【矩阵论】4. 矩阵运算——广义逆——减号逆

这篇具有很好参考价值的文章主要介绍了【矩阵论】4. 矩阵运算——广义逆——减号逆。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

矩阵论的所有文章,主要内容参考北航赵迪老师的课件

[注]由于矩阵论对计算机比较重要,所以选修了这门课,但不是专业搞数学的,所以存在很多口语化描述,而且对很多东西理解不是很正确与透彻,欢迎大家指正。我可能间歇性忙,但有空一定会回复修改的。

矩阵论
1. 准备知识——复数域上矩阵,Hermite变换
1.准备知识——复数域上的内积域正交阵
1.准备知识——Hermite阵,二次型,矩阵合同,正定阵,幂0阵,幂等阵,矩阵的秩
2. 矩阵分解——SVD准备知识——奇异值
2. 矩阵分解——SVD
2. 矩阵分解——QR分解
2. 矩阵分解——正定阵分解
2. 矩阵分解——单阵谱分解
2. 矩阵分解——正规分解——正规阵
2. 矩阵分解——正规谱分解
2. 矩阵分解——高低分解
3. 矩阵函数——常见解析函数
3. 矩阵函数——谱公式,幂0与泰勒计算矩阵函数
3. 矩阵函数——矩阵函数求导
4. 矩阵运算——观察法求矩阵特征值特征向量
4. 矩阵运算——张量积
4. 矩阵运算——矩阵拉直
4.矩阵运算——广义逆——加号逆定义性质与特殊矩阵的加号逆
4. 矩阵运算——广义逆——加号逆的计算
4. 矩阵运算——广义逆——加号逆应用
4. 矩阵运算——广义逆——减号逆
5. 线性空间与线性变换——线性空间
5. 线性空间与线性变换——生成子空间
5. 线性空间与线性变换——线性映射与自然基分解,线性变换
6. 正规方程与矩阵方程求解
7. 范数理论——基本概念——向量范数与矩阵范数
7.范数理论——基本概念——矩阵范数生成向量范数&谱范不等式
7. 矩阵理论——算子范数
7.范数理论——范数估计——许尔估计&谱估计
7. 范数理论——非负/正矩阵
8. 常用矩阵总结——秩1矩阵,优阵(单位正交阵),Hermite阵
8. 常用矩阵总结——镜面阵,正定阵
8. 常用矩阵总结——单阵,正规阵,幂0阵,幂等阵,循环阵


【矩阵论】4. 矩阵运算——广义逆——减号逆

4.5 减号逆

A = A m × n A=A_{m\times n} A=Am×n X = X n × m X=X_{n\times m} X=Xn×m ,有 A X A = A AXA=A AXA=A ,则称 X = X n × m X=X_{n\times m} X=Xn×m 为A的减号逆(一号逆),记为 X = A − = A ( 1 ) X=A^{-}=A^{(1)} X=A=A(1)

全体 A − A^{-} A 的集合记为 A { 1 } = { X ∣ A X A = A } A^{\{1\}}=\{X\mid AXA=A\} A{1}={XAXA=A}

  • A − ∈ A { 1 } A^{-}\in A^{\{1\}} AA{1}

4.5.1 性质

a. 自反性

A A − A = A AA^{-}A=A AAA=A

b. A − A A^-A AA 为幂等阵

( A − A ) 2 = A − A (A^{-}A)^2=A^{-}A (AA)2=AA ( A A − ) 2 = A A − (AA^{-})^2=AA^{-} (AA)2=AA
证明: ∵ ( A − A ) 2 = A − A A − A = A − A ⇒ A − A 为幂等阵 证明:\because (A^-A)^2=A^-AA^-A=A^-A\Rightarrow A^-A为幂等阵 证明:(AA)2=AAAA=AAAA为幂等阵

秩迹公式

r ( A ) = r ( A − A ) = r ( A A − ) = t r ( A A − ) = t r ( A − A ) r(A)=r(A^-A)=r(AA^-)=tr(AA^-)=tr(A^-A) r(A)=r(AA)=r(AA)=tr(AA)=tr(AA)
证明: r ( A − A ) ≤ r ( A ) , 且 A = A A − A ⇒ r ( A ) = r ( A A − A ) ≤ r ( A − A ) ≤ r ( A ) 故 r ( A ) = r ( A − A ) ,同理, r ( A A − ) = r ( A ) A 2 = A ⟹ x 2 = x λ = 1 或 0 , 且 A 为单阵 ⇒ A ∼ Λ = ( ( 1 1 ⋱ 1 ) 0 ⋱ ) ∴ t r ( A ) = r ( A ) = r ( A − A ) = r ( A A − ) = t r ( A A − ) = t r ( A − A ) \begin{aligned} 证明: &r(A^-A)\le r(A),且A=AA^-A\Rightarrow r(A)=r(AA^-A)\le r(A^-A)\le r(A)\\ &故r(A)=r(A^-A),同理,r(AA^-)=r(A)\\ &A^2=A\overset{x^2=x}{\Longrightarrow} \lambda=1或0,且A为单阵 \Rightarrow A\sim\Lambda=\left(\begin{matrix}\left(\begin{matrix}1&&&\\&1&&\\&&\ddots&\\&&&1\end{matrix}\right)&&\\&0&\\&&\ddots\end{matrix}\right)\\ &\therefore tr(A)=r(A)=r(A^-A)=r(AA^-)=tr(AA^-)=tr(A^-A) \end{aligned} 证明:r(AA)r(A),A=AAAr(A)=r(AAA)r(AA)r(A)r(A)=r(AA),同理,r(AA)=r(A)A2=Ax2=xλ=10,A为单阵AΛ= 111 0 tr(A)=r(A)=r(AA)=r(AA)=tr(AA)=tr(AA)

( I − A − A ) 2 = I − A − A (I-A^-A)^2=I-A^-A (IAA)2=IAA

  • r ( I − A − A ) = n − r ( A − A ) = n − r ( A ) r(I-A^-A)=n-r(A^-A)=n-r(A) r(IAA)=nr(AA)=nr(A)
  • r ( I − A A − ) = r ( A ) r(I-AA^-)=r(A) r(IAA)=r(A)
c. A − A^{-} A 不唯一
  • A = ( 1 0 ) A=\left(\begin{matrix}1\\0\end{matrix}\right) A=(10) ,可取 X=(1 0) 或 Y=(1 1) 作为A的减号逆
  • A − A^{-} A 唯一的阵:方阵 A n × n A_{n\times n} An×n可逆,则必有唯一 A − 1 = A + = A − A^{-1}=A^{+}=A^- A1=A+=A
d. 满秩乘积为单位阵

A = A m × n A=A_{m\times n} A=Am×n 为列满秩(高阵),则 A − A = I n A^-A=I_n AA=In ;若 A A A 为行满秩(低阵),则 A A − = I m AA^-=I_m AA=Im

【矩阵论】4. 矩阵运算——广义逆——减号逆

4.5.2 计算

a. 求解 A X A = A AXA=A AXA=A

求解减号逆 A − A{-} A 即求解 A X A = A AXA=A AXA=A 的全体通解

【矩阵论】4. 矩阵运算——广义逆——减号逆在这里插入图片描述

由矩阵方程 A X B = D 的特解 X 0 = A + = ( 1 , 0 , 0 ) , 故通解为 A − = X = X 0 + Y − A + A Y A A + = ( 1 , 0 , 0 ) + ( a , b , c ) − ( a , 0 , 0 ) = ( 1 , b , c ) \begin{aligned} &由矩阵方程AXB=D的特解X_0=A^+=\left(1,0,0\right),故通解为A^-=X=X_0+Y-A^+AYAA^+\\ &=\left(1,0,0\right)+\left(\begin{matrix}a,b,c\end{matrix}\right)-\left(\begin{matrix}a,0,0\end{matrix}\right)=\left(\begin{matrix}1,b,c\end{matrix}\right) \end{aligned} 由矩阵方程AXB=D的特解X0=A+=(1,0,0),故通解为A=X=X0+YA+AYAA+=(100)+(abc)(a00)=(1bc)

也可见 A − A^- A 不唯一

  • 对于高阶阵 A − = A + + ( Y − A + A Y A A + ) A^-=A^++(Y-A^+AYAA^+) A=A++(YA+AYAA+) 的计算比较复杂
b. 标准对角形

A = ( I r 0 0 0 ) m × n A=\left(\begin{matrix}I_r&0\\0&0\end{matrix}\right)_{m\times n} A=(Ir000)m×n ,则全体 A − = ( I r B C D ) n × m A^-=\left(\begin{matrix}I_r&B\\C&D\end{matrix}\right)_{n\times m} A=(IrCBD)n×m ,BCD为任一小块

【矩阵论】4. 矩阵运算——广义逆——减号逆


【矩阵论】4. 矩阵运算——广义逆——减号逆

SP

P A Q = ( I r 0 0 0 ) m × n PAQ=\left(\begin{matrix}I_r&0\\0&0\end{matrix}\right)_{m\times n} PAQ=(Ir000)m×n ,全体 A − = Q ( I r B C D ) n × m P A^{-}=Q\left(\begin{matrix}I_r&B\\C&D\end{matrix}\right)_{n\times m}P A=Q(IrCBD)n×mP ,BCD为任一小块

c. 初等行,列变换(一般方法)

A = A m × n A=A_{m\times n} A=Am×n ,令 ( A I m I n 0 ) → 列变换 行变换 ( ( I r 0 0 0 ) m × n P Q 0 ) \left(\begin{array}{c:c}A&I_m\\\hdashline I_n&0\end{array}\right)\xrightarrow[列变换]{行变换}\left(\begin{array}{c:c}\left(\begin{matrix}I_r&0\\0&0\end{matrix}\right)_{m\times n}&P\\\hdashline Q&0\end{array}\right) (AInIm0)行变换 列变换 (Ir000)m×nQP0 ,则有 A − = Q ( I r B C D ) n × m P A^-=Q\left(\begin{matrix}I_r&B\\C&D\end{matrix}\right)_{n\times m}P A=Q(IrCBD)n×mP

eg

【矩阵论】4. 矩阵运算——广义逆——减号逆

4.5.3 矩阵方程求解

前置知识:正规方程求解

a. 特解

【矩阵论】4. 矩阵运算——广义逆——减号逆

b. 解空间

N ( A ) N(A) N(A) A Y = 0 AY=0 AY=0 的通解为 Y = ( I n − A − A ) y Y=(I_n-A^-A)y Y=(InAA)y ∀ y ∈ C n \forall y\in C^n yCn

N ( A ) = { Y ∣ A Y = 0 } N(A)=\{Y\vert AY=0\} N(A)={YAY=0} X = ( I n − A − A ) y , y = ( y 1 ⋮ y n ) ∈ C n X=(I_n-A^-A)y,y=\left(\begin{matrix}y_1\\\vdots\\y_n\end{matrix}\right)\in C^n X=(InAA)y,y= y1yn Cn

设y的值域为 R,则 N ( A ) = R ( I n − A − A ) N(A)=R(I_n-A^-A) N(A)=R(InAA) ,维数 d i m N ( A ) = n − r ( A − A ) dim N(A)=n-r(A^-A) dimN(A)=nr(AA)

c. 通解

【矩阵论】4. 矩阵运算——广义逆——减号逆

【矩阵论】4. 矩阵运算——广义逆——减号逆文章来源地址https://www.toymoban.com/news/detail-437914.html

到了这里,关于【矩阵论】4. 矩阵运算——广义逆——减号逆的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 用Python求矩阵的广义逆

    对于两个方阵 A , B A,B A , B ,若 A B = E AB=E A B = E ,且 E E E 为单位阵,则 A , B A,B A , B 互逆,可记作 A = B − 1 , B = A − 1 A=B^{-1}, B=A^{-1} A = B − 1 , B = A − 1 。 在 numpy 和 scipy 中,均提供了求逆函数,分别是 numpy.linalg.inv 和 scipy.lingalg.inv ,下面举个例子看一下 二者求逆的结果如

    2024年02月10日
    浏览(31)
  • 基础习题-串 - 数组 - 广义表 - 矩阵-03

    A. O(m) B. O(n) C. O(m*n) D. O(nlog2m) 因为KMP算法涉及到next数组的存储,next数组是基于模式串长度计算的。 A. ‘ijing’ B. ‘jing’ C. ‘ingNa’ D. ‘ingN’ substr(S,i,k):从第i个开始,取k个 A. 1和1 B. 1和3 C. 1和2 D. 2和3 A. a B. (a) C. () D. ((a)) A. 建立和删除 B. 索引和修改 C. 查找和修改 D. 查找

    2024年02月05日
    浏览(39)
  • 数据结构之数组、矩阵和广义表

      数据结构是程序设计的重要基础,它所讨论的内容和技术对从事软件项目的开发有重要作用。学习数据结构要达到的目标是学会从问题出发,分析和研究计算机加工的数据的特性,以便为应用所涉及的数据选择适当的逻辑结构、存储结构及其相应的操作方法,为提高利用

    2024年01月22日
    浏览(44)
  • 【软考】9.2 串/数组/矩阵/广义表/树

    一种特殊的线性表,数据元素都为字符 模式匹配:寻找子串第一次在主串出现的位置 模式匹配算法 1. 暴力破解法(布鲁特-福斯算法) 主串与子串一个个匹配 效率低 2. KMP算法 主串后缀和子串前缀能否找到一样的元素,能就把子串移上去,不用再对比,从主串当前中断的位

    2024年02月08日
    浏览(29)
  • 【高等工程数学】南理工研究生课程 突击笔记5 矩阵分解与广义逆矩阵

    第三章主要内容如下 提示:以下是本篇文章正文内容,下面案例可供参考 矩阵分解是将矩阵分解成两个或三个在形式上、性质上比较简单的矩阵的乘积。 操作方式见例题3.1 将A的第一行元素照抄 再算 第一列的元素Ln1 求第二阶的行元素 求第二阶的列元素 求三阶对角线元素

    2024年02月02日
    浏览(46)
  • 【数据结构】——多维数组、矩阵以及广义表的相关习题

    1、数组通常具有的两种基本操作是()。 A、查找和修改 B、查找和索引 C、索引和修改 D、建立和删除 解析: (A) 基本操作是查找和修改,其中每个元素都可以通过其索引来访问,这是从数组的第一个元素开始计算的。除了访问和修改数组元素之外,还可以执行其他一些操

    2024年02月04日
    浏览(36)
  • Open3D (C++) 计算矩阵的广义逆

    本文由CSDN点云侠原创,原文链接。爬虫网站自重,把自己当个人,爬些不完整的误导别人有意思吗????    非方阵不存在逆,但是存在广义逆(伪逆)。对于一个矩阵

    2024年02月14日
    浏览(27)
  • GoJS库中所有的主要模块及其概念整理

    最近在学习Gojs库,一些学习总结如下: Diagram:该模块定义了用于呈现一个可视化图表的主要组件,以及用于控制图表样式和交互的属性和方法。 Model:该模块定义了模型元素(节点和连线)的属性和数据,以及管理和保存模型状态的方法和事件。 Part:该模块定义了所有可见的

    2024年02月04日
    浏览(34)
  • 所有主要引擎中的CSS新色彩空间和功能

    css现在支持颜色空间,使我们能够访问srgb之外的颜色 环抱 .这意味着您可以支持hd(高清晰度)显示器,使用来自hd游戏机的颜色。这种支持带有新的功能,可以更好地利用网络上的颜色。 我们已经有了一些功能,可以访问srgb范围内的颜色- rgb()  , hsl()  ,以及 hwb()  .现在浏览器中支

    2024年02月12日
    浏览(32)
  • 【Python】所有文章传送门(持续更新...)

    Python 教程 【人生苦短,我学 Python】(1)初识 Python 【人生苦短,我学 Python】(2)Python 语言基础 【人生苦短,我学 Python】(3)Python 常用内置数据类型 I —— 数值数据类型(int、float、complex、bool) 【人生苦短,我学 Python】(4)Python 常用内置数据类型 II —— 序列数据类

    2024年02月20日
    浏览(39)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包