4 A3 ; v1 A3 ; v2 v1 v2 v1 ; v1 v2 ; v2 2 2 3 3 1 9 1 6 6 7 2 7 7 1 6 1 7 + 2 6 3 2 5 2 4 1 5 3 4 3 1 3 1

3 1 6 1 7 1 6 7 4 1 5= 4 1

3 9 6 3 7 6 7 4 3 5 ; 3

v3

3 0 7 6 1 7 7=6 7 5 4 1 5. 2

De aqu se tiene que A1 A

= = =

A3

v1 1 v1 + v2 4 1 2 v1 v2 + v3 . 2 3

Siguiendo ahora los delineamientos de la demostracin del teorema anterior obtenemos:

A A A 1 1 1 1

= [v1 0 1 1 2

2 6 6 4

9/4 3/4 3/4 3/4

3 1 1/4 1/2 1 2/3 5 v2 v3 ] 4 0 0 0 1 3 2 3 1/2 7 1 1/4 74 0 1 2/3 5 5 0 0 1

Q0 R0

Descomposicn no normalizada). 140

Factorizacin de matrices

6.2. Descomposicin QR

` En este caso, la matriz D est dada por D = diag 2 3 3 6 . Entonces se puede escribir 2 1 2 3 1 A = A A A = Q0 D DR0 2 3 0 1/2 3/2 3 3 2 6 7 1/2 1 7 2 6 7 6 1/2 1/2 3 1/ 6 7 6 6 76 7 7 6 0 3 3/2 3 7 = 6 7 6 76 6 1/2 1/2 3 1/ 6 7 4 5 6 7 4 5 0 6 0 1/2 1/2 3 2/ 6 = QR (Descomposicin normalizada).

Suponga ahora que la matriz m n, A no tiene rango columna no completo, esto es, A) = r con 0 < r < n. En este caso se tiene, que tambin existe una descomposicin QR, pero la matriz Q en la factorizacin no normalizada contiene columnas nulas, como lo establece el siguiente teorema. 6.13. Teorema (Factorizacin QR (Parte II)). Sea la matriz A mn tal que A) = r con 0 < r < n. Entonces existen una matriz Q0 mn con r columnas ortogonales no nulas y el resto nulas, y una matriz R0 nn triangular superior invertible tales que A = Q0 R0 (Descomposicin no normalizada) . La matriz A tambin se puede descomponer de manera normalizada en la forma A = QRr donde Q mr tiene columnas ortogonales (ortonormales) no nulas y Rr rn es triangular superior de orden r. Las r columnas no nulas de Q0 respectivamente las r columnas de Q conforman una base para C A). Demostracin Si se siguen los pasos de la demostracin del teorema 6.11 se obtiene la descomposicin QR no normalizada para A. Esto es, A = Q0 R0 . En este caso sin embargo, Q0 tendr r columnas ortogonales no nulas y n r columnas nulas. Ahora, para denir matriz diagonal D se usan los mdulos de la columnas no nulas Q0 respetando sus posiciones y unos (1s) en el resto de componentes de la diagonal de D. La matriz Q buscada corresponde entonces a la matriz formada por las columnas no nulas de Q0 D1 igualmente Rr se obtiene eliminado de la matriz DR0 las las con ndices iguales a las columnas nulas de Q0 .

El siguiente ejemplo ilustra el proceso para calcular la descomposicin QR en el caso de matrices que no son de rango columna completo. 6.14. Ejemplo. Encontrar la descomposicin QR para la matriz 2 3 1 2 0 1 6 1 1 3 2 7 7 = A1 A2 A=6 4 1 1 3 2 5 1 1 3 1 141

A3

A4

6.2. Descomposicin QR

Factorizacin de matrices

Para ello se aplican los pasos del mtodo de ortogonalizacin de Gram-Schmidt con las columnas de A esto es: 2 3 1 6 1 7 7 v1 = A1 = 6 4 1 5; 1 2 3 9 2 6 A ; v1 1 1 3 7 7; v1 = A2 + v1 = 6 v2 = A2 4 3 5 v1 ; v1 4 4 3 3 0 6 0 7 A ; v1 A ; v2 9 7 A3 v1 v2 = A3 v1 + v2 = 6 4 0 5; v1 ; v1 v2 ; v2 4 0 2 3 0 6 1 7 1 2 4 7 A v1 + v2 0v3 = 6 4 1 5. 2 3 2
3 3

v3

v4

Despejando los vectores Aj s, en trminos de los vectores vj s, como en el ejemplo 6.12 se obtiene entonces A = 2 A1 A2 A3 0 0 0 0 A4 1/4 1 0 0 9/4 1 1 0 3 1/2 2/3 7 7 0 5 1

1 6 1 6 4 1 1 Q0 R0 .

9/4 3/4 3/4 3/4

32 0 1 6 1 7 76 0 1 54 0 2 0

Si se toma ahora la matriz diagonal D, cuyos elementos Dii corresponden a los a los mdulos de las columnas nulas de Q0 se considera Dii = 1. En el ejemplo se i-simas columnas no nulas Q0 . Para las h de i tiene entonces, D = diag 2 3 3 1 6 y de aqu se sigue que 2 A = 2 = 6 6 6 6 6 6 6 6 4 A1 A2 A3 A4 0 0 0 0 = Q0 R0 = Q0 D1 DR0 0 32 2 1/2 9/2 3 3/2 1 0 1 3

1/2 1/2 1/2 1/2

3/2 3 1/2 3 1/2 3 1/2 3

76 76 6 1/ 6 7 76 0 76 76 6 1/ 6 7 76 0 54 0 2/ 6

3 3/2

0 0

7 7 3 7 7 7. 7 0 7 7 5 6

Esto es, 142

Factorizacin de matrices

6.2. Descomposicin QR

2 A = 6 6 6 6 6 6 6 6 4 2 = 6 6 6 6 6 6 6 6 4

1/2 1/2 1/2 1/2

3/2

0 0

3/6 3/6 3/6 3/2

1/2

1/2 1/2 1/2

3/6 3/6 3/6

76 76 6 6/6 7 76 76 76 6 0 6/6 7 76 54 0 6/3 3 0 2 7 2 7 7 6/6 7 6 6 76 0 76 7 6/6 7 4 5 0 6/3

32

2 0 0 0

3 3/2 0 0 1/2

1/2

9/2 3 3/2 1 0 9/2

7 7 3 7 7 7 7 0 7 7 5 6 1 3

3 3/2

3 3/2 0

7 7 3 7 7 5 6

QR .

La matriz Q se obtiene al eliminar la tercera columna (columna nula) de Q0 D1 mientras que R se obtiene al eliminar la correspondiente tercera la de DR0 . El siguiente resultado presenta la relacin existente entre la descomposicin QR y la inversa generalizada de una matriz A. En este punto de la discusin, se suguiere al lector a recordar los conceptos dados en el captulo 5 sobre inversas condicionales (Ac ), inversa generalizada (A+ ), mejor solucin aproximada (M.S.A.) y solucin mnima cuadrada (S.M.C.). 6.15. Teorema. Sea A mn una matriz real. 1. Si A) = n entonces existe una matriz Q, m n con columnas ortonormales y una matriz R triangular superior e invertible n n tales que A = QR adems se tiene que A+ = R1 QT . 2. Si A) = r < n entonces existe una matriz Q, m n con las primeras r columnas no nulas ortonormales y una matriz R triangular superior n n, ambas de rango r tales que A = QR adems se tiene que A+ = RT RRT )1 QT . Demostracin Suponga que A es una matriz m n de rango columna completo. Segn lo establece el teorema 6.11, existen matrices Q mn y R nn con las condiciones citadas tales que A = QR. De otra parte, se sabe que A+ = AT A)1 AT (teorema 5.15(1)). De aqu se sigue que: A+ = = = = AT A)1 AT RT QT QR)1 RT QT R1 RT )1 RT QT R1 QT . 143

6.2. Descomposicin QR Lo que demuestra el inciso 1.

Factorizacin de matrices

Suponga ahora, que A no tiene rango columna completo, es decir, suponga, que A) = r; 0 < r < n. Segn el teorema 6.13 existen matrices Q rn y R rn con las condiciones requeridas tales que A = QR. Ahora, aplicando el teorema 5.15 (con B = Q y C = R), as como el literal (iv) del teorema 5.15, se obtiene entonces A+ = = RT RRT )1 QT Q)1 QT RT RRT )1 QT (puesto que QT Q)1 = Ir ) 6.16. Nota. Con respecto a los resultados anteriores se puede anotar que: 1. Si A mn es una matriz de rango r < n se tiene, usando la notacin del teorema anterior, que 1 R. A+ A = RT RRT 2. De acuerdo con el teorema 5.45, todo sistema de ecuaciones Ax = y tiene una nica M.S.A. dada por x = A+ y. Puesto que el conjunto de todas la soluciones mnimas cuadradas del sistema Ax = y estn dadas por (ver captulo 5) Del literal anterior se sigue: x = A+ y + I A+ A)h; h Rn . h Rn

x = RT RRT )1 QT y + I RT RRT )1 R)h;

y de aqu, que el conjunto de todas la soluciones mnimas cuadradas del sistema Ax = y est dada por las soluciones Rx = QT y . 6.17. Ejemplo. Considere el sistema de ecuaciones lineales Ax = y siendo 2 3 2 3 1 2 0 1 1 6 1 1 7 6 3 2 7 1 7 7 A=6 y y=6 4 2 5. 4 1 1 3 2 5 1 1 3 1 1 De acuerdo con el ejemplo 6.14 A) = 3 y las matrices 3 2 3/2 0 1/2 2 7 6 2 7 6 7 6 6 1/2 3/6 6 / 6 7 6 6 7 y R=6 0 Q=6 7 6 6 7 6 1/2 3/6 4 6/6 7 6 5 4 0 1/2 3/6 6/3 son tales que A = QR . 144

3 3/2 0

1/2

9/2 3 3/2 0

7 7 3 7 7 5 6

Factorizacin de matrices Entonces A+ = RT RRT )1 QT , (ver teorema 6.15), 2 2 6 9 6 6 6 7 6 6 18 6 A+ = 6 6 1 6 6 18 6 6 4 0 es decir, 1 18 1 18 1 18 1 6 1 18 1 18 1 18 1 6 0 1 6 1 6 1 3 3

6.2. Descomposicin QR

7 7 7 7 7 7 7 7 7 7 7 7 7 5

y el conjunto de todas las S.M.C. (ver nota 6.16) est dada por las soluciones del sistema

3 1/2 4 5 Rx = Q y = 3/2 6/2

es decir por la expresin 2 3 2 3 1/6 2 6 2/3 7 6 1 7 6 7 6 7 4 0 5 + h4 1 5 1/2 0 2

h R.

En particular, si h = 1/18 se obtiene la M.S.A. 3 5 6 1 6 11 7 7. x = A+ y = 18 4 1 5 9

62 Ejercicios
En los ejercicios 1 al 1, responda falso o verdadero justicando su respuesta 1. Si Q es una matriz rectangular cuyas columnas son orgonormales entre s, entonces QT Q = I. 2. Demuestre que si A mn tiene rango n y A = QR donde Q tiene columnas ortogonales y R es una matriz triangular superior con unos en su diagonal principal, entonces Q y R son nicas. 3. Encuentre la matriz triangular 3 QR en cada uno de los siguientes casos 2 R tal que A = 4 1 2 3 6 3 42 7 1 2 7 6 7 6 6 7 6 6 7 1 7 1 7 6 6 7 a) A = 6 1 1 7 Q = 6 7 6 3 42 7 4 5 7 6 7 6 1 1 4 1 5 5 3 42 145

6.3. Descomposicin de Cholesky 2 1 2 0 0 1 1 3 2 7 7 7 7 0 7 7 7 1 5 2 1 1 2 2 2 1 1 1 3 3 1 7 7 2 5 0 3 4 3 7 7 1 5 3

Factorizacin de matrices

1 0 2 4. Calcule la descomposicin QR de las matrices 2 3 2 1 0 0 1 6 0 1 7 6 1 1 7 6 6 (a) A = 4 (b) B = 4 1 1 1 5 1 0 0 1 1 1 1 (c) 1 6 1 C=6 4 1 1 2 1 0 1 0 3 2 0 7 7 1 5 1 (d) 1 6 1 D=6 4 1 1 2

6 6 b) A = 6 6 4

1 0

1 1

7 7 1 7 7 5 1

6 6 6 6 Q=6 6 6 4

6.3.

Descomposicin de Cholesky

A diferencia de las factorizaciones vistas hasta ahora, la factorizacin o descomposicin de Cholesky se aplica slo a matrices simtricas positivas denidas y sta consiste en expresar una tal matriz como producto de una matriz triangular superior y por su transpuesta. En forma ms precisa tenemos 6.18. Teorema (Factorizacin de Cholesky). Si A nn es una matriz simtrica positiva denida, entonces existe una nica matriz real T = [tij ]nn triangular superior con tii > 0 i = 1 . . . n), tal que A = TTT . Adems,
2 |A| = |T |2 = [n i=1 tii ] .

Demostracin La demostracin la har usando induccin sobre el orden de la matriz. Primero se demuestra que la armacin es vlida para n = 2 en efecto: Sea A = una matriz 22 simtrica positiva denida, entonces se tiene que > 0 y |A| = 2 > a b 0 (teorema 4.27). Se necesita mostrar que existe una nica matriz triangular superior T = con 0 c T elementos de la diagonal positivos, tal que A = T T esto es: 2 a 0 a b a ab . = = 2 2 b c 0 c ab b + c De sto se tiene que a2 = ab = b2 + c2 = de donde, de donde, de donde, 146 a= a > 0) b= y p 2 c > 0). c=

Factorizacin de matrices sto es, 2 0 p 2 3 6 76 76 56 4 2

6.3. Descomposicin de Cholesky

p 2

A=

6 =6 4

adems, se tiene que |A| = t11 t22 )2 .

7 7 7 = T T T 7 5

Suponga ahora que la armacin es cierta para n = k sto es, sea B kk una simtrica positiva denida. Supongamos que existe una nica matriz triangular superior U kk tal que A = U T U y que 2 |A| = |U |2 = [k i=1 uii ] (hiptesis de induccin). Se demuestra entonces ahora, que la armacin es cierta para n = k + 1. Considere para ello una matriz A k+1)k+1) simtrica positiva denida. Se puede escribir la matriz A por bloques en la forma a A kk a k1 y R con A A= t a es simtrica positiva denida (teorema 4.27), entonces por hiptesis de induccin, existe una La matriz A 2 2 = U T U y A = U = [k nica matriz triangular superior U kk tal que A i=1 uii ] .

Considere ahora la matriz triangular superior T de tamao k + 1) k + 1), con elementos de la diagonal principal positivos y escrita por bloques en la forma U y T = z donde y k1 y z R+ deben ser escogidos adecuadamente tales que, A = T T T ; esto es, tales que: T a U y U A = A= z yT z aT T T U U U y = . yT U yT y + z 2 Igualando trmino a trmino se debe tener que U T y = a yT y + z 2 = Adems se tiene que |A| = = lo que implica que lo que implica que y = U T )1 a z = yT y)1/2 .

|T |2 = |U |2 z 2 i2 i2 h h +1 k z 2 = k . i=1 uii i=1 tii

A continuacin se vern dos procesos para calcular la factorizacin de Cholesky. El primero se basa en la denicin propia de la factorizacin de Cholesky, mientras que el segundo usa resultados sobre diagonalizacin de matrices positivas denidas. Proceso A clculo de la factorizacin de Cholesky): 147

6.3. Descomposicin de Cholesky

Factorizacin de matrices

Sea A una matriz simtrica n n positiva denida. Puesto que A = T T T con T una matriz triangular superior con elementos positivos en su diagonal principal, se debe tener que:

2 A = 6 6 6 6 6 4 2 = 6 6 6 6 6 4

a11 a12 a13 . . . a1n t11 t12 t13 . . . t1n

a12 a22 a23 . . . a2n 0 t22 t23 . . . t2n

a13 a23 a33 . . . a3n 0 0 t33 . . . t3n

Clculos directos muestran entonces que se debe cumplir que: 1. t11 = a11 .

.. .

.. .

3 a1n a2n 7 7 a3n 7 7 7 . . . 5 ann 32 0 t11 6 0 7 76 0 6 0 7 76 0 76 . . . . . 54 . tnn 0

t12 t22 0 . . . 0

t13 t23 t33 . . . 0

.. .

t1n t2n t3n . . . tnn

7 7 7 7. 7 5

a1j a1j = ; j = 1 . . . n. 2. t1j = t11 a11 Pi1 2 1/2 3. tii = aii k=1 tki ) ; i = 2 . . . n. 4. tij = X 1 [aij tki tkj ]; j > i i = 2 . . . n 1. tii
k=1 i1

5. tij = 0; j < i i = 2 . . . n. Observacin. Con respecto a este mtodo y al clculo de los elementos no nulos tij de la matriz triangular T se puede decir que: 1. t2 ii es igual al elemento aii menos la suma de los cuadrados de los elementos ya calculados de la i-sima columna de T . Es decir, t2 ii = aii
i1 X

t2 ki

i = 1 . . . n.

k=1

2. El producto tii tij es igual a aij menos la suma del producto de los elementos ya calculados de las i-sima y j -sima columnas de T . Es decir, tij tii = aij
i1 X

tki tkj ;

k=1

j > i i = 2 . . . n 1 .

6.19. Ejemplo. Siguiendo el esquema anterior, encuentre la descomposicin de Cholesky para la matriz simtrica positiva denida 2 3 4 2 0 2 6 2 2 3 2 7 7. A=6 4 0 3 18 0 5 2 2 0 4 Clculos directos muestran que: 148

Factorizacin de matrices 1. t11 = 2. t22 = t23 t24 3. t33 a11 = 2; t12 = a12 a13 a14 = 1; t13 = = 0; t14 = = 1. 2 2 2

6.3. Descomposicin de Cholesky

p a22 t2 2 1 = 1; 12 = 3 1) 0 a23 t12 t13 =3 = = t22 1 2 1) 1 a24 t12 t14 = 1. = = t22 1 p 2 = a33 t2 18 02 32 = 3; 13 t23 =

t34 = 4. t44 Es decir,

0 0 1 31) a33 t13 t14 t23 t24 =1 = t33 3 p p 2 2 = a44 t2 4 12 1)2 12 = 1 14 t24 t34 = 2 6 0 6 T =4 0 0 2 1 1 0 0 0 3 3 0 3 1 1 7 7 1 5 1

es la matriz triangular superior tal que A = T T T.

6.20. Ejemplo. Siguiendo con el esquema anterior, encuentre la descomposicin de Cholesky para la matriz simtrica positiva denida 2 3 4 2 4 4 5 A = 4 2 10 4 4 9 Clculos directos muestran que: 1. t11 = 2. t22 = t23 3. t33 Es decir, 2 T =4 0 0 2 1 3 0 3 2 2 5 1 a11 = 2; t12 = a12 a13 = 2. = 1; t13 = t11 2

p a22 t2 10 1 = 3; 12 = 4 1)2) a23 t12 t13 = 2. = = t22 3 p p 2 = a33 t2 9 2)2 2)2 = 1. 13 t23 =

es la matriz triangular superior tal que A = T T T.

Proceso B clculo de la factorizacin de Cholesky): De acuerdo con los resultados presentados en el captulo 4 se tiene que una matriz simtrica A, es positiva denida, si existe una matriz triangular superior P tal que P T AP = I (ver tambin el teorema 4.31). De aqu que A = P T )1 P 1 = P 1 )T P 1 . As las cosas, se puede encontrar una tal matriz P T usando los pasos ilustrados en el ejemplo 3.46, es decir, planteando la matriz A | I y realizando de manera adecuada y simultneamente operaciones elementales en las las y columnas de A y en las las de I (sin hacer intercambios de las). 149

6.3. Descomposicin de Cholesky

Factorizacin de matrices

Nota. Existe una relacin entre la factorizacin LU para matrices positivas denidas y la descomposicin de Cholesky. En efecto, si A es simtrica positiva denida entonces A se puede expresar mediante A = T T T con T una matriz triangular superior con elementos positivos en la diagonal principal. Ahora bien, sea D = diag t11 t22 . . . tnn ) entonces se tiene que: A = = = = TTT T T D1 DT T T D1 )DT ) LU.

6.21. Ejemplo. Considere la matriz simtrica positiva denida 2 3 4 2 4 4 5. A = 4 2 10 4 4 9 Del ejemplo 6.20 se tiene que 2 3 2 4 2 4 2 0 4 5=4 1 3 A = 4 2 10 4 4 9 2 2 2 3 2 0 0 Tomando D = 4 0 3 0 5 se tiene que 0 0 1 2 32 3 2 0 0 2 1 2 2 5 A = 4 1 3 0 54 0 3 2 2 1 0 0 1 2 32 2 0 0 1/2 0 0 1/3 0 = 4 1 3 0 54 0 2 2 1 0 0 1 2 32 1 0 0 4 2 4 1 0 54 0 9 6 = 4 1/2 1 2/3 1 0 0 1 32 0 2 0 54 0 1 0 1 3 0 3 2 2 5 = TTT . 1

2 54 0 0 3

32

0 3 0

32 0 2 0 54 0 1 0

1 3 0

3 2 2 5 1

5 = LU .

Ahora bien, suponga que se desea hallar las soluciones del sistema de ecuaciones lineales Ax = y siendo A una matriz simtrica y positiva denida. Sea T triangular positiva tal que A = T T T , entonces Ax = y T T T x = y T x = T T )1 y es decir, si se conoce la factorizacin de Cholesky para una matriz A = T T T , la solucin del sistema Ax = y se reduce a encontrar la solucin del sistema triangular superior T x = z con z = T T )1 y.

6.22. Ejemplo. Considere el sistema de ecuaciones lineales 4x1 + 2x2 4x3 = = = 12 6 3 .

2x1 + 10x2 + 4x3 4x1 + 4x2 + 9x3 150

Factorizacin de matrices

6.4. Descomposicin en valores singulares

Puesto que la matriz de coecientes es justo la matriz del ejemplo 6.20, la matriz aumentada del sistema se puede reducir mediante multiplicacin del sistema por la matriz T T (ver ejemplo 6.20), para obtener: 2 3 4 2 4 | 12 A | y 4 | 6 5 = 4 2 10 4 4 9 | 15 2 3 2 1 2 | 6 2 | 0 5= T | z . = 4 0 3 0 0 1 | 3 De esto ltimo se sigue que x3 x2 x1 = = = 3 6 2x3 = = 2 3 3 626 6 + 2x3 + x2 = = 1. 2 2

63 Ejercicios
3 4 2 0 1. Considere la matriz simtrica positiva denida S = 4 2 9 4 5 y calcule sus descomposicin de 0 4 5 Cholesky (compare con el problema 9 de la seccion de ejercicios 6.1) 2

6.4.

Descomposicin en valores singulares SVD)

En esta seccin se abordar el estudio de la descomposicin de una matriz rectangular A la cual involucra los valores y vectores propios de la matrices simtricas AAT y AT A. Como se recordar dichas matrices son positivas semidenidas y por ello sus valores propios son no negativos. 6.23. Teorema. Para toda matriz A mn se tiene que existen matrices ortogonales U mm y V nn y una matriz diagonal mn , con elementos ij = 0, si i = j y ii =: i 0, y n {m n} tales que 1 2 s , en donde s = m
T Amn = Umm mn Vn n . 2 2 2 2 s son los valores propios de AT A (quizs agregando algunos ceros) y los vectores Los nmeros 1 2 2 2 propios asociados son las columnas de la matriz V = [ v1 v2 vn ]. Adems, lo nmeros 1 2 T s son igualmente los valores propios de AA (quizs agregando algunos ceros) y los vectores propios asociados son las columnas de U = [ u1 u2 um ]. Adems de tiene las siguientes relaciones entre estos vectores

Avi uT i A

= =

i ui i = 1 2 . . . s.
T i vi

151

6.4. Descomposicin en valores singulares

Factorizacin de matrices

Demostracin Suponga que A mn tiene rango r con 0 < r < s. La matriz simtrica S = AAT mm es no negativa y por tanto existe una matriz ortogonal U mm tal que 3 2 2 0 1 0 2 7 6 0 2 0 7 6 U T AAT U = D2 = 6 . 7 . . . . . . 4 . . . . . 5 2 0 0 m
2 2 2 2 m 0 son los valores propios de S = AAT y las columnas de U = [u1 u2 um ] donde 1 son vectores propios de S correpondientes a dichos valores propios: 2 ui ; AAT ui = S ui = i

i = 1 2 . . . m.

Como r = A) = AA ) entonces U = [ U1 U2 ] con U1 mr . Luego U AA U

2 1

2 2

2 r > 0. Particione ahora la matriz U como

2 2 4 4

T U1 T U2

T AAT U1 U1

5 AAT

U1

U2

3 5

T U1 AAT U2 T U2 AAT U2

= = es decir, 2

T U2 AAT U1 2 Dr

6 6 6 6 6 6 T T U AA U = 6 6 6 6 6 4 Esto implica que

2 1 0 . . . 0 0 . . . 0

0 2 2 . . . 0 0 . . . 0

.. . .. .

0 0 . . . 2 m 0 . . . 0

0 0 . . . 0 0 . . . 0

.. . .. .

0 0 . . . 0 0 . . . 0

3 7 7 7 7 7 7 7 7 7 7 7 5

T AAT U2 = AT U2 )T AT U2 ) = U2 T T 2 A = y AT U2 = . Tambin se tiene que U1 AAT U1 = Dr o sea: de donde U2 1 T 1 1 T 1 U1 AAT U1 Dr = I = AT U1 Dr ) AT U1 Dr ). Dr

Esto signica que la matriz tiene columnas ortonormales V1T V1 = I ). Sea V2 nnr) tal que la matriz V = V1 V2 nn U T AV = = Dr .
1 V1 = AT U1 Dr nr

es ortogonal. Se requiere ahora vericar que

152

Factorizacin de matrices En efecto, de una parte: U AV = 4

6.4. Descomposicin en valores singulares

T U1 T U2

5A

V1

V2

=4

T AV1 U1 T U2 AV1

T U1 AV2 T U2 AV2

5 3 5

T A = . As mismo, y de otra parte, U2 2

V TV

V1T V2T I

I=4 I

3 5

V1

V2

=4

V1T V1 V2T V1

V1T V2 V2T V2

1 T ) V2 de donde lo que implica que V1T V2 = = AT U1 Dr T U1 AV2 = .

y nalmente,
T AV1 U1

= =

T 1 U1 AAT U1 Dr 2 1 Dr Dr = Dr 2 1 0 6 0 2 6 6 . . .. . 4 . . . . 0 0

0 0 . . . m

7 7 7. 5

En consecuencia,

U T AV = =

Dr

Nota. Observe que

igualmente, AT U1 = V1 Dr

Avi = i ui

i = 1 2 . . . r. i = 1 2 . . . r.

AT ui = i vi

T uT i A = i vi

El siguiente proceso ilustra cmo calcular la descomposicin en valores singulares de una matriz A mn . Se supondr en este caso, que m n. 6.24. Algoritmo. 1. Formule S = AAT mm . 2 2 2 2 m 0. 2. Encuentre los valores propios de S : 1 3. Encuentre un conjunto ortonormal u1 u2 . . . um de vectores propios de S y construya la matriz U = [ u1 u2 um ](ortogonal) y la matriz diagonal D = diag1 2 m ). 4. Si r = A); Dr = diag1 2 r ) 1 5. Haga V1 = AT U1 Dr siendo U1 = [ u1 u2 ur ], las primeras r columnas de U. Encuentre una matriz V2 nnr) tal que la matriz V = [ V1 V2 ] nn sea ortogonal. 5*. Otra forma de (5) es trabajar con la matriz AT A. 153

6.4. Descomposicin en valores singulares 2 1 2 4 4 2 singulares usando el proceso esbozado anteriormente. 6.25. Ejemplo. Considere la matriz A =

Factorizacin de matrices ; A) = 2, calcule la descomposicin en valores

Calculando directamente se obtiene la matriz S = AAT =

9 0

0 36

2 , cuyos valores propios son: 1 =

Calcule ahora los vectores propios asociados a estos valores propios:

cuyo conjunto solucin es de la forma B= 0 x2 : x2 = 0 .

0 2 Como un representante de los 1 -vectores propios se puede tomar entonces u1 = . Anlogamente se 1 1 2 puede tomar a u2 = como 2 -vector propio. Ahora considere la matriz ortogonal 0 0 1 U = [ u1 u2 ] = 1 0 y la matriz diagonal D = diag1 2 ) = 6 0 6 0 0 3 0 3 .

Puesto que r = A) = 2 se tiene que Dr = diag1 2 ) = Con las matrices denidas hasta ahora se tiene que V1 = =
1 AT U1 Dr 2 3 2 4 4 1 4 5 2 2 2 3 2 4 4 1 4 5 2 2 2 3 2 2 14 2 1 5 3 1 2

0 1 0 1/6

1 0

1/3 0

1/6 0

0 1/3

Columnas ortonormales.

Si se considera ahora la matriz ortogonal 2 3 2 2 1 14 2 1 2 5 = V1 V = 3 1 2 2 se tiene que: U T AV = 6 0 0 3 154

V2

2 3 1 14 2 5 con V2 = 3 2 = .

0 0

Factorizacin de matrices 1 6.26. Ejemplo. Considere la matriz A = 4 0 1 valores singulares: De nuevo se calcula la matriz S = AAT 2 S = AA = 4 1 1
T

6.4. Descomposicin en valores singulares 2 1 1 0 3 0 1 5 ; A) = 3, calcule ahora la descomposicin en 1

1 2 1

cuyos valores propios los se obtienen de manera usual, es decir, resolviendo la ecuacin |S I | = 0, esto es, 0 = = |S I | 2 1 1 2 1 1 1 1 2 = 4) 1)2 .

3 1 1 5. 2

2 2 2 Los valores propios de S son entonces 1 = 4 2 = 1 y 3 = 1. Algunos clculos usuales permiten elegir a los vectores 2 2 2 3 3 3 1 2 0 1 4 1 1 1 5 ; u 2 = 4 1 5 y u3 = 4 1 5 u1 = 3 6 2 1 1 1 2 2 2 2 y 3 respectivamente. Considere ahora la matriz como vectores propios ortonormales asociados a 1 ortogonal 3 2 0 1/ 3 2/ 6 7 6 6 7 7. U = u 1 u2 u3 = 6 3 1 / 6 1 / 2 1 / 7 6 5 4 1/ 6 1/ 2 1/ 3 y las matrices diagonales (A) = 3) 2 3 2 0 0 D = diag1 2 3 ) = 4 0 1 0 5 = Dr . 0 0 1 1 , esto es, Se denine ahora la matriz V1 = AT U1 Dr 2 32 32 0 1/3 2/6 1 0 1 1/2 V1 = 4 1 1 0 5 4 1/3 1/6 1/2 5 4 0 0 1 1 0 1/ 6 1/ 2 1/ 3 3 2 32 0 1/23 2/6 1 0 1 = 4 1 1 0 5 4 1/23 1/6 1/2 5 0 1 1 1/ 6 1/ 2 1/2 3 3 2 1/3 1/6 1/2 = 4 1/3 1/6 1/ 2 5 = V 2/ 6 0 1/ 3

0 1 0

3 0 0 5 1

Con estas matrices se tiene que:

4 U T AV = 4 0 0

0 1 0 155

3 0 0 5 = . 1

6.4. Descomposicin en valores singulares

Factorizacin de matrices

64 Ejercicios
1. Calcule la descomposicin en valores singulares de las matrices 2 1 2 2 2 1 (a) A = (b) B = 1 4 1 1 1 4 (c) 1 C=4 2 2 2 3 1 2 5 2 (d) 1 D = 4 1 2 2 3 1 1 5 2

156