矩阵论 第三章 矩阵的广义逆与线性方程组

简介:

广义逆主要是为了把逆计算推广到奇异矩阵和非方阵. 广义逆矩阵是Moore首先明确提出来, 凭借他天才的几何直觉,利用正交投影算子来定义广义逆,但由于这类定义较为抽象而且不能进行有效运作,所以在之后的30年并未引起人们的注意.直到1955年,Penrose以更直接明确的代数形式给出了Moore广义逆矩阵的定义,他用四个方程再次定义了广义逆,并证明了A+的唯一性,还建立了A(1)与线性方程组Ax=b的解的联系,从那时起广义逆的研究开始蓬勃发展.


1. 广义逆介绍

定义: m x n的矩阵A∈C, 若n x m的矩阵X∈C 满足四个Moore-Penrose方程: (1) AXA=A; (2) XAX=X; (3) (AX)^H = AX; (4) (XA)^H = XA; 中的一个或者多个,则称X为A的广义逆矩阵. 

由此可见A的广义逆一共有15类. 如果矩阵G满足第i个方程,则记为 G=A(i) , 如果满足多个,则记为 G=A(i,j,k) . 如果G满足全部四个方程,记为 G = A+

满足第i类方程的集合记为 A{i}, 相应满足多类则记为 A{i,j} . 其中A{1} 叫做减号逆, 记为 A- , 而 A+ 叫做加号逆或者伪逆.


2. 加号逆介绍

A+ 的存在是唯一的. 当A可逆,A的逆就是加号逆. 下面构造性证明其存在性:

对A进行奇异值分解, 得到 A = V S U^H ,可以想象一下加号逆G要怎么构造. 令G = U S^-1 V^H (其中S^-1是把Sr取逆,其余零不变) , 那么可以验证G满足四个方程.

唯一性证明则是 设X,Y都是A的加号逆, 由 X 反复利用四个公式转换成 Y. 思路是两个A 和一个X可以变成一个A,这样就少了一个X, 转换几次就OK了. 过程如下:

 X = XAX  = X (AX)^H = X X^H A^H = X X^H (AYA)^H = X X^H A^H Y^H A^H = X X^H A^H (AY)^H = X X^H A^H A Y =  X (A X A) Y = X A Y = X A (Y A Y)=X A (Y A) Y = X A A^H Y^H Y = (X A) A^H Y^H Y = A^H X^H A^H Y^H Y = (AXA)^H Y^H Y = YAY = Y.

A+  满足以下定理:

  1. (A+)+= A; 
  2. (AH)+= (A+)(把H换成T也一样); 
  3. (AHA)+  = A+(AH)+ , (AAH)+ = (AH)+ A+ ;
  4. 一般 (AB)+ ≠  B+A+  ;
  5. 一般 AA+ ≠ A+A ≠ I ;
  6. A+ 与A 的秩相同 ;
  7. A+ = (AHA)+AH = AH(AAH)+  ;
  8. A+ 和 AH 的象空间相同.

3. A+的几种基本求法

一. 满秩分解求:

A满秩分解为: A=FG,则有: A+=GH (GGH)-1 (FHF)-1 FH . 代入即可证明. 中间的两个逆可以合成一个逆来求,不过两个分开求比较简单.

推论: 

- 当A列满秩, A+ = (AHA)-1AH  ; 当A行满秩, A+ = AH(AAH)-1 . 因为F或G中令一个为I另一个为A即可证.

二. 奇异值分解求:

这个在证明加号逆存在性的时候就说明过了. 根据奇异值分解的过程,求解 A+  可以化简为: 求出U1,Sr, 则 A+ = U1 Sr-1 U1H AH  .

秩1公式: 当A的秩为1, 则 A+= (1/Σ(aij)²) AH . 也就是 A的所有个元素的平方和的倒数 乘以A的共轭转置.

三. 用谱分解求:

将AHA谱分解, 有AHA = Σ(i=1,k)λiGi


4. 线性方程组

有了广义逆,对非齐次线性方程组 Ax=b 的求解就可以更广了. 如果存在x使方程组满足,则称方程组相容;否则称为不相容方程组.

相容方程组中, Frobenious范数(即由内积诱导的范数,对向量来说 ||x|| = (x,x)^1/2 )最小的解x0称为极小范数解,极小范数解唯一.

不相容方程组中, 取x0使 ||Ax0 – b|| = min ||Ax – b|| ,则称x0为最小二乘解.最小二乘解不唯一,而其中范数最小的一个称为极小范数最小二乘解,或极小最小二乘解.


下面先看相容性:

定理1(Penrose定理) 矩阵方程AXB=D相容的充要条件为 AA(1)DB(1)B=D ; 其通解为: X = A(1)DB(1) + Y – A(1)AYBB(1), 其中Y为任意满足行列数的矩阵.

推论1: 集合 A{1} = { A(1) + Z – A(1)AZAA(1) |Z为任意n x m矩阵} .证明只需取B=D=A, Y=A(1) + Z. 因为A+也属于A{1}, 所以可以把 A+ 代入求.

推论2: 方程组Ax=b相容的充要条件是A A(1) b=b, 通解为: X= A(1)b + ( I- A(1)A)y , y为任意n维列向量. 把 A(1) 换成 A+ 比较好,因为 A+b是不相容方程的极小最小二乘解. 而且此处可证当A列满秩,相容方程组Ax=b解唯一.用到加号逆的第七条特性.


定理2 设P,Q分别为m,n阶可逆阵, 使PAQ 为矩阵R: , 则A{1}={QRP}, R中除Ir外的元素任意.

P和Q的求法和当初写(A I)初等变换成(I A^-1) 的方法一样, 先把A写在左上角,A下面和右边添上I, 然后把A初等变换成Ir, 则此时左下的I变成Q, 右上的I变成P.

一般用不上,因为 A+ 更好求.

下面的就只记了结论,证明过程不详述了.

相容线性方程组的极小范数解:

引理1: A{1,4} = {X∈C | XA = A(1,4) A} = {X | XA = A+A}. 证明可以用定义和代入证.

定理3: A{1,4}的通式为: A{1,4} = { A(1,4) + Z(I – AA(1,4)) | Z为任意n x m矩阵}.

定理4: 对任意A{1,4} , A(1,4)b都是相容方程组Ax=b的极小范数解,且唯一. 也就是A{1,4}的选择不改变最后的解.

定理5: 如果一个X,对任意b, Xb都是Ax=b的极小范数解,则X∈A{1,4}.


不相容方程组的最小二乘解:

引理2:  A{1,3} = {X∈C | AX = AA(1,3) } = {X | AX = AA+}.

定理6: A{1,3}的通式为: A{1,3} = { A(1,3) + Z(I -A(1,3)A) | Z为任意n x m矩阵}.

定理7: 对任意A{1,3} , A(1,3)b都是不相容方程组Ax=b的最小二乘解. 最小二乘解一般不唯一, 当且仅当A列满秩时唯一. 

- 推论是当A列满秩,A{1,3}仅含A+,当A行满秩,A{1,4}仅含A+. 证明: (证明方法比较奇怪,不知道有没有更好的.)

1) 当A列满秩, 因为A+ ∈A{1,3},所以可以把A+ 代入通式,得到其最小二乘解为A+b.而A+ 是唯一的,所以最小二乘解唯一.

2) 再考虑A{1,3}, 上面证明了A列满秩时最小二乘解唯一,所以肯定有 I – A(1,3)A =0.  所以 I = A(1,3)A , 所以 A(1,3)满足所有四个条件,此时A{1,3}只包含A+.

定理8: x是不相容方程组Ax=b的最小二乘解 等价于 x是方程组 AA(1,3) =b的解.

定理9: 不相容方程Ax=b的最小二乘解的通式为: x = A(1,3) b + (I – A(1,3)A)y . 其中y为任意n维列向量.


极小最小二乘解:

引理: A+ =A(1,4)AA(1,3).

定理10:  x = A+b 是不相容方程组Ax=b的唯一极小最小二乘解. 反之, 若X对于任意b都有 Xb是Ax=b的极小最小二乘解,则X=A+.

目录
相关文章
|
12月前
|
人工智能 编解码 芯片
告别低效沟通|让技术提问不再头疼-这套高效AI提问模板来帮你
不会向ai提问,不知道怎么提问的 可以看看
21282 1
告别低效沟通|让技术提问不再头疼-这套高效AI提问模板来帮你
|
Linux 网络安全 开发工具
校外网络连接校园网内的linux服务器方法(使用frp实现内网穿透)
平常在校园里连接校内实验室的linux服务器可以直接使用ssh直接链接私有ip地址,一旦本地移动到了校园网外部(如:使用手机流量wifi,或着暑假回家使用家庭wifi)便无法在使用ssh连接校内的服务器。本文提供一个实现校外也能访问校内服务器的方法
7002 0
校外网络连接校园网内的linux服务器方法(使用frp实现内网穿透)
|
11月前
|
JSON 编解码 API
Go语言网络编程:使用 net/http 构建 RESTful API
本章介绍如何使用 Go 语言的 `net/http` 标准库构建 RESTful API。内容涵盖 RESTful API 的基本概念及规范,包括 GET、POST、PUT 和 DELETE 方法的实现。通过定义用户数据结构和模拟数据库,逐步实现获取用户列表、创建用户、更新用户、删除用户的 HTTP 路由处理函数。同时提供辅助函数用于路径参数解析,并展示如何设置路由器启动服务。最后通过 curl 或 Postman 测试接口功能。章节总结了路由分发、JSON 编解码、方法区分、并发安全管理和路径参数解析等关键点,为更复杂需求推荐第三方框架如 Gin、Echo 和 Chi。
|
人工智能 并行计算 监控
深入剖析 Qwen2.5 - 32B 模型在 VLLM 上的单机三卡部署与运行
本文深入探讨了Qwen2.5 - 32B模型在VLLM框架上的部署过程,从模型下载、启动命令、资源占用分析到GPU资源分配及CUDA图应用,详述了大模型运行的挑战与优化策略,强调了硬件资源规划与技术调优的重要性。
8714 2
|
缓存 JavaScript 前端开发
【性能革命!】Vue 3事件监听缓存的奥秘 —— 揭开前端优化的神秘面纱,让应用性能飙升的秘密武器!
【8月更文挑战第7天】随着前端应用日益复杂,性能优化变得至关重要。Vue 3 通过引入事件监听缓存等新特性提升了应用性能。此特性避免了重复注册相同的事件监听器,减少了资源浪费和潜在的内存泄漏问题。在 Vue 3 中,事件监听器首次渲染时注册,并在后续渲染中重用,除非组件状态变更或手动更新。通过一个示例组件展示了如何利用该特性优化性能,包括使用 `watchEffect` 或 `watch` 在状态变化时重新注册监听器。这一机制降低了浏览器负担,减少了内存占用,提高了应用响应速度,尤其对大型应用效果显著。合理运用事件监听缓存能够构建出更加流畅的应用体验。
833 3
|
SQL 数据可视化 大数据
【开源项目推荐】Apache Superset——最优秀的开源数据可视化与数据探索平台
【开源项目推荐】Apache Superset——最优秀的开源数据可视化与数据探索平台
1174 33
|
Ubuntu 网络安全 数据安全/隐私保护
ubuntu篇-配置FTP服务,本机和docker安装
通过以上步骤,你可以在Ubuntu上配置FTP服务,无论是本机安装还是Docker内安装,都可以提供FTP文件传输服务。 买CN2云服务器,免备案服务器,高防服务器,就选蓝易云。百度搜索:蓝易云
706 1
Halcon基础系列之矩阵相关算子
Halcon基础系列之矩阵相关算子
446 0
|
机器学习/深度学习 自然语言处理 搜索推荐
推荐系统的算法分类和操作流程介绍
推荐系统的算法分类和操作流程介绍
|
JavaScript 前端开发 API
从Vue 2到Vue 3:深入了解路由配置的变化与升级建议
欢迎阅读本篇文章,我们将带您深入探索Vue 2和Vue 3的路由配置。在现代前端开发中,路由是构建交互式Web应用程序不可或缺的一部分。Vue.js作为一种流行的JavaScript框架,在版本2和版本3之间进行了重大改进和升级。