Divulgacin o

Matriz inversa generalizada y descomposicin del valor singular o

Fernando Velasco Luna y Jess Hernndez Surez u a a Laboratorio de Investigacin y Asesor Estad o a stica, Facultad de Estad stica e Informtica, a Universidad Veracruzana, Av. Xalapa esq. Av. Avila Camacho s/n, Xalapa, Veracruz.
[email protected] [email protected]

recibido: abril de 2005 aceptado: septiembre de 2005

resumen La descomposicin de una matriz en valores singulares tiene mltio u ples aplicaciones en la teor estad a stica, as como la matriz inversa generalizada. En este trabajo se presenta la denicin de la matriz o inversa generalizada. La teor de la descomposicin del valor sina o gular de una matriz. Finalmente se presenta una caracterizacin o de la matriz inversa generalizada en trminos de la descomposicin e o del valor singular. 1. Introduccion

En la teor estad a stica son de gran utilidad las diversas descomposiciones que tiene una matriz, por ejemplo la descomposicin QR, la descomposin o o de Schur. La descomposicin de una matriz en valores singulares tiene mlo u tiples aplicaciones en la teor estad a stica, as como la matriz inversa genera lizada. En la seccin 2 de este trabajo se presenta la denicin de la matriz o o
7

Contenido

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

 F. VELASCO LUNA Y J. HERNANDEZ SUAREZ

inversa generalizada y su principal objetivo. La teor de la descomposicin a o del valor singular de una matriz se presenta en la seccin 3. Finalmente o se presenta una caracterizacin de la matriz inversa generalizada de una o matriz A en trminos de la descomposicin del valor singular de tal matriz. e o
2. G-inversa de una matriz

Consideremos la solucin de un sistema de ecuaciones lineales consistente o Ax = y, donde A es una matriz m n de rango r m n(m, n). Si las dimensiones de la matriz coinciden, as como su rango, es decir, si m = n = r, entonces existe una unica solucin del sistema Ax = y, la cual est dada por x = o a 1 y, donde A1 es la matriz inversa de A. Sin embargo, cuando A es A rectangular o cuadrada singular, una representacin simple de una solucin o o del sistema Ax = y en trminos de A es ms complicada. Brevemente e a hablando, una matriz inversa generalizada de A es una matriz A tal que A y es una solucin del sistema Ax = y para cualquier y que hace al o sistema consistente. Denicin 1.1. Sea A una matriz de orden m n de rango r m o n(m, n). La matriz A es llamada una matriz inversa generalizada (g-inversa) de la matriz A si se cumple la siguiente condicin o AA A = A Teorema 1.1. Sea A cualquier matriz, siempre existe una matriz A la cual es una g-inversa de A. Demostracin: Sea A una matriz m n de rango r m o n(m, n); as tene, mos la existencia de dos matrices invertibles T y S tales que Ir 0 Denamos por R= Ir 0 0 0
8

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

10

0 0

11

= TAS.

(2.1)

Contenido

MATRIZ INVERSA GENERALIZADA

y por R = Ir D2 D1 D3 ,

donde D1 , D2 y D3 son matrices cualesquiera de orden adecuado. Se tiene que la matriz R es una matriz g-inversa de la matriz R. Ahora por (2.1) se tiene que R = TAS y por ser las matrices T y S invertibles tenemos que A = T1 RS1 . Deniendo A = SR T, se tiene que la matriz A es una matriz g-inversa de la matriz A, como se puede ver: AA A = T1 RS1 SR TT1 RS1 = T1 RR RS1 = T1 RS1 = A. En la teor general de matrices g-inversas, el objetivo principal es encona trar expresiones para las soluciones de sistemas de ecuaciones consistentes. El siguiente resultado nos da la relacin existente entre la solucin de siso o temas de ecuaciones consistentes del tipo Ax = y y las matrices g-inversas de la matriz A. Lema 1.1. La matriz A es una g-inversa de la matriz A, si y slo si o y es una solucin del sistema Ax = y para cualquier y la cual hace al A o sistema consistente. Demostracin: Supngase que A es una matriz g-inversa de la matriz A. o o Por hiptesis, el sistema Ax = y es un sistema consistente; as existe x tal o , que Ax = y. Ahora tenemos A(A y) = AA (y) = AA (Ax) = AA A(x) = Ax = y; as A y es una solucin del sistema consistente Ax = y. , o Denotando por ai al i-simo vector columna de la matriz A, se tiene que e el sistema Ax = ai es un sistema consistente; as por hiptesis, se tiene , o a es una solucin de Ax = a , es decir, AA a = a , lo anterior se que A i o i i i cumple para todos los vectores columna de la matriz A; as tenemos , AA A = A. Observacin 1.1. La matriz A es una g-inversa de la matriz A, si y slo o o si yA es una solucin del sistema xA = y para cualquier y, la cual hace o al sistema consistente. Por el lema anterior, una forma de encontrar expresiones para las soluciones de sistemas de ecuaciones lineales consistentes, Ax = y, es encontrando una matriz g-inversa de la matriz A.
9
37 0 1 2 3 4 5 6 7 8 38 39 40

Contenido

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

 F. VELASCO LUNA Y J. HERNANDEZ SUAREZ

3. Descomposicion del valor singular

Denicin 2.1. Sea B una matriz de orden m m. Un valor propio de o la matriz B es un escalar d, para el que existe un vector x distinto de cero tal que Bx = dx. Sea d un valor propio de la matriz B. Un vector propio de la matriz B es un vector x distinto de cero tal que Bx = dx, y ste se e denomina vector propio asociado al valor propio d. Sea A una matriz de orden m n. Se tiene que la matriz AAt es de orden m m y la matriz At A es de orden n n. Teorema 2.1. (Descomposicin en valores singulares.) Sea A una o matriz real de orden m n. a) Existen una matriz ortogonal U de orden m m, una matriz ortogonal V de orden n n y una matriz diagonal D = diag(1 , 2 , . . . , s ), con i 0, siendo 1 2 s , donde s = m n{m, n}, tal que es valida la descomposicin en valores singulares, i.e., o
39

A = UDVt .
2 a b) Los nmeros i conforman los valores propios de AAt (quizs agreu gndole algunos ceros), y los vectores propios asociados son las columa 2 nas vi de V; igualmente, las i conforman los valores propios de At A (quizs agregndole algunos ceros), y los vectores propios asociados son a a las columnas ui de U. Las i se llaman los valores singulares de A, los vectores ui se llaman los vectores singulares izquierdos de A y los vectores vi se denominan los vectores singulares derechos de A que se relacionan por Avi = 1 ui , para 1 i s.

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

40

Demostracin: Vase Noble y Daniel (1989, p. 378). o e Denotando por Sc (A) al subespacio generado por los vectores columna de la matriz A: Teorema 2.2. (Rango y valores singulares.) Sea A una matriz de orden m n, entonces a) El rango de A es igual al nmero de valores singulares de A distintos u de cero; b) Los primeros k vectores singulares izquierdos u1 , u2 , . . . , uk forman una base ortonormal para el espacio columna Sc (A). Demostracin: Vase Noble y Daniel (1989, p. 380). o e
10

10

11

12

13

14

15

16

17

18

19

20

21

22

Contenido

MATRIZ INVERSA GENERALIZADA

De los teoremas 2.1 y 2.2 se tiene el siguiente resultado: Sea A una matriz de orden m n de rango r m n(m, n) y sean d1 , d2 , . . . , dr las ra ces cuadradas positivas de los valores propios distintos de cero de la matriz At A. Adems, sean C = [C1 , C2 ] y V = [V1 , V2 ] a las matrices m m y n n conteniendo los vectores propios de AAt y de At A, respectivamente. Las submatrices C1 y V1 corresponden a los valores propios distintos de cero d2 , d2 , . . . , d2 y son de orden m r y n r, respec1 2 r tivamente. Entonces la descomposicin del valor singular de la matriz A es o igual a A = C1 DVt , (3.1) 1 con D = diag(d1 , d2 , . . . , dr ).
4. Representacion

Las matrices C y V de la descomposicin en valores singulares de la matriz o A tienen la propiedad de que Ct C = CCt = Im y VV = VV = In . Sea M una matriz de orden n m la cual es particionada como M= M11 M21 M12 M22

con M11 de orden r r, M12 de orden r (m r), M21 de orden (n r) r y M22 de orden (n r) (m r). A partir de la matriz M, y tomando las matrices V y C, se puede formar la matriz producto VMCt . Deniendo A se tiene A = [V1 , V2 ] M11 M21 M12 M22 = [V1 , V2 ]M Ct 1 Ct 2 ,

Ct 1 Ct 2

desarrollando el producto de matrices se obtiene A = V1 M11 Ct + V1 M12 Ct + V2 M21 Ct + V2 M22 Ct . 1 2 1 2 Las submatrices C1 , C2 , V1 y V2 cumplen
11

(4.1)

t V1 V1 = Ir ,

t V2 V2 = Inr ,

Ct C1 = Ir , 1

Ct C2 = Imr 2

Contenido

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

 F. VELASCO LUNA Y J. HERNANDEZ SUAREZ

t V1 V2 = 0rx(nr) ,

Ct C2 = 0rx(mr) . 1

Por denicin A es una inversa generalizada de A si se cumple AA A = o A. Desarrollando el producto AA , se tiene, de (3.1) y (4.1), que AA = (C1 DVt )(V1 M11 Ct + V1 M12 Ct + V2 M21 Ct + V2 M22 Ct ) 1 1 2 1 2 = C1 DVt V1 M11 Ct + C1 DVt V1 M12 Ct 1 1 1 2 + C1 DVt V2 M21 Ct + C1 DVt V2 M22 Ct 1 1 1 2 = C1 DIr M11 Ct + C1 DIr M12 Ct + C1 D0M21 Ct + C1 D0M22 Ct 1 2 1 2 = C1 DM11 Ct + C1 DM12 Ct ; 1 2 as se tiene AA = C1 DM11 Ct + C1 DM12 Ct . Ahora el producto AA A , 1 2 toma la forma AA A = (C1 DM11 Ct + C1 DM12 Ct )(C1 DVt ) 1 2 1 = C1 DM11 Ct C1 DVt + C1 DM12 Ct C1 DVt 1 2 1 1 = C1 DM11 Ir DVt + C1 DM12 0DVt 1 1 = C1 DM11 DVt ; 1 as AA A = C1 DM11 DVt , de donde se tiene que para que A sea una in, 1 versa generalizada de la matriz A es necesario y suciente que M11 = D1 . La caracterizacin de una inversa generalizada de la matriz en trminos o e de la descomposicin en valores singulares de la matrix A, A = C1 DVt o 1 esta dada por: A = V1 D1 Ct + V1 M12 Ct + V2 M21 Ct + V2 M22 Ct , 2 1 2 1 donde las matrices M12 , M21 y M22 son arbitrarias, con la unica restriccin o en el orden de stas con M12 de orden r (m r), M21 de orden (n r) r e y M22 de orden (n r) (m r).
5. Referencias
39 7 8 9 10 11 40

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

[1] Noble, Ben, y James W. Daniel, Algebra lineal aplicada, Prentice Hall Hispanoamericana, 1989. [2] Halmos, P.R., Finite-Dimensional Vector Spaces, segunda edicin, Van o Nostrand, Princeton, Nueva Jersey, 1958.
12

Contenido

MATRIZ INVERSA GENERALIZADA

[3] Homan, K., y K. Kunze, Algebra lineal, Prentice Hall Hispanoamericana, 1973. [4] Rao, O.R., y S.K. Mitra, Generalized Inverse of Matrices and its Applications, John Wiley, Nueva York, 1971.

13

Contenido

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40