• No se han encontrado resultados

Factorización de rango completo y aplicaciones

N/A
N/A
Protected

Academic year: 2021

Share "Factorización de rango completo y aplicaciones"

Copied!
8
0
0

Texto completo

(1)

(pp. 1–8)

Factorizaci´

on de rango completo y aplicaciones

R. Cant´

o

1

, B. Ricarte

1

, A.M. Urbano

1

1 Institut de Matem`atica Multidisciplinar, Universidad Polit´ecnica de Valencia, E-46022 Valencia. E-mails: rcanto@mat.upv.es, bearibe@mat.upv.es, amurbano@mat.upv.es.

Palabras clave: Factorizaci´on de rango completo, factorizaci´on de Cholesky, factorizaci´on thin QR, forma de Jordan.

Resumen

En este trabajo se estudian algunas aplicaciones de la factorizaci´on de rango com-pleto tales como la factorizaci´on de Cholesky de una matriz sim´etrica no invertible, la factorizaci´on thin QR de matrices rectangulares y el c´alculo de valores y vectores propios de una matriz singular.

1.

Introducci´

on

Dada una matriz A ∈ Rn×m con rank(A) = r, una factorizaci´on de la forma A = F G,

donde F ∈ Rn×r, G ∈ Rr×m y rank(F ) = rank(G) = r, se conoce como descomposici´on

de rango completo de la matriz A. Notar que, si A = F G es una factorizaci´on de rango completo, entonces cualquier otra factorizaci´on de este tipo puede obtenerse de la forma A = (F M−1)(M G) donde M ∈ Rr×r es una matriz invertible. Si exigimos que la matriz

G est´e en forma escalonada reducida superior unitaria entonces la factorizaci´on obtenida es ´unica.

Utilizando la descomposici´on de rango completo de una matriz, extendemos algunos re-sultados conocidos para matrices invertibles o con rango completo por columnas a matrices rectangulares que no tienen rango completo. Concretamente, obtenemos la factorizaci´on de Cholesky de rango completo de matrices singulares ATA, cuya aplicaci´on a matrices

totalmente positivas (TP) o estrictamente totalmente positivas (STP) permite afirmar que el factor triangular inferior de Cholesky L es TP o ∆STP.

Por otra parte, es conocido que la factorizaci´on QR es, entre otras cosas, un camino alternativo para resolver sistemas de ecuaciones lineales, ya que por ser Q ortogonal re-solver el sistema Ax = b es equivalente a rere-solver el sistema Rx = QTb, el cual es mucho

(2)

thin QR factorization y prueban que es ´unica. Esta nueva factorizaci´on permite reducir el tama˜no de las matrices Q y R, y, como consecuencia, reducir el tama˜no del sistema a resolver. Nosotros vamos a extender dicho concepto a matrices rectangulares pero sin rango m´aximo por columnas. La aplicaci´on a matrices TP y STP permite asegurar que la matriz R de esta factorizaci´on es TP o STP.

Dada una matriz cuadrada singular podemos, a partir del Teorema de Flanders [3], obtener sus valores propios, vectores propios y forma de Jordan, reduciendo el orden de la matriz mediante factorizaciones de rango completo.

2.

Factorizaci´

on de Cholesky

Toda matriz sim´etrica, definida positiva A ∈ Rn×n admite una ´unica factorizaci´on

de Cholesky A = LLT, donde L ∈ Rn×n es triangular inferior con diagonal principal positiva. Si A es semidefinida positiva existe una matriz de permutaci´on P tal que P A admite factorizaci´on de Cholesky y, en este caso, es f´acil comprobar que en general dicha descomposici´on no es ´unica. Cuando la matriz semidefinida positiva A tiene rango igual a r y la forma escalonada superior unitaria de sus r primeras filas linealmente independientes puede obtenerse sin intercambio de filas aplicando [1, Theorem 1] se deduce que A tiene una ´

unica factorizaci´on de Cholesky, que puede obtenerse aplicando el m´etodo de quasi-Gauss [1].

Cuando la matriz A es rectangular se obtiene la factorizaci´on de Cholesky de ATA.

Si A tiene rango completo por columnas, entonces ATA es sim´etrica definida positiva, en otro caso es sim´etrica semidefinida positiva y, como indica el siguiente resultado, tiene una ´

unica factorizaci´on de Cholesky de rango completo.

Teorema 1 Sea A ∈ Rn×m una matriz tal que rank(A) = r. Entonces, ATA admite una ´unica factorizaci´on de Cholesky de rango completo ATA = LLT, donde L ∈ Rm×r es una

matriz en forma escalonada inferior, con entradas principales positivas y rango completo por columnas.

Nota 1 El Teorema 1 nos permite afirmar que la factorizaci´on de Cholesky de rango completo de ATA puede obtenerse aplicando el algoritmo de quasi-Gauss sin intercambio

de filas. En general, no sucede lo mismo cuando se intenta aplicar el algoritmo de quasi-Neville.

Nota 2 Cuando la matriz A ∈ Rn×m con rango r es TP, entonces ATA tambi´en es TP y en este caso se verifica

1. El factor triangular inferior LA de la factorizaci´on de Cholesky de rango completo

de ATA es TP [2].

2. Como el ´ındice de la matriz ATA es igual a 1, la inversa de grupo y la inversa de

Drazin coinciden. En este caso dicha inversa viene dada por la matriz sim´etrica con rango r siguiente: (ATA)D = LA ¡ LTA(ATA)LA ¢−1 LTA= LA ¡ LTALA ¢−2 LTA

donde LA es el factor triangular inferior de Cholesky. Como LA es TP entonces,

¡ LT

ALA

¢−2

(3)

3.

Factorizaci´

on Thin QR de matrices rectangulares

Dada una matriz A ∈ Rn×m con rango completo por columnas Golub y Van Loan [4]

definen la factorizaci´on thin QR de A como la ´unica factorizaci´on de la forma A = Q1R1

donde Q1 ∈ Rn×m tiene columnas ortonormales y R1 ∈ Rm×m es triangular superior con

las entradas de la diagonal principal positivas. En [4, Theorem 5.2.2.] prueban que esta factorizaci´on es ´unica y, adem´as, R1 = LT donde L es el factor triangular inferior de la

factorizaci´on de Cholesky de ATA. Usando la factorizaci´on de rango completo el siguiente teorema extiende la factorizaci´on thin QR a matrices rectangulares sin rango completo. Teorema 2 Sea A ∈ Rn×m una matriz tal que rank(A) = r. Entonces, existe una matriz Q1 ∈ Rn×r con columnas ortonormales y una matriz escalonada superior R1∈ Rr×m con

la entrada principal de cada fila positiva, tal que A = Q1R1. Adem´as, RT1 es el factor

escalonado inferior de Cholesky de ATA.

Demostraci´on: Aplicando el algoritmo de quasi-Gauss [1] a la matriz A obtenemos la factorizaci´on de rango completo A = F U , donde F ∈ Rn×r tiene rango completo por columnas y U ∈ Rr×m es una matriz escalonada reducida superior unitaria con rango

completo por filas.

Como F ∈ Rn×r tiene rango completo por columnas admite una ´unica factorizaci´on thin QR, F = Q1FR1F donde Q1F ∈ Rn×r tiene columnas ortonormales y R1F ∈ Rr×r es

triangular superior con entradas diagonales positivas. Por tanto, A = F U = Q1FR1FU = Q1F(R1FU ) = Q1R1

donde Q1= Q1F ∈ Rn×r y R1 = R1FU ∈ Rr×m est´a en forma escalonada superior con la

entrada principal en cada fila positiva. Adem´as, como ATA = (Q

1R1)T(Q1R1) = RT1R1, tenemos que R1 = LT es el factor

escalonado superior de Cholesky de ATA. ¤

Nota 3 Observar que la matriz de rango completo R1 es ´unica y como consecuencia se deduce que Q1 es tambi´en ´unica. Esta factorizaci´on se conoce como factorizaci´on thin QR

de una matriz A ∈ Rn×m con rank(A) = r.

Nota 4 Si A es TP, teniendo en cuenta la Nota 2 podemos asegurar que R1 es tambi´en

TP. Cuando A es totalmente no positiva se obtiene un resultado an´alogo por ser ATA TP.

4.

Forma de Jordan

Sea A ∈ Rn×n una matriz con rank(A) = r < n, y sea A = F U una factorizaci´on

de rango completo tal que F ∈ Rn×r, U ∈ Rr×n y rank(F ) = rank(U ) = r. A partir del

Teorema de Flanders [3] tenemos el siguiente resultado,

Proposici´on 1 Sea A ∈ Rn×n una matriz tal que rank(A) = r < n y sea A = F U

una factorizaci´on de rango completo tal que F ∈ Rn×r, U ∈ Rr×n, ambas con rango r.

Consideremos la matriz A2 = U F ∈ Rr×r. Entonces, A y A

2 tienen los mismos divisores

elementales asociados a los valores propios no nulos. Adem´as, si s1 ≥ s2 ≥ · · · ≥ sp

(s0

1 ≥ s02 ≥ · · · ≥ s0p) son los tama˜nos de los bloques de Jordan asociados al valor propio

cero en A (A2), entonces si− s0

(4)

Nota 5 Como rank(A2) = rank(A

2), si A2 es singular podemos volver a aplicar la

Pro-posici´on 1 y obtener la matriz A3 tal que rank(A3) = rank(A22) = rank(A3). Por tanto,

dada una matriz A ∈ Rn×n que verifica

rank(A) = r > rank(A2) = r2> · · · > rank(Aw) = rw = rank(Aj), ∀j > w

aplicando la Proposition 1 w-veces obtenemos una sucesi´on de matrices A2, A3, . . . , Aw,

Aw+1tales que rank(Ai) = rank(Ai) = ri, i = 2, 3, . . . , w + 1 con Aw+1invertible. A partir

de la estructura de Jordan de esta ´ultima matriz obtenemos la estructura de Jordan de la matriz A asociada a los valores propios no nulos. Adem´as, teniendo en cuenta los rangos de las matrices A2, A3, . . . , Aw, Aw+1 obtenemos la estructura de Jordan de A asociada

al valor propio nulo.

Ejemplo 1 Consideremos la matriz A ∈ R8×8con rank(A) = 6

A =             2 1 −2 1 −2 1 2 1 1 5 −3 −1 1 1 1 −5 −2 1 2 1 2 1 −2 1 3 −1 −1 5 −1 −5 −1 1 −2 1 2 1 2 1 −2 1 1 1 1 −5 1 5 −3 −1 2 1 −2 1 −2 1 2 1 −1 −5 −1 1 3 −1 −1 5             .

Esta matriz admite la siguiente factorizaci´on de rango completo

A =             2 1 −2 1 −2 1 1 5 −3 −1 1 1 −2 1 2 1 2 1 3 −1 −1 5 −1 −5 −2 1 2 1 2 1 1 1 1 −5 1 5 2 1 −2 1 −2 1 −1 −5 −1 1 3 −1                     1 0 0 0 0 0 −1 0 0 1 0 0 0 0 0 −1 0 0 1 0 0 0 −1 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 −1 0 0 0 0 0 0 1 0 1         = F U.

La matriz A2 = U F tiene rank(A2) = rank(A2) = 4 y puede ser factorizada de la forma

A2= U F =         0 0 0 0 2 10 −2 −2 −4 0 0 4 2 −6 6 2 −4 0 0 4 0 −4 −4 4             1 0 −1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 −1 0 0 0 0 1 0     = FA2UA2.

La matriz A3 = UA2FA2 con rank(A3) = rank(A22) = rank(A3) = 3 puede factorizarse de

(5)

Finalmente A4 = UA3FA3 =   82 10 −20 0 2 −2 10   .

La matriz A4 es invertible siendo sus valores propios λ1 = 12 y λ2 = 8 con

multi-plicidades algebraicas m(λ1) = 1 y m(λ2) = 2. Aplicando la Proposici´on 1 tenemos que

los valores propios de A son λ1 = 12, λ2 = 8 y λ3 = 0, con multiplicidades algebraicas m(λ1) = 1, m(λ2) = 2 y m(λ3) = 5.

Como rank(A) = 6, rank(A2) = rank(A

2) = 4, rank(A3) = rank(A3) = 3 y rank(A4) =

rank(A4) = 3, tenemos que dim(ker(A)) = 2, dim(ker(A2)) = 4 y dim(ker(A3)) = 5. Por

tanto, los tama˜nos de los bloques de Jordan asociados al valor propio λ3 = 0 son 3 y 2,

siendo su estructura de Jordan JA= diag (J3(0), J2(0), J1(12), J2(8)).

Conocidos los valores propios de la matriz A vamos a ver ahora c´omo obtener las cade-nas de Jordan asociadas a dichos valores propios. Supongamos que s1≥ s2 ≥ . . . ≥ sp ≥ 1 son los tama˜nos de los bloques de Jordan asociados al valor propio cero. Consideremos la factorizaci´on de rango completo A = F U y la matriz A2 = U F ∈ Rr×r. Distinguiremos

dos casos:

(a) rank(A2) = rank(A) = r

En este caso la matriz A2 es invertible y A no tiene vectores propios generalizados

asociados con el valor propio λ = 0. Los vectores propios de A asociados a dicho valor propio son las soluciones no nulas del sistema U x = 0. Con las soluciones obtenidas podemos formar las columnas de la matriz V , de manera que AV = O ∈ Rn×(n−r).

Para los valores propios no nulos se verifica el siguiente resultado,

Proposici´on 2 Si {vr, vr−1, . . . , v2, v1} es una cadena de Jordan de la matriz A2 asociada

al valor propio no nulo λ, entonces {F vr, F vr−1, . . . , F v2, F v1} es una cadena de Jordan

de A asociada al mismo valor propio.

Demostraci´on: Por la Proposici´on 1 la estructura de Jordan de A2 y A asociada a los

valores propios no nulos es la misma. Como {vr, vr−1, . . . , v2, v1} es una cadena de Jordan

de A2 asociada al valor propio λ tenemos

A2vj = (U F )vj = vj−1+ λvj, j = r, r − 1, . . . , 2,

A2v1 = (U F )v1= λv1.

Multiplicando por F

F A2vj = F (U F )vj = (F U )(F vj) = F vj−1+ λ(F vj), j = r, r − 1, . . . , 2, F A2v1 = F (U F )v1 = (F U )(F v1) = λ(F v1).

Puesto que F tiene rango completo por columnas los vectores F vj, j = 1, 2, . . . , r, son

li-nealmente independientes. Por tanto, {F vr, F vr−1, . . . , F v2, F v1} es una cadena de Jordan

de A asociada al valor propio λ. ¤

Si las columnas de Q ∈ Rr×r son los vectores y vectores propios generalizados de A2

entonces las columnas de la matriz F Q ∈ Rn×r son los correspondientes vectores y vectores

propios generalizados de A asociados a los valores propios no nulos, esto es A2 = QJtQ−1 → U F = QJtQ−1 → U F Q = QJt

(6)

Con V y F Q construimos la matriz S = [V F Q] ∈ Rn×n. Dicha matriz verifica que

S−1AS = J A.

(b) rank(A2) < rank(A) = r

En este caso hay vectores propios y vectores propios generalizados asociados al valor propio λ = 0. Supongamos que A2 tiene q bloques de Jordan de tama˜no s1− 1 ≥ s2− 1 ≥

· · · ≥ sq− 1 ≥ 1 asociados a dicho valor propio. Por la Proposici´on 1 A tiene al menos q

bloques de Jordan de tama˜no s1 ≥ s2 ≥ · · · ≥ sq ≥ 2 asociados al mismo valor propio. El

siguiente resultado proporciona la relaci´on que existe entre dichas cadenas de Jordan. Proposici´on 3 Sea visi−1, visi−2, . . . , vi2, vi1 una cadena de Jordan de A2de longitud si−1 asociada al valor propio nulo. Entonces, existe un vector no nulo visi tal que {visi, F visi−1,

F visi−2, . . . , F vi2, F vi1} es una cadena de Jordan de A de longitud si asociada al valor

propio nulo.

Demostraci´on: Como visi−1, visi−2, . . . , vi2, vi1 es una cadena de Jordan de A2 asociada

al valor propio nulo tenemos que ½ A2vij = vij−1, j = si− 1, si− 2, . . . , 3, 2, A2vi1 = 0. Por tanto A2vij = U F vij = vij−1 =⇒ (F U )(F vij) = F vij−1, j = si− 1, si− 2, . . . , 2, A2vi1 = U F vi1 = 0 =⇒ (F U )(F vi1) = 0.

Como F tiene rango completo por columnas y vij 6= 0 entonces, F vij 6= 0 para j =

si− 1, si− 2, . . . , 2, 1. Como consecuencia {F visi−1, F visi−2, . . . , F vi2, F vi1} es una cadena

de Jordan de A, de longitud si−1 asociada al valor propio cero. Para extender esta cadena

a una cadena de Jordan de longitud si necesitamos un vector x 6= 0, x ∈ ker(Asi) pero

x 6∈ ker(Asi−1), esto es x ∈ ker(Asi) ∼ ker(Asi−1) y tal que Ax = F v

isi−1.

De nuevo, como F tiene rango completo por columnas tenemos que

Ax = F U x = F visi−1 =⇒ F (U x − visi−1) = 0 =⇒ U x = visi−1.

Dicho sistema tiene soluci´on ya que U tiene rango completo por filas. Supongamos que x = visi una soluci´on, esto es U visi = visi−1. Obviamente visi ∈ ker(Asi) ∼ ker(Asi−1), ya

que en otro caso Asi−1v isi = 0 =⇒ (F U )(F U ) · · · (F U )(F U )visi = 0 =⇒ F Asi−2 2 U visi = 0 =⇒ F As2i−2visi−1 = 0 =⇒ Asi−2 2 visi−1 = 0,

lo cual es absurdo puesto que visi−1 ∈ ker(As2i−1) ∼ ker(As2i−2). Por tanto, el conjunto de

vectores {visi, F visi−1, F visi−2, . . . , F vi2, F vi1} es una cadena de Jordan de A de longitud

(7)

El siguiente diagrama describe el resultado del teorema anterior:

ker(Asi) ∼ ker(Asi−1) v

isi

ker(Asi−1

2 ) ∼ ker(As2i−2) → visi−1 ker(Asi−1) ∼ ker(Asi−2) → F visi−1

ker(Asi−2

2 ) ∼ ker(As2i−3) → visi−2 ker(Asi−2) ∼ ker(Asi−3) → F visi−2

..

. =⇒ ...

ker(A2

2) ∼ ker(A2) vi2 ker(A2) ∼ ker(A) F vi2

ker(A2) vi1 ker(A) F vi1

Por tanto, todas las cadenas de Jordan de A2 asociadas al valor propio cero pueden

ser extendidas a cadenas de Jordan de A asociadas al mismo valor propio.

Si p = q, esto es, si el n´umero de cadenas de Jordan asociadas al valor propio cero de las matrices A2 y A es el mismo, aplicando la Proposici´on 3 a cada cadena de A2 obtenemos

la correspondiente cadena de Jordan de A. Si p > q, adem´as de esas cadenas de Jordan, necesitamos p − q vectores propios m´as, los cuales son las soluciones no nulas del siste-ma U x = 0 linealmente independientes con los q vectores propios {F v11, F v21, . . . , F vq1}

obtenidos.

Para los valores propios no nulos procedemos como en el caso anterior.

Ejemplo 2 Consideremos la matriz A ∈ R8×8 del ejemplo 1. Sabemos que A tiene dos

bloques de Jordan de tama˜no 3 y 2 asociados al valor propio λ3 = 0, un bloque de Jordan

de tama˜no 1 asociado a λ1 = 12 y un bloque de Jordan de tama˜no 2 asociado a λ2= 8.

Para obtener los vectores propios asociados a los valores propios no nulos empezamos con la matriz A4.

1. Para λ1= 12 tenemos

EA4(12) = Env{t = (0, 1, −1)} → EA3(12) = Env{FA3t} → EA2(12) = Env{FA2FA3t} → EA(12) = Env{F FA2FA3t}

Por tanto, simplificando tenemos que EA(12) = Env{(0, 1, 0, −1, 0, 1, 0, −1)}.

2. Para λ2= 8 la matriz A4 tiene la siguiente cadena de Jordan de longitud 2,

ker((8I − A4)2) ∼ ker(8I − A4) → r2= (1, 1, 1)

ker(8I − A4) → r1= (0, −2, −2)

La correspondiente cadena de Jordan de A asociada con dicho valor propio es ker((8I − A)2) ∼ ker(8I − A) → F FA2FA3r2

ker(8I − A) → F FA2FA3r1

simplificando tenemos (2, 7, −2, 7, −2, −7, 2, −7) ∈ ker((8I − A)2) ∼ ker(8I − A) y

(8)

Para obtener las cadenas de Jordan asociadas al valor propio nulo hemos de tener en cuenta que asociadas a dicho valor propio A3 tiene s´olo una cadena de Jordan de longitud

1, A2 tiene dos cadenas de Jordan de longitudes 2 y 1, y A tiene dos cadenas de Jordan

de longitudes 3 y 2. Por la Proposici´on 3 tenemos

ker(A22) ∼ ker(A2) → r2 ker(A3) → z1 ker(A2) → r1= FA2z1 s1 y para A ker(A3) ∼ ker(A2) → v 3 ker(A2) ∼ ker(A) → v 2= F r2 u2 ker(A) → v1= F r1 u1 = F s1

Primero, resolviendo el sistema A3x = 0 obtenemos que z1 = (1, 0, 0, 1) y aplicando la Proposici´on 3

r1 = FA2z1 = (0, 0, 0, 4, 0, 4) y v1 = F r1 = (8, 0, 8, 0, 8, 0, 8, 0)

De nuevo por la Proposici´on 3 sabemos que el vector r2 es una soluci´on del sistema

UA2x = z1. Por tanto,

r2 = (2, 0, 1, 1, 1, 1) v2 = F r2 = (2, 0, 2, 4, 2, 4, 2, 0)

El vector propio s1 es una soluci´on no nula del sistema UA2x = 0, de manera que los

vectores {s1, r1} sean linealmente independientes. Tomando

s1= (1, 0, 1, 0, 0, 0) u1 = F s1 = (0, −2, 0, 2, 0, 2, 0, −2)

Finalmente, los vectores v3 y u2 son soluciones de los sistemas

UAx = r2 v3 = x = (3, 1, 2, 0, 2, 0, 1, 1)

UAx = s1 u2 = x = (2, 1, 2, −1, 1, −1, 1, 1)

Agradecimientos

Trabajo financiado por el proyecto DGI MTM2007-64477 y por el proyecto de incen-tivaci´on de la investigaci´on de la Universidad Polit´ecnica de Valencia.

Referencias

[1] R. Cant´o, B. Ricarte and A. M. Urbano, Full rank factorization and Flanders theorem, Sometido. [2] R. Cant´o, B. Ricarte and A. M. Urbano, Characterization of rectangular TP and STP matrices,

Sometido.

[3] H. Flanders, Elementary divisors of AB and BA, Proceedings of the American Mathematical Society, 2, 6 (1951), 871–874.

Referencias

Documento similar

Proporcione esta nota de seguridad y las copias de la versión para pacientes junto con el documento Preguntas frecuentes sobre contraindicaciones y

Y tendiendo ellos la vista vieron cuanto en el mundo había y dieron las gracias al Criador diciendo: Repetidas gracias os damos porque nos habéis criado hombres, nos

E Clamades andaua sienpre sobre el caua- 11o de madera, y en poco tienpo fue tan lexos, que el no sabia en donde estaña; pero el tomo muy gran esfuergo en si, y pensó yendo assi

6 Para la pervivencia de la tradición clásica y la mitología en la poesía machadiana, véase: Lasso de la Vega, José, “El mito clásico en la literatura española

d) que haya «identidad de órgano» (con identidad de Sala y Sección); e) que haya alteridad, es decir, que las sentencias aportadas sean de persona distinta a la recurrente, e) que

Las manifestaciones musicales y su organización institucional a lo largo de los siglos XVI al XVIII son aspectos poco conocidos de la cultura alicantina. Analizar el alcance y

La campaña ha consistido en la revisión del etiquetado e instrucciones de uso de todos los ter- mómetros digitales comunicados, así como de la documentación técnica adicional de

This section provides guidance with examples on encoding medicinal product packaging information, together with the relationship between Pack Size, Package Item (container)