Cociente de Rayleigh

En matemáticas, el cociente de Rayleigh ( /ˈreɪ.li/) para una matriz hermítica M y un vector x no nulo se define como R(M,x)=x∗Mxx∗x.

Para matrices y vectores reales, la condición de ser hermítica se reduce a ser simétrica, y el conjugado transpuesto x∗ al transpuesto habitual x′. Observamos que R(M,cx)=R(M,x) para cualquier escalar c distinto de 0. Recordamos que una matriz hermítica es diagonalizable y sus autovalores son todos reales. Puede probarse que, para una matriz dada, el cociente de Rayleigh alcanza su valor mínimo λmin (el menor autovalor de M) cuando x es vmin (el autovector correspondiente a λmin). Similarmente, R(M,x)≤λmax, y R(M,vmax)=λmax.

El cociente de Rayleigh se usa en el teorema min max para obtener los valores exactos de todos los autovalores. También se usa en algoritmos de autovalores (como el de iteraciones del cociente de Rayleigh) para obtener la aproximación de un autovalor a partir de la aproximación de un autovector.

El rango del cociente de Rayleigh (para cualquier matriz, no necesariamente hermítica) es un campo de valores (Wertvorrat) y contiene su espectro. Cuando la matriz es hermítica, el radio numérico es igual a la norma espectral. En análisis funcional, λmax se conoce por radio espectral. En el contexto de C∗-álgebras o mecánica cuántica algebraica, a la función que asocia a M el cociente de Rayleigh–Ritz R(M,x) para x fijo y M que varía a través del álgebra se refiere como estado vectorial del álgebra.

En mecánica cuántica, el cociente de Rayleigh proporciona el valor esperado del observable correspondiente al operador M para un sistema cuyo estado viene dado por el vector x.

Si fijamos la matriz compleja M, entonces el mapeo resultante del cociente de Rayleigh (considerado como función de x) determina completamente M mediante la identidad de polarización; de hecho, esto es así incluso si permitimos que M no sea hermítica. Sin embargo, si restringimos los escalares a los números reales, entonces el cociente de Rayleigh sólo determina la parte simétrica de M.

Límites de M hermítica

Para cada vector x, se tiene que R(M,x)∈[λmin,λmax], donde λmin,λmax son los autovalores más pequeño y más grande de M, respectivamente (este resultado se conoce como el principio de Rayleigh–Ritz). Es inmediato al observar que el cociente de Rayleigh es una media ponderada de los autovalores de M: R(M,x)=x∗Mxx∗x=∑i=1nλiyi2∑i=1nyi2, donde (λi,vi) es el i-ésimo par de autovalor y autovector tras la ortonormalización, e yi=vi∗x es la i-ésima coordenada de x en la base de autovectores. Es entonces fácil verificar que los límites se alcanzan en los autovectores correspondientes vmin,vmax.

El hecho de que el cociente sea una media ponderada de los autovalores puede usarse para identificar el segundo, tercer, ... autovalor más granded. Sean λmax=λ1≥λ2≥⋯≥λn=λmin los autovalores en orden decreciente. Si n=2 y x se restringe a ser ortogonal con v1, en cuyo caso y1=v1∗x=0, entonces R(M,x) tiene valor máximo λ2, y se alcanza cuando x=v2.

Caso especial de la matriz de covarianzas

Una matriz de covarianzas muestral M puede escribirse como el producto A′A de la matriz de datos normalizada A pre-multiplicada por su transpuesta A′. Siendo una matriz semidefinida positiva, M tiene autovalores no negativos y autovectores ortogonales (o ortogonalizables), lo que puede demostrarse como sigue.

Primero veamos que los autovalores λi son no negativos: Mvi=A′Avi=λivi⇒vi′A′Avi=vi′λivi⇒‖Avi‖2=λi‖vi‖2⇒λi=‖Avi‖2‖vi‖2≥0.

Segundo, que los autovectores vi son ortogonales dos a dos: Mvi=λivi⇒vj′Mvi=vj′λivi⇒(Mvj)′vi=λjvj′vi⇒λjvj′vi=λivj′vi⇒(λj−λi)vj′vi=0⇒vj′vi=0 si todos los autovalores son distintos – en caso de multiplicidad, la base puede ser ortogonalizada.

Ahora, para establecer que el cociente de Rayleigh tiene su máximo con el autovector correspondiente al autovalor más grande, consideremos descomponer un vector x arbitrario en la base de autovectores vi: x=∑i=1nαivi, donde αi=x′vivi′vi=⟨x,vi⟩‖vi‖2 es la coordenada de x proyectada ortogonalmente sobre vi. De este modo, tenemos R(M,x)=x′A′Axx′x=(∑j=1nαjvj)′(A′A)(∑i=1nαivi)(∑j=1nαjvj)′(∑i=1nαivi)=(∑j=1nαjvj)′(∑i=1nαi(A′A)vi)(∑i=1nαi2vi′vi)=(∑j=1nαjvj)′(∑i=1nαiλivi)(∑i=1nαi2‖vi‖2), lo cual, teniendo en cuenta la ortonormalidad de los autovalores se reduce a R(M,x)=∑i=1nαi2λi∑i=1nαi2=∑i=1nλi(x′vi)2(x′x)(vi′vi)2=∑i=1nλi(x′vi)2(x′x). Ésto último establece que el cociente de Rayleigh es la suma de los cuadrados de los cosenos de los ángulos formados por el vector x y cada autovalor vi, ponderados por los autovalores correspondientes.

Si un vector x maximiza R(M,x), todo múltiplo por un escalar no nulo kx también maximiza R, luego el problema puede reducirse a uno de Lagrange, es decir, maximizar ∑i=1nαi2λi bajo la restricción ∑i=1nαi2=1.

Definamos βi=αi2. Obtenemos así una programación lineal, que siempre alcanza su máximo en uno de los vértices de su dominio. Un máximo tendrá α1=±1 y αi=0 para todo i>1 (cuando los autovalores estén ordenados por magnitud decreciente).

Así, el cociente de Rayleigh es maximizado por el autovector correspondiente al mayor autovalor.

Formulación usando multiplicadores de Lagrange

Alternativamente, podemos llegar a este mismo resultado por el método de los multiplicadores de Lagrange. Primero, mostramos que el cociente es invariante bajo cambios de escala x→cx, donde c es un escalar R(M,cx)=(cx)∗Mcx(cx)∗cx=c∗cc∗cx∗Mxx∗x=R(M,x).

Así, será suficiente estudiar el caso especial ‖x‖2=x𝖳x=1. El problema es entonces hallar los puntos críticos de la función R(M,x)=x𝖳Mx, sujetos a la restricción ‖x‖2=x𝖳x=1. En otras palabras, debemos hallar los puntos críticos de ℒ(x)=x𝖳Mx−λ(x𝖳x−1), donde λ es un multiplicador de Lagrange. Los puntos estacionarios de ℒ(x) se dan cuando dℒ(x)dx=0⇒2x𝖳M−2λx𝖳=0⇒2Mx−2λx=0 (transponiendo a ambos lados y notando que M es hermítica)⇒Mx=λx, thus R(M,x)=x𝖳Mxx𝖳x=λx𝖳xx𝖳x=λ.

Por tanto, los autovectores x1,…,xn de M son los puntos críticos del cociente de Rayleigh, y sus autovalores correspondientes λ1,…,λn son los valores estacionarios de ℒ. Esta propiedad es la base para el análisis de componentes principales y el análisis de la correlación canónica.

Uso en la teoría de Sturm–Liouville

La teoría de Sturm-Liouville estudia la acción del operador L(y)=1w(x)(−ddx[p(x)dydx]+q(x)y) en el espacio con producto interno definido por ⟨y1,y2⟩=∫abw(x)y1(x)y2(x)dx de funciones que satisfacen unas condiciones de contorno dadas en a y en b. En ese caso, el cociente de Rayleigh es ⟨y,Ly⟩⟨y,y⟩=∫aby(x)(−ddx[p(x)dydx]+q(x)y(x))dx∫abw(x)y(x)2dx.

A veces se presenta en su forma equivalente, obtenida separando la integral del numerador y aplicando integración por partes: ⟨y,Ly⟩⟨y,y⟩={∫aby(x)(−ddx[p(x)y′(x)])dx}+{∫abq(x)y(x)2dx}∫abw(x)y(x)2dx={−y(x)[p(x)y′(x)]|ab}+{∫aby′(x)[p(x)y′(x)]dx}+{∫abq(x)y(x)2dx}∫abw(x)y(x)2dx={−p(x)y(x)y′(x)|ab}+{∫ab[p(x)y′(x)2+q(x)y(x)2]dx}∫abw(x)y(x)2dx.

Generalizaciones

  1. Para un par de matrices (A, B) dado, y un vector no nulo x, el cociente de Rayleigh generalizado se define como R(A,B;x):=x∗Axx∗Bx. Éste puede reducirse al cociente de Rayleigh R(D,C∗x) mediante la transformación D=C−1AC∗−1, donde CC∗ es la descomposición de Cholesky de la matriz hermítica definida positiva B.
  2. Para un par dado (x, y) de vectores no nulos, y una matriz hermítica H, el cociente de Rayleigh generalizado o a veces el cociente de Rayleigh bilateral puede definirse como[cita requerida] R(H;x,y):=y∗Hxy∗y⋅x∗x o R(H;x,y):=y∗Hxy∗x, donde ambos coinciden con R(H, x) cuando x = y. En mecánica cuántica, esta cantidad se conoce como "elemento de matriz" o "amplitud de transición".