Inversas generalizadas y sol de sist de ecuaciones lineales con R

Guı́a 1: Cálculo de Matrices inversas generalizadas y solución de sistemas

lineales con R

Introducción
Con este instructivo se pretende orientar al estudiante para que lleve a cabo los cálculos de matrices inversas
generalizadas, buscando afianzar los temas temas de manitulación, transformación e indexación de matrices,
usando el estorno estadı́stico R (www.r-project.org).

Objetivos:
1. Usar el lenguaje y entorno estadı́stico R para verificar si una matriz G es una inversa generalizada de
otra matriz A.
2. Usar el lenguaje y entorno estadı́stico R para encontrar el conjunto solución de un sistema de ecuaciones
lineales expresado en forma matricial.

Matrices inversas generalizadas

Las matrices inversas generalizadas son ampliamente utilizadas en el contexto de los modelos lineales de
rango incompleto. En el procedimiento de estimación por mı́nimos cuadrados o máxima verosimilitud, las
ecuaciones resultantes no tienen solución única como consecuencia de la dependencia lineal de las columnas
de la matriz diseño. En esta situación las matrices inversas generalizadas juegan un papel crucial, brindando
una manera eficiente de obtener el conjunto solución.
A continuación se define el concepto de inversa generalizada de una matriz no nula A, y se proporciona un
algoritmo para su obtención, se dan teoremas que soportan la utilización de la inversa generalizada para la
solución de sistemas de ecuaciones lineales.

1. Definición y existencia
Definición 1.1 Sea Ap×q una matriz no nula, una inversa generalizada de A se define como cualquier
matriz G que satisface
AGA = A (1)
Para denotar una inversa generalizada de la matriz A se usa el sı́mbolo A− . Otros nombres para una matriz
G que cumpla 1 son: inversa condicional, pseudoinversa o g–inversa. En la definición 1.1 se dice una inversa
generalizada y no la inversa generalizada, esto es ası́ porque para una matriz dada A la matriz G no es
única.

Ejemplo 1.1 Dada la matriz  

2 3 1 −1
A= 5 8 0 1 
1 2 −2 3
las matrices
   
0 0 0 0 1 −4
0 0 0  0 − 21 5
2

G1 = 
1
 y G2 =   (2)
1 0  0 0 0 
0 1 0 0 0 0

son inversas generalizadas de A, queda como ejercicio al lector comprobarlo, es decir, verificar que G1 y G2
cumplen con la ecuación (1).

Página 1 Mario A. Morales R. mamorales@correo.unicordoba.edu.co

 Inversas generalizadas y sol de sist de ecuaciones lineales con R

Ejemplo 1.2 Para la matriz

 A del ejemplo 1.1 se tiene una forma diagonal equivalente usando12 P =
  1 −2 −8 11  
0 0 1 1 0 0 0
 0 −1 5  y Q =  0
 1 5 −7 
2 2
 de tal forma que P AQ = ∆ =  0 1 0 0  con D 2 =
1 1
 0 0 1 0 
1 −2 2 0 0 0 0
  0 0 0 1
1 0
= I 2 luego D −1
2 = D 2 y por tanto
0 1
 
1 0 0
−
 0 1 0 
∆ =  0

0 0 
0 0 0 3×4

el lector puede verificar que  

0 1 −4
−
 0 − 12 5
2

G = Q∆ P = 
 0

0 0 
0 0 0 4×3

La matriz G no es única debido a que P y Q no son únicas.

2. Un algoritmo para calcular A−

Para hallar una inversa generalizada de una matriz A siga los siguientes pasos
(i) Determine el rango de A, digamos que es r.
(ii) En A halle un menor no singular de orden r, llame a éste M .

0
(iii) Invierta M y transponga la inversa: M −1 .

0
(iv) En A reemplace cada elemento de M por el correspondiente elemento de M −1 .
(v) Reemplace todos los otros elementos de A por cero.
(vi) Transponga la matriz resultante. El resultado es A− , una inversa generalizada de A.
Ejemplo 2.1 Se ilustrará el uso del algoritmo para obtener la matriz G1 del ejemplo 1.1
Paso (i) La matriz A tiene rango r = 2.
 
2 3 1 −1
 5 8 0 1 
1 2 −2 3

Paso (ii) Se toma un menor de orden 2, en este caso se tomó

   
a13 a14 1 −1
M= =
a23 a24 0 1
 
−1 1 1
Paso (iii) La inversa de M es M = y la transpuesta de la inversa es
0 1
 
−1 0 1 0
(M ) =
1 1
1 La matriz P se obtiene después de realizar las siguientes operaciones elementales de fila sobre la matriz I : f ↔ f ,
3 3 1
−2f1 + f3 → f3 , −5f1 + f2 → f2 , − 21 f2 → f2 , f2 + f3 → f3
2 La matriz Q se obtiene después de realizar las siguientes operaciones elementalesde columna sobre la matriz I : −3c + c →
4 1 4
c4 , 2c1 + c3 → c3 , −2c1 + c2 → c2 , −7c2 + c4 → c4 , 5c2 + c3 → c3

Página 2 Mario A. Morales R. mamorales@correo.unicordoba.edu.co

 Inversas generalizadas y sol de sist de ecuaciones lineales con R

Pasos (iv) y (v) Reemplazando en A cada elemento de M por el correspondiente de (M −1 )0 y reempla-

zando todos los demás elementos de A por cero nos queda
 
0 0 1 0
0 0 1 1
0 0 0 0

Paso (v) Trasponiendo esta última matriz obtenemos

 
0 0 0
0 0 0
G=1

1 0
0 1 0
que es una inversa generalizada de A.

3. Solución de sistemas de ecuaciones lineales

El hecho que A tenga una inversa generalizada aún si ésta es singular o rectangular tiene aplicaciones en
el problema de solución de sistemas de ecuaciones lineales, por ejemplo, solucionar Ax = y cuando A es
singular o rectangular. En situaciones de esta naturaleza, el uso de una inversa generalizada A− conduce,
como veremos, muy directamente a una solución. Esto es de gran importancia en el estudio de modelos
lineales, donde tales situaciones surgen frecuentemente. Por ejemplo, cuando un modelo puede ser escrito
como y = Xβ + e, el procedimiento de mı́nimos cuadrados conduce a la ecuación X 0 X βb = X 0 y, si la
matriz X no tiene rango columna completo, como ocurre con los modelos de análisis de varianza, la matriz
−1
X 0 X es singular. En ese caso el sistema la solución no puede obtenerse mediante (X 0 X) X 0 y, pero
0
usando una inversa generalizada de X X se puede obtener una solución directamente.

3.1. Ecuaciones consistentes.

Definición 3.1 Las ecuaciones lineales Ax = y se dicen consistentes si cualquier relación lineal existente
entre las filas de A también existe entre los correspondientes elementos de y
Como un ejemplo simple, las ecuaciones
    
1 2 x1 7
=
3 6 x2 21
son consistentes: en la matriz de la izquierda, la segunda fila es tres veces la primera y esto también es cierto
para los elementos a la derecha. Pero las ecuaciones
    
1 2 x1 7
=
3 6 x2 24
no son consistentes. Una evidencia de esto se observa escribiendo las ecuaciones explı́citamente
x1 + 2x2 =7
3x1 + 6x2 =24
multiplicando por tres la primera ecuación se tiene que 3x1 + 6x2 = 21 que no puede ser cierto si la segunda
lo es, estas ecuaciones se dicen inconsistentes.
Un método para determinar si un sistema de ecuaciones lineales es inconsistente, consiste en comparar el
rango de A con el rango de la matriz aumentada [A|y]. Las ecuaciones Ax = y son consistentes si y solo si
r(A) = r([A|y])
La importancia del concepto de consistencia radica en que un sistema de ecuaciones lineales tiene solución
si y solo si las ecuaciones son consistentes.
Ya que sólo las ecuaciones consistentes pueden ser solucionadas, la discusión de un procedimiento para resolver
ecuaciones lineales se limita a ecuaciones que son consistentes.

Página 3 Mario A. Morales R. mamorales@correo.unicordoba.edu.co

 Inversas generalizadas y sol de sist de ecuaciones lineales con R

3.2. Obteniendo soluciones

El enlace entre una inversa generalizada de la matriz A y las ecuaciones consistentes Ax = y se muestra en
el siguiente teorema (véase la demostración de este teorema y los subsiguientes en Searle1971 ).

Teorema 3.1 Las ecuaciones consistentes Ax = y tienen una solución x = Gy si y sólo si AGA = A

El teorema 3.1 indica como se puede obtener una solución a un sistema de ecuaciones consistentes: halle una
matriz G que satisfaga AGA = A, esto es, halle G como cualquier inversa generalizada de A y entonces
Gy es una solución. Sin embargo como el teorema 3.2 muestra, Gy no es la única solución; hay, en efecto,
muchas soluciones siempre que A sea distinta a una matriz cuadrada no singular.

Teorema 3.2 Si A tiene q columnas y si G es una inversa generalizada de A entonces las ecuaciones
consistentes Ax = y tienen solución
e = Gy + (GA − I)z
x (3)
donde z es cualquier vector de orden q

Ejemplo 3.1 Considere el sistema de ecuaciones lineales

    
7 3 2 2 x1 553
3 3 0 0 x2  219
2 0 2 0 x3  = 156 . (4)
    

2 0 0 2 x4 178
El lector puede verificar que una inversa generalizada para la matriz A del sistema es
 1
− 12 − 21 0

2
 −1 5 1
0 
G= 2 6 2 .
 −1 1
1 0 
2 2
0 0 0 0

El conjunto solución, según la ecuación (3) es:

     
89 
 1 0 0 1 
 z1
 −16   0 1 0 −1  − I z2 
 
x
e= + 
 −11  
 0 0 1 −1  

z3 
0 0 0 0 0 z4
 
    
89 0 0 0 1 z1
 −16   0 0 0 −1  z2 
= −11  +  0
   
0 0 −1  z3 
0 0 0 0 −1 z4
 
89 + z4
 −16 − z4 
= −11 − z4 
 (5)
−z4
donde z4 es un numero real cualquiera, si tomamos z4 = 0 entonces se obtiene la solución
e 01 = 89 −16 −11 0
 
x (6)

y si z4 = −1 se tiene otra solución

e 02 = 88 −15 −10
 
x 1 (7)
La matriz G usada previamente no es la única inversa generalizada de A, otra es
 
0 0 0 0
 0 1 0 0 
Ġ =  3  (8)
 0 0 1 0 
2
0 0 0 12

Página 4 Mario A. Morales R. mamorales@correo.unicordoba.edu.co

 Inversas generalizadas y sol de sist de ecuaciones lineales con R

con lo que la ecuación (3) viene a ser

     
0  0
 0 0 0 
 z1
 73   1 1 0 0 
 − I z2 
 
e˙ = 
x  78  +  1
 
 0 1 0  

z3 
89 1 0 0 1 z4
 
    
0 −1 0 0 0 z1
 73   1 0 0 0  z2 
= 78  +  1
   
0 0 0  z3 
89 1 0 0 0 z4
 
−z1
 73 + z1 
= 
 78 + z1 
89 + z1

si hacemos z1 = 0 obtenemos
e 03 = 0
 
x 73 78 89 (9)

4. Cálculos con R
Se ingresan las matrices A, G1 y G2 del ejemplo 1.1 y se verifica que efectivamente AGi A = A

A<-matrix(c( 2 , 3,1,-1 ,
5, 8 ,0 ,1 ,
1 , 2 ,-2 ,3),nrow=3,byrow=T )

G1<-matrix(c(0,0,0 ,
0,0,0 ,
1,1,0 ,
0,1,0),nrow=4,byrow=T)

G2<-matrix(c(0,1,-4 ,
0,-1/2,5/2 ,
0,0,0 ,
0,0,0) ,nrow=4,byrow=T)

A%*%G1%*%A-A # el resuldato debe ser cero

A%*%G2%*%A-A # el resuldato debe ser cero

Se ingresan las matrices P y Q del ejemplo 1.2, se verifica que efectivamente P AQ = ∆ y A = P −1 ∆Q−1
P<-matrix( c(0,0,1 ,
0,-1/2,5/2 ,
1,-1/2,1/2),nrow=3,byrow=T )

Q<-matrix(c( 1,-2,-8 ,11,

0,1,5,-7 ,
0,0,1,0,
0,0,0,1),nrow=4,byrow=T)
Delta<-P%*%A%*%Q
solve(P)%*%Delta%*%solve(Q)
Se calcula una inversa generalizada de A tal como se hace en el ejemplo 2.1

Página 5 Mario A. Morales R. mamorales@correo.unicordoba.edu.co

 Inversas generalizadas y sol de sist de ecuaciones lineales con R

# rango de A
qr(A)$rank
# Menor no singular
M<-A[1:2,3:4]
# transpuesta de la inversa del menor
Mi<-t(solve(M))
# matriz de ceros del mismo tama~
no de A
A0<-matrix(0,nrow=nrow(A),ncol=ncol(A))
A0[1:2,3:4]<-Mi
G<-t(A0) # la inversa generalizada de A
Con el siguiente código se desarrolla el ejemplo 3.1.
A<-matrix(c(7,3,2,2,
3,3,0,0,
2,0,2,0,
2,0,0,2),nrow=4,byrow=T)
y<-matrix(c(553,219,156,178))
G<-diag(c(0,1/3,1/2,1/2))
# una solución
G%*%y
# identica de orden 4
I<-diag(1,4,4)
G%*%A-I
si se multiplica este último resultado por un vector z arbitrario y se le suma Gy se tienen las soluciones que
quiera.

5. Ejercicios
1. Hallar una inversa generalizada de las siguientes matrices A y B, aplicando el algoritmo descrito en la
sección 2.  
  1 2 3 −1
2 3 1 −7  4 5 6 2 
A= 5 8 0 1  yB= 
 7 8 10 7 
1 2 −2 3
2 1 1 6

2. Verifique que  
1 −10 16 −4
G=
18 8 −11 5
es una inversa generalizada para la matriz
 
1 2
A = 3 3
5 7

3. Verifique que
1 2 4
 
− 10 − 10 9
1
G= 0 0 9

1 2
10 10 − 29
es una inversa generalizada de la matriz
 
1 2 3
A = 2 4 6
3 3 3

Página 6 Mario A. Morales R. mamorales@correo.unicordoba.edu.co

 Inversas generalizadas y sol de sist de ecuaciones lineales con R

4. Use la inversa generalizada del ejercicio 3para obtener

0 una solución a las ecuaciones Ax = y, donde A
es la definida en el mismo ejercicio y y = 6 12 9
5. Para A y B del ejercicio 1, halle una solución general para
 
  14
−1  23 
Ax =  −13  y para Bx =  
 32 
−11
−5
 
4 1 2 0
6. Hallar una inversa generalizada para las matrices A1 = 1 1 5 15
3 1 3 5
     
2 2 6 1 2 3 2 2 3 5 1
A2 = 2 3 8  A3 = 3 7 11 4 A4 = 5 8 13 3
6 8 22 4 9 14 6 1 2 3 1
7. Sea  
1 1 0 0
1 1 0 0
 
1 1 0 0
 
1 0 1 0
 
1
X= 0 1 0
1 0 1 0
 
1 0 0 1
 
1 0 0 1
1 0 0 1

a. Halle X 0 X.
b. Halle una inversa generalizada de X 0 X
 0
8. Sea Y = 8 10 7 6 9 8 7 8 9 , para la matriz X del ejercicio anterior, hallar una solu-
ción general al sistema X 0 Xb0 = X 0 Y

Página 7 Mario A. Morales R. mamorales@correo.unicordoba.edu.co