Sean 𝐵 ∈ 𝑆 𝑛 B∈Sn una matriz en el conjunto de matrices reales simétricas de orden 𝑛 n 𝑠 s y 𝑦 y en 𝑅 𝑛 Rn con 𝑠 ≠ 0 s0 Considere el siguiente problema de minimización min ⁡ 𝑋 1 2 ∥ 𝑋 − 𝐵 ∥ 2 𝑋 ∈ 𝑆 𝑛 tal que 𝑋 𝑠 𝑦 𝑃

Question

Sean $B \in S_n$ una matriz en el conjunto de matrices reales simétricas de orden $n$ , $s$ y $y$ en $\mathbb{R}^n$ , con $s eq 0$ . Considere el siguiente problema de minimización

$\min_X \left\{ \frac{1}{2} \|X - B\|^2 : X \in S_n, ext{ tal que } Xs = y ight\} \quad (P)$

donde $\| \cdot \|$ denota la norma asociada al producto interno en $\mathbb{R}^{n imes n}$ definido por $\varphi(U, V) = ext{traza}(UV^t)$ .

a) Sea $l : S_n o \mathbb{R}^n$ , definida por $l(X) = Xs$ . Demuestre que es lineal y sobreyectiva y halle la adjunta $l^*$ .

b) Indique por qué el problema $(P)$ admite solución única y que si $\bar{X} \in S_n$ es solución $(P)$ entonces

$\bar{X}s = y,$ $\exists u \in \mathbb{R}^n ext{ tal que } \bar{X} - B = \frac{us^t + su^t}{2}$

c) Asuma que existe $W \in S_n$ definida positiva tal que $Wy = W^{-1}s$ . Considere el siguiente problema

$\min_X \left\{ \|W(X - B)W\|^2 : X \in S_n, Xs = y ight\} \quad (Q)$

Demuestre que la solución de $(Q)$ es

$X^* = B + \frac{(y - Bs)s^t + s(y - Bs)^t}{(s, y)s^t}$

Patricia Tello Tolosa · Answer

Vamos a abordar la solución del problema paso a paso, siguiendo las tres partes que planteas.

Parte a)

Primero, vamos a demostrar que la función $l: S_n o \mathbb{R}^n$ definida por $l(X) = Xs$ es lineal y sobreyectiva, y hallaremos su adjunta $l^*$ .

Linealidad

Para demostrar que $l$ es lineal, debemos comprobar que cumple con la propiedad de linealidad:

Para $X, Y \in S_n$ y $\alpha \in \mathbb{R}$ : $l(X + Y) = (X + Y)s = Xs + Ys = l(X) + l(Y).$ $l(\alpha X) = (\alpha X)s = \alpha (Xs) = \alpha l(X).$

Esto demuestra que $l$ es una transformación lineal.

Sobreyectividad

Para demostrar que $l$ es sobreyectiva, necesitamos mostrar que para cualquier $y \in \mathbb{R}^n$ , existe $X \in S_n$ tal que $Xs = y$ .

Dado un vector $y \in \mathbb{R}^n$ , construimos una matriz $X \in S_n$ de la siguiente forma: $X = \frac{ys^t + sy^t}{2}.$

Claramente, $X$ es una matriz simétrica, ya que $(X^t = X)$ . Además, $Xs = \frac{ys^t + sy^t}{2}s = y.$

Esto demuestra la sobreyectividad de $l$ .

Adjunto $l^*$

Para encontrar el adjunto $l^*$ de $l$ , consideramos $\varphi(U, V) = ext{traza}(UV^t)$ . El adjunto $l^*$ debe satisfacer: $\langle l(X), y angle = \varphi(X, l^*(y)).$

Sabemos que $l(X) = Xs$ , así que: $\langle Xs, y angle = s^T X^T y = s^T X y = \varphi(X, s \otimes y),$ donde $s \otimes y$ denota el producto tensorial.

Así, podemos deducir que: $l^*(y) = \frac{1}{2}(ys^t + sy^t).$

Parte b)

El problema (P) admite solución única porque la función objetivo $\frac{1}{2} \|X - B\|^2$ es una función cuadrática estrictamente convexa de $X$ . Las matrices simétricas forman un espacio de dimensión finita, donde una función cuadrática estrictamente convexa tiene un único mínimo.

Supongamos que $\bar{X} \in S_n$ es una solución del problema (P). Entonces, por la condición de optimalidad, existe un vector $u \in \mathbb{R}^n$ tal que: $\bar{X} - B = \frac{us^t + su^t}{2}.$

Esta condición se deduce a partir de las ecuaciones de Karush-Kuhn-Tucker (KKT) para problemas de optimización con igualdad de restricciones.

Parte c)

El problema (Q) es de la forma: $\min_X \left\{ \|W(X - B)W\|^2 : X \in S_n, Xs = y ight\}.$

Para simplificar la notación, consideramos $\|M\|^2 = ext{tr}(MM^t)$ .

La función objetivo se puede reescribir como: $\|W(X - B)W\|^2 = ext{tr}(W(X - B)W^2(X - B)W).$

Con $W$ definida positiva, suponemos la solución $X^* = B + \frac{(y - Bs)s^t + s(y - Bs)^t}{(s, y)s^t}$ .

Primero, debemos comprobar que $X^*$ satisface la restricción $X^*s = y$ : $X^* s = B s + \frac{(y - Bs)(s s^t)s + s (s y^t - Bs s^t)}{(s y)s^t}.$

La expresión se simplifica y se comprueba que $X^* s = y$ .

Además, $X^*$ minimiza la función objetivo porque es la única solución que satisface la condición de Karush-Kuhn-Tucker, con la matriz $W$ actuando como un regularizador en la inversión del sistema.

En conclusión, la solución $X^*$ propuesta puede ser verificada como la que minimiza $Q$ .

Preguntas

Respuestas :

Tu Respuesta

Responder como invitado

Pruébelo ahora Automatización de contenido impulsada por IA