Articulo de referencia

Subespacio de reducción

En álgebra lineal , un subespacio reductor W {\displaystyle W} de un mapa lineal T : V → V {\displaystyle T:V\to V} desde un espacio de Hilbert V {\displaystyle V} para sí mismo...

En álgebra lineal , un subespacio reductorW{\displaystyle W}de un mapa linealT:VV{\displaystyle T:V\to V}desde un espacio de HilbertV{\displaystyle V}para sí mismo es un subespacio invariante deT{\displaystyle T}cuyo complemento ortogonalW{\displaystyle W^{\perp }}es también un subespacio invariante deT.{\displaystyle T.}Eso es,T(W)W{\displaystyle T(W)\subseteq W}yT(W)W.{\displaystyle T(W^{\perp })\subseteq W^{\perp }.}Se dice que el subespacioW{\displaystyle W}reduce el mapaT.{\displaystyle T.}

Se dice que una aplicación lineal es reducible si tiene un subespacio reductor no trivial . De lo contrario, se dice que es irreducible .

SiV{\displaystyle V}es de dimensión finitar{\displaystyle r}yW{\displaystyle W}es un subespacio reductor del mapaT:VV{\displaystyle T:V\to V}representado bajo baseB{\displaystyle B}por matrizMETRORr×r{\displaystyle M\in \mathbb {R} ^{r\times r}}entoncesMETRO{\displaystyle M}se puede expresar como la suma

METRO=PAGWMETROPAGW+PAGWMETROPAGW{\displaystyle M=P_{W}MP_{W}+P_{W^{\perp }}MP_{W^{\perp }}}

dóndePAGWRr×r{\displaystyle P_{W}\in \mathbb {R} ^{r\times r}}es la matriz de la proyección ortogonal deV{\displaystyle V}aW{\displaystyle W}yPAGW=IPAGW{\displaystyle P_{W^{\perp }}=IP_{W}}es la matriz de la proyección sobreW.{\displaystyle W^{\perp }.}[ 1 ] (AquíIRr×r{\displaystyle I\in \mathbb {R} ^{r\times r}}es la matriz identidad .

Además,V{\displaystyle V}tiene una base ortonormalB{\displaystyle B'}con un subconjunto que es una base ortonormal deW{\displaystyle W}. SiQRr×r{\displaystyle Q\in \mathbb {R} ^{r\times r}}es la matriz de transición deB{\displaystyle B}aB{\displaystyle B'}entonces con respecto aB{\displaystyle B'}la matrizQ1METROQ{\displaystyle Q^{-1}MQ}representandoT{\displaystyle T}es una matriz diagonal por bloques

Q1METROQ=[A00B]{\displaystyle Q^{-1}MQ=\left[{\begin{array}{cc}A&0\\0&B\end{array}}\right]}

conARd×d,{\displaystyle A\in \mathbb {R} ^{d\times d},}dónded=oscuroW{\displaystyle d=\dim W}, yBR(rd)×(rd).{\displaystyle B\in \mathbb {R} ^{(rd)\times (rd)}.}

Referencias

  1. R. Dennis Cook (2018). Una introducción a las envolventes  : reducción de dimensión para una estimación eficiente en estadística multivariante . Wiley. pág.  7.