En el amplio panorama de la física matemática y la ciencia de datos, la matriz A^TCA actúa como un puente universal. Ya sea que estés calculando el desplazamiento de un rascacielos bajo carga de viento (rigidez) o buscando el mejor ajuste para datos estadísticos ruidosos (mínimos cuadrados), la estructura permanece igual. Cuando la "inversa" perfecta de A no existe debido a que el sistema es singular o sobredeterminado, la pseudoinversa A⁺ surge como nuestra guía hacia el equilibrio.
1. La Geometría de la Pseudoinversa
La pseudoinversa $A^+$ es una matriz de $n$ por $m$ que actúa como una inversa perfecta cuando es posible. Conecta los Cuatro Espacios Fundamentales asegurando que los vectores $u_1, \dots, u_r$ en el espacio columna de $A$ se mapeen directamente de regreso a $v_1, \dots, v_r$ en el espacio fila.
Reglas de Mapeo
- Para $i \leq r$: $A^+ u_i = \frac{1}{\sigma_i} v_i$ (Inversa de la escalación del valor singular)
- Para $i > r$: $A^+ u_i = 0$ (El espacio nulo izquierdo se anula)
2. La Construcción de A^TCA
Los sistemas físicos alcanzan el equilibrio a través de un ciclo de tres pasos:
- Cinemática ($Ax=e$): Los desplazamientos externos $x$ generan la deformación interna $e$.
- Ley Constitutiva ($y=Ce$): Las propiedades del material (como la Ley de Hooke) convierten la deformación en esfuerzo interno $y$.
- Equilibrio ($A^Ty=f$): Los esfuerzos internos equilibran las fuerzas externas $f$.
Combinando estos da como resultado la ecuación principal: $A^TCAx=f$. Si $A^TA$ es invertible, recuperamos la solución estándar de mínimos cuadrados ponderados.
3. Proyecciones e Identidades
A diferencia de una inversa estándar, $AA^+$ y $A^+A$ no necesariamente producen la matriz identidad completa. En cambio, actúan como Matrices de Proyección:
- $AA^+$ es la matriz de proyección sobre el espacio columna de $A$.
- $A^+ A$ es la matriz de proyección sobre el espacio fila de $A$.
🎯 Definición mediante SVD
La definición matemática formal utiliza la Descomposición en Valores Singulares:
$A^+ = V \Sigma^+ U^T = \begin{bmatrix} v_1 \cdots v_r \cdots v_n \end{bmatrix} \begin{bmatrix} \sigma_1^{-1} & & \\ & \ddots & \\ & & \sigma_r^{-1} \\ & & & 0 \end{bmatrix} \begin{bmatrix} u_1 \cdots u_r \cdots u_m \end{bmatrix}^T$
Ejemplo Resuelto: Encontrar A⁺ para una Matriz de Rango 1
Problema
Considere $A = \begin{bmatrix} 2 & 2 \\ 1 & 1 \end{bmatrix}$. Encuentre $A^+$.
Análisis
El rango $r=1$. El espacio fila está generado por $v_1 = \frac{1}{\sqrt{2}}(1, 1)$. El espacio columna está generado por $u_1 = \frac{1}{\sqrt{5}}(2, 1)$. El valor singular $\sigma_1 = \sqrt{2^2+2^2+1^2+1^2} = \sqrt{10}$.
Cálculo
$A^+ = v_1 \sigma_1^{-1} u_1^T = \frac{1}{\sqrt{2}}\begin{bmatrix} 1 \\ 1 \end{bmatrix} \frac{1}{\sqrt{10}} \frac{1}{\sqrt{5}}\begin{bmatrix} 2 & 1 \end{bmatrix} = \frac{1}{10} \begin{bmatrix} 2 & 1 \\ 2 & 1 \end{bmatrix}$.