Resumen Técnico: Inversión del Operador Compuesto Multiplicativo

Enunciado del Problema

El artículo aborda el problema inverso del operador compuesto multiplicativo de orden $k$. Dada una matriz $M \in \mathbb{R}^{\binom{n}{k} \times \binom{m}{k}}$, el objetivo es determinar si existe una matriz $A \in \mathbb{R}^{n \times m}$ tal que $M = C_k(A)$, donde $C_k(A)$ denota el compuesto multiplicativo de orden $k$ de $A$. Si dicha matriz existe (es decir, si $M$ es "descomponible-compuesta"), el artículo busca caracterizar el conjunto de todas tales pre-imágenes $A$ y proporcionar un algoritmo constructivo para recuperarlas.

Los autores señalan que, si bien las matrices compuestas están bien estudiadas en álgebra lineal, sistemas dinámicos y teoría de control (citando trabajos de Schwarz, Li, Muldowney y otros), el problema inverso específico de recuperar $A$ a partir de $C_k(A)$ no había sido considerado previamente.

Metodología y Algoritmo

La solución propuesta se basa en la Descomposición en Valores Singulares (SVD) y las propiedades del álgebra exterior. La metodología procede bajo la suposición de que los valores singulares no nulos de la matriz de entrada $M$ son distintos (una condición que puede asegurarse mediante un paso de preprocesamiento genérico que involucra una transformación invertible).

El algoritmo central descompone el proceso de recuperación en cuatro pasos principales:

1. Descomposición de Cuña (Recuperación de Vectores Singulares):
   El algoritmo trata las columnas de las matrices de vectores singulares izquierdo ($L$) y derecho ($R$) de $M$ como vectores descomponibles en la $k$-ésima potencia exterior. Utilizando la propiedad de que un vector descomponible $z = u_1 \wedge \dots \wedge u_k$ define unívocamente el subespacio $\text{span}\{u_1, \dots, u_k\}$, los autores construyen "matrices de cuña" $M_z$ cuyos núcleos corresponden a estos subespacios. Al calcular los núcleos de estas matrices y encontrar sus intersecciones pares unidimensionales, el algoritmo recupera los vectores singulares individuales de $A$ (salvo un signo). Este paso se formaliza en el Teorema 2 y el Algoritmo 1.

2. Ordenamiento de Valores Singulares:
   Dado que los valores singulares de $M$ (entradas diagonales de $S$ en $M=LSR^\top$) no necesariamente están ordenados de la misma manera que los valores singulares compuestos de $A$, el algoritmo utiliza los vectores singulares recuperados $\hat{V}$ para calcular $C_k(\hat{\Sigma})$. Esto permite reordenar las entradas diagonales de $S$ para que coincidan con el orden lexicográfico de los valores singulares compuestos.

3. Restauración de la Consistencia de Signos:
   El paso de descomposición de cuña recupera los vectores singulares hasta un signo arbitrario. Dado que los signos de los vectores singulares izquierdo y derecho deben ser consistentes para reconstruir $A$, se emplea el Algoritmo 2. Este explota la propiedad multiplicativa del operador compuesto para alinear los signos de los vectores singulares izquierdo y derecho recuperados, asegurando que $C_k(\hat{V})$ y $C_k(\hat{W})$ coincidan con los signos de $L$ y $R$, respectivamente.

4. Recuperación de Valores Singulares:
   Una vez establecidos los vectores singulares y los valores singulares compuestos ordenados, los valores singulares originales de $A$ se recuperan resolviendo un sistema lineal. La relación entre los valores singulares de $A$ ($\sigma_i$) y las entradas diagonales de $C_k(\Sigma)$ es multiplicativa ($\prod \sigma_i$). Tomar logaritmos transforma esto en un sistema lineal $y = Lx$, donde $x = \log(\sigma)$, el cual se resuelve de manera única como se muestra en el Lema 8.

Contribuciones y Resultados Clave

1. Caracterización de la Unicidad

El artículo proporciona una caracterización completa del conjunto de pre-imágenes basada en el rango de $M$:

• Caso $\text{rango}(M) \le 1$: Si $k > \text{rango}(A)$, entonces $C_k(A) = 0$. Si $k = \text{rango}(A)$ y $\text{rango}(M)=1$, existen infinitas matrices $A$ tales que $C_k(A) = M$. Específicamente, si $A = UV^\top$ es una factorización que revela el rango, cualquier matriz $B = UTV^\top$ con $\det(T)=1$ produce el mismo compuesto.
• Caso $\text{rango}(M) > 1$: Si $k < \text{rango}(A)$, la pre-imagen es única salvo un signo global. Es decir, si $C_k(A) = C_k(B)$, entonces $A = B$ (si $k$ es impar) o $A = \pm B$ (si $k$ es par).

2. Algoritmo Constructivo y Complejidad

Los autores presentan un algoritmo de tiempo polinomial para recuperar la matriz $A$. La complejidad temporal se analiza en el Teorema 1:

• Para $k < \lceil \text{rango}(A)/2 \rceil$, la complejidad es $O(\max_{p \in \{m,n\}} [\binom{p}{k}^3 + \binom{p}{k}^2 \binom{r}{k}])$.
• Para valores mayores de $k$, la complejidad involucra un factor logarítmico adicional relacionado con la intersección iterativa de subespacios.
• El algoritmo está implementado en MATLAB y está disponible públicamente.

3. Casos Especiales

El artículo nota una solución en forma cerrada para el caso específico donde $k = n-1$ y $M$ es invertible, derivada utilizando propiedades de la matriz adjunta y el teorema de Sylvester-Franke (Corolario 1). Sin embargo, para $n, m, k$ generales, el algoritmo constructivo es la contribución principal.

Significado y Afirmaciones

El artículo afirma resolver un problema inverso fundamental en álgebra lineal que no había sido abordado previamente. Su importancia radica en:

• Completitud Teórica: Establece condiciones necesarias y suficientes para la existencia de un compuesto inverso y caracteriza completamente el conjunto de soluciones (único vs. infinito).
• Viabilidad Computacional: Proporciona un algoritmo determinista de tiempo polinomial para recuperar la matriz, avanzando más allá de la existencia teórica hacia el cálculo práctico.
• Fundamento para Aplicaciones: Los autores posicionan este trabajo como un prerrequisito para aplicaciones en sistemas dinámicos y teoría de control. Específicamente, señalan que determinar si un sistema puede transformarse en un sistema "$k$-positivo" (donde el $k$-ésimo compuesto tiene signos uniformes) requiere la capacidad de realizar una matriz dada como un compuesto. Esta capacidad inversa permite a los investigadores verificar si existe dicha transformación de coordenadas y construirla.

Los autores permanecen modestos respecto al trabajo futuro, afirmando explícitamente que la cuestión de si una matriz arbitraria dada es descomponible-compuesta sigue siendo un problema abierto, y que encontrar las mejores aproximaciones para matrices no descomponibles es una dirección para futuras investigaciones.