11 votos

¿Cómo generar matrices ortogonales uniformemente aleatorias de determinante positivo?

Probablemente tengo una pregunta tonta sobre la cual, debo confesar, estoy confundido. Imagine la generación repetida de una matriz ortogonal (orthonormal) aleatoria distribuida uniformemente de algún tamaño $p$ . A veces la matriz generada tiene determinantes $1$ y a veces tiene determinantes $-1$ . (Sólo hay dos valores posibles. Desde el punto de vista de la rotación ortogonal $ \det =-1$ significa que también hay un reflejo adicional además de la rotación).

Podemos cambiar el signo de $ \det $ de una matriz ortogonal de menos a más cambiando el signo de cualquier uno (o, más en general, cualquier número impar de) columna de ella.

Mi pregunta es: dado que generamos tales matrices aleatorias repetidamente. introducir algunos prejuicios en su naturaleza aleatoria uniforme si cada vez elegimos revertir el signo de sólo una columna específica (digamos, siempre la primera o siempre la última)? ¿O deberíamos tienen para elegir la columna de forma aleatoria para que las matrices representen una colección aleatoria distribuida uniformemente?

8voto

jldugger Puntos 7490

La elección de la columna no importa: la distribución resultante en las matrices ortogonales especiales, $SO(n)$ sigue siendo uniforme.

Explicaré esto utilizando un argumento que se extiende, de manera obvia, a muchas cuestiones relacionadas con la generación uniforme de elementos de grupos. Cada paso de este argumento es trivial, y no requiere más que la referencia a definiciones adecuadas o a un simple cálculo (como observar que la matriz $ \mathbb {I}_1$ es ortogonal y autoinverso).

El argumento es una generalización de una situación familiar. Considere la tarea de dibujar positivo números reales según una distribución continua especificada $F$ . Esto se puede hacer dibujando cualquier número real de una distribución continua $G$ y negando el resultado, si es necesario, para garantizar un valor positivo (casi seguro). Para que este proceso tenga la distribución $F$ , $G$ debe tener la propiedad que

$$G(x) - G(-x) = F(x).$$

La forma más simple de lograr esto es cuando $G$ es simétrica en torno a $0$ para que $G(x) - 1/2 = 1/2 - G(-x)$ que implica $F(x) = 2G(x) - 1$ : todas las densidades de probabilidad positivas simplemente se duplican y todos los resultados negativos se eliminan. La relación familiar entre la distribución seminormal ( $F$ ) y la distribución normal ( $G$ ) es de este tipo.

En lo siguiente, el grupo $O(n)$ juega el papel de los números reales no cero (considerados como un multiplicador grupo) y su subgrupo $SO(n)$ juega el papel de los números reales positivos $ \mathbb {R}_{+}$ . La medida Haar $dx/x$ es invariable bajo negación, así que cuando se "dobla" de $ \mathbb {R}-\{0\}$ a $ \mathbb {R}_{+}$ la distribución de los valores positivos no cambia. (Esta medida, desafortunadamente, no puede ser normalizada a una medida de probabilidad, pero es la única forma en que se rompe la analogía).

Negar una columna específica de una matriz ortogonal (cuando su determinante es negativo) es el análogo de negar un número real negativo para doblarlo en el subgrupo positivo. En general, se podría elegir de antemano cualquier matriz ortogonal $ \mathbb {J}$ de determinante negativo y utilizarlo en lugar de $ \mathbb {I}_1$ los resultados serían los mismos.


Aunque la pregunta está redactada en términos de generación de variables aleatorias, en realidad pregunta sobre las distribuciones de probabilidad en los grupos de la matriz $O(n, \mathbb {R}) = O(n)$ y $SO(n, \mathbb {R}) = SO(n)$ . La conexión entre estos grupos se describe en términos de la matriz ortogonal

$$ \mathbb {I}_1 = \pmatrix {-1 & 0 & 0 & \ldots & 0 \\ 0 & 1 & 0 & \ldots & 0 \\ \vdots & \vdots & \vdots & \ldots & 0 \\ 0 & 0 & 0 & \ldots & 1}$$

porque negar la primera columna de una matriz ortogonal $ \mathbb X$ significa multiplicar correctamente $ \mathbb {X}$ por $ \mathbb {I}_1$ . Fíjese que $SO(n) \subset O(n)$ y $O(n)$ es la unión desarticulada

$$O(n) = SO(n) \cup SO(n)\, \mathbb {I}_1^{-1}.$$

Dado un espacio de probabilidad $(O(n), \mathfrak {S}, \mathbb {P})$ definido en $O(n)$ el proceso descrito en la pregunta define un mapa

$$f:O(n) \to SO(n)$$

al establecer

$$f( \mathbb {X}) = \mathbb {X}$$

cuando $ \mathbb {X} \in SO(n)$ y

$$f( \mathbb {X}) = \mathbb {X} \mathbb {I}_1$$

para $ \mathbb {X} \in SO(n)\,{ \mathbb {I}_1}^{-1}$ .

La pregunta se refiere a la generación de elementos aleatorios en $SO(n)$ mediante la obtención de elementos aleatorios $ \omega\in O(n)$ es decir, "empujándolos hacia adelante" a través de $f$ para producir $f_{*} \omega = f( \omega ) \in SO(n)$ . El avance crea un espacio de probabilidad $(SO(n), \mathfrak {S}^ \prime , \mathbb {P}^ \prime )$ con

$$ \mathfrak {S}^ \prime = f_{*} \mathfrak {S} = \{f(E)\,|\,E \subset\mathfrak {S}\} $$

y

$$ \mathbb {P}^ \prime (E) = (f_{*} \mathbb {P})(E) = \mathbb {P}(f^{-1}(E)) = \mathbb {P}(E \cup E\, \mathbb {I}_1)$$

para todos $E \subset \mathfrak {S}^ \prime $ .

Suponiendo que la multiplicación correcta por $ \mathbb {I}_1$ es de conservación de medidas, y observando que en cualquier caso $E \cap E\, \mathbb {I}_1 = \emptyset $ se desprendería inmediatamente de que para todos $E \in\mathfrak {S}^ \prime $ ,

$$ \mathbb {P}^ \prime (E) = \mathbb {P}(E \cup E\, \mathbb {I}_1^{-1}) = \mathbb {P}(E) + \mathbb {P}(E\, \mathbb {I}_1^{-1}) = 2 \mathbb {P}(E).$$

En particular, cuando $ \mathbb {P}$ es invariable bajo la multiplicación de derechos en $O(n)$ (que es lo que típicamente significa "uniforme"), el hecho obvio de que $ \mathbb {I}_1$ y su inverso (que pasa a ser igual $ \mathbb {I}_1$ son ambos medios ortogonales que lo anterior sostiene, demostrando que $ \mathbb {P}^ \prime $ es uniforme, también. Así, no es necesario seleccionar una columna al azar para la negación.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X