Inversión generalizada

Una situación interesante ocurre en este ejemplo si únicamente consideramos las

primeras 4 trayectorias (1-4) de los rayos telesísmicos mostrados. El problema de
inversión consiste en encontrar los cuatro elementos de la perturbación en la
lentitud del modelo inicial. Es decir, encontrar los cuatro elementos de m a partir de
la ecuación matricial:

(10)

Multiplicando por la izquierda ambos lados de la ecuación:

GT G m = GT d

La idea siguiente sería repetir el proceso anterior y obtener m multiplicando por la

matriz inversa de (GT G).

Sin embargo, el determinante de (GT G) resulta ser cero, por lo cual, no es posible
obtener (GT G)-1 . A pesar de que el sistema cuenta con cuatro ecuaciones y 4
incógnitas, no tiene una solución única. Esto sucede porque los renglones de G no
son linealmente independientes. De esta manera, la geometría del rayo no es
adecuada para resolver completamente las perturbaciones en la lentitud en los
cuatro bloques.

Debido a que este problema ocurre frecuentemente al momento de intentar resolver

los problemas de inversión, se han desarrollado otros métodos. A continuación se
resumen las ideas principales sin demostración que le dan sustento al tratamiento
completo de este problema.
El caso más general es cuando G describe una matriz de n  r , al realizar la
multiplicación matricial (GT G) obtenemos una matriz r  r simétrica que puede
descomponerse utilizando sus eigenvectores y eigenvalores :

(GT G) = (V Λ V)T

Donde las columnas de la matriz (V) son los r eigenvectores de (GT G):

(11)

Λ es una matriz diagonal con los eigenvalores en la diagonal y ceros en cualquier

otra posición dentro de la matriz.

(12)

Debido a que los eigenvectores son ortogonales, podemos escribir que:

V VT = VT V = I, entonces VT = V-1

Si (GT G) tiene inversa, se debe cumplir que:

(GT G)-1 = (V Λ VT)-1 = V Λ-1 VT

en donde Λ-1 es:

(13)
Esta expresión muestra que (GT G) es una matriz singular (cuyo determinante es
cero y por lo tanto no tiene inversa) si al menos un eigenvalor es cero. En este caso,
los p eigenvalores diferentes de cero son utilizados para formar una matriz diagonal
cuadrada p  p

(14)

Y los eigenvectores asociados son divididos en dos matrices:

(15)

Vp es una matriz de r  p de los eigenvectores con eigenvalores diferentes de cero.

V0 es una matriz de r  (r-p) de los eigenvectores con eigenvalores iguales a cero.

De manera similar es posible descomponer a la matriz (G GT) de n  n elementos,

utilizando su matriz de eigenvectores U :

G GT = U Λ UT

G GT es una matriz con p eigenvalores diferentes de cero, al igual que GT G, de

manera que la matriz U puede dividirse en una matriz Up de n  p elementos de los
eigenvectores con eigenvalores cero. Aunque no lo probaremos aquí, es posible
descomponer G utilizando únicamente los eigenvectores con eigenvalores diferentes
de cero como:

G = U Λ VT = Up Λp VpT

Esta descomposición se conoce como “Descomposicón de Lanczos” y es importante

porque una inversión generalizada

G-p = Vp Λp-1 UpT

que involucre sólo los eigenvectores con eigenvalores diferentes de cero brinda la
solución óptima para el problema de inversión. Esta solución provee el mejor ajuste
a los datos mientras minimiza m , el cambio desde el modelo inicial. Esta es una
característica deseable, por ejemplo, en el problema tomográfico, se comienza con
un modelo lateralmente homogéneo, de manera que la mejor solución es aquella
consistente con los datos que tiene la menor variación en la velocidad lateral .