【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

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——加号逆的计算。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——加号逆的计算

4.4.2 A + A^+ A+ 计算

a. 秩1阵

若 A = ( a i j ) m × n , r ( A ) = 1 , 则 A + = 1 ∑ ∣ a i j ∣ 2 A H = 1 t r ( A H A ) A H \begin{matrix} 若A=(a_{ij})_{m\times n},r(A)=1,则A^+=\frac{1}{\sum \vert a_{ij}\vert^2}A^H=\frac{1}{tr(A^HA)}A^H \end{matrix} A=(aij)m×n,r(A)=1,A+=aij21AH=tr(AHA)1AH

A H A A^HA AHA 的相关结论:

  • t r ( A H A ) = t ( A A H ) = ∑ ∣ a i j ∣ 2 = ∥ A ∥ F 2 tr(A^HA)=t(AA^H)=\sum\vert a_{ij}\vert^2=\Vert A \Vert_F^2 tr(AHA)=t(AAH)=aij2=AF2
  • r ( A H A ) = r ( A A H ) = r ( A ) r(A^HA)=r(AA^H)=r(A) r(AHA)=r(AAH)=r(A)
  • A H A , A A H A^HA,AA^H AHA,AAH 为半正定阵

证明:
由于 r ( A ) = 1 , 则 A H A 优相似与对角阵 D = ( λ 1 0 ⋱ 0 ) ,其中 λ 1 为正奇值 ⇒ t r ( A H A ) = t r ( A A H ) = λ 1 = ∑ ∣ a i j ∣ 2 , 则 A 的正 S V D 为 A = P Δ Q H = P ( λ 1 ) Q H , 其中 P H P = Q H Q = I A H = Q Δ P H = Q ( λ 1 ) P H , A + = Q Δ − 1 P H = Q ( 1 λ 1 ) P H ⇒ A + = 1 ( λ 1 ) 2 Q ( λ 1 ) P H = 1 ( λ 1 ) 2 Q Δ P H = 1 ( λ 1 ) 2 A H = 1 t r ( A H A ) A H = 1 ∑ ∣ a i j ∣ 2 A H \begin{aligned} &由于r(A)=1,则A^HA优相似与对角阵D=\left( \begin{matrix} \lambda_1&&&\\&0&\\&&\ddots&\\&&&0 \end{matrix} \right),其中\sqrt{\lambda_1} 为正奇值\Rightarrow\\ &tr(A^HA)=tr(AA^H)=\lambda_1=\sum\vert a_{ij}\vert^2,则A的正SVD为A=P\Delta Q^H=P\left(\sqrt{\lambda_1}\right)Q^H,\\ &其中P^HP=Q^HQ=I\\ &A^H=Q\Delta P^H=Q(\sqrt{\lambda_1})P^H,A^+=Q\Delta^{-1}P^H=Q(\frac{1}{\sqrt{\lambda_1}})P^H\\ &\Rightarrow A^+=\frac{1} {(\sqrt{\lambda_1})^2}Q(\sqrt{\lambda_1})P^H=\frac{1}{(\sqrt{\lambda_1})^2}Q\Delta P^H=\frac{1}{(\sqrt{\lambda_1})^2}A^H=\frac{1}{tr(A^HA)}A^H=\frac{1}{\sum \vert a_{ij}\vert^2}A^H\\ \end{aligned} 由于r(A)=1,AHA优相似与对角阵D= λ100 ,其中λ1 为正奇值tr(AHA)=tr(AAH)=λ1=aij2,A的正SVDA=PΔQH=P(λ1 )QH,其中PHP=QHQ=IAH=QΔPH=Q(λ1 )PH,A+=QΔ1PH=Q(λ1 1)PHA+=(λ1 )21Q(λ1 )PH=(λ1 )21QΔPH=(λ1 )21AH=tr(AHA)1AH=aij21AH
eg

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

b. 正奇分解求逆(第一公式)

若 A = A m × n 有正 S V D , A = P Δ Q H , Δ = ( s 1 ⋱ s r ) > 0 , 其中 P , Q 为半 U 阵, P H P = I r = Q H Q 则有公式 A + = Q Δ − 1 P H , 其中 Δ − 1 = Δ + \begin{aligned} &若A=A_{m\times n} 有正SVD,A=P\Delta Q^H,\Delta=\left( \begin{matrix} s_1&&\\&\ddots&\\&&s_r \end{matrix} \right)>0,\\ &其中P,Q为半U阵,P^HP=I_r=Q^HQ\\ &则有公式A^+=Q\Delta^{-1}P^H,其中 \Delta^{-1}=\Delta^{+} \end{aligned} A=Am×n有正SVDA=PΔQH,Δ= s1sr >0,其中PQ为半U阵,PHP=Ir=QHQ则有公式A+=QΔ1PH,其中Δ1=Δ+

A + A^+ A+ 的正奇公式,可证 逆的H穿脱公式 ( A H ) + = ( A + ) H (A^H)^+=(A^+)^H (AH)+=(A+)H

  • A + A^+ A+ 的正奇值为 { s 1 − 1 , s 2 − 1 , ⋯   , s r − 1 } \{s_1^{-1},s_2^{-1},\cdots,s_r^{-1}\} {s11,s21,,sr1} ,且有公式 ∥ A + ∥ F = s 1 − 2 , ⋯   , s r − 2 \Vert A^+\Vert_F=\sqrt{s_1^{-2},\cdots,s_r^{-2}} A+F=s12,,sr2 ∥ A + ∥ 2 = s r − 1 \Vert A^+\Vert_2=s_r^{-1} A+2=sr1

证明
A = P Δ Q H ⇒ A H = Q Δ P H 为 A H 的正 S V D A + = Q Δ − 1 P H , ( A H ) + = P Δ − 1 Q H ⇒ ( A + ) H = P Δ − 1 Q H = ( A H ) + \begin{aligned} &A=P\Delta Q^H\Rightarrow A^H=Q\Delta P^H为A^H的正SVD\\ &A^+=Q\Delta^{-1}P^H,(A^H)^+=P\Delta^{-1}Q^H\Rightarrow (A^+)^H=P\Delta^{-1}Q^H=(A^H)^+ \end{aligned} A=PΔQHAH=QΔPHAH的正SVDA+=QΔ1PH,(AH)+=PΔ1QH(A+)H=PΔ1QH=(AH)+
eg
【矩阵论】4. 矩阵运算——广义逆——加号逆的计算
( 1 ) 求正奇值, A H A = ( 1 0 2 0 1 0 ) ( 1 0 0 1 2 0 ) = ( 5 0 0 1 ) , λ ( A ) = { 5 , 1 } , 正奇值为 5 , 1 , 令 Δ = ( 5 0 0 1 ) ( 2 ) S V D , Q = ( q 1 , q 2 ) = ( 1 0 0 1 ) , P = ( A q 1 ∣ A q 1 ∣ , A q 2 ∣ A q 2 ∣ ) = ( 1 5 0 0 1 2 5 0 ) , A = P Δ Q H = ( 1 5 0 0 1 2 5 0 ) ( 5 0 0 1 ) ( 1 0 0 1 ) H ( 3 ) A + = Q Δ − 1 P H = ( 1 0 0 1 ) 1 5 ( 1 0 0 5 ) ( 1 5 0 2 5 0 1 0 ) = ( 1 5 0 0 1 ) ( 1 5 0 2 5 0 1 0 ) = ( 1 5 0 2 5 0 1 0 ) ( 4 ) ∵ B = A H , 则 B + = ( A H ) + = ( A + ) H = ( 1 5 0 0 1 2 5 0 ) \begin{aligned} &(1)求正奇值,A^HA=\left( \begin{matrix} 1&0&2\\0&1&0 \end{matrix} \right)\left( \begin{matrix} 1&0\\0&1\\2&0 \end{matrix} \right)=\left( \begin{matrix} 5&0\\0&1 \end{matrix} \right),\lambda(A)=\{5,1\},正奇值为\sqrt{5},1,令\Delta=\left( \begin{matrix} \sqrt{5} & 0\\0&1 \end{matrix} \right)\\ &(2)SVD,Q=(q_1,q_2)=\left( \begin{matrix} 1&0\\0&1 \end{matrix} \right),P=\left( \begin{matrix} \frac{Aq_1}{\vert Aq_1\vert},\frac{Aq_2}{\vert Aq_2\vert} \end{matrix} \right)=\left( \begin{matrix} \frac{1}{\sqrt{5}}&0\\0&1\\\frac{2}{\sqrt{5}}&0\\ \end{matrix} \right),A=P\Delta Q^H=\left( \begin{matrix} \frac{1}{\sqrt{5}}&0\\0&1\\\frac{2}{\sqrt{5}}&0\\ \end{matrix} \right)\left( \begin{matrix} \sqrt{5} & 0\\0&1 \end{matrix} \right)\left( \begin{matrix} 1&0\\0&1 \end{matrix} \right)^H\\ &(3)A^+=Q\Delta^{-1}P^H=\left( \begin{matrix} 1&0\\0&1 \end{matrix} \right)\frac{1}{\sqrt{5}}\left( \begin{matrix} 1&0\\0&\sqrt{5} \end{matrix} \right)\left( \begin{matrix} \frac{1}{\sqrt{5}}&0&\frac{2}{\sqrt{5}}\\0&1&0\\ \end{matrix} \right)=\left( \begin{matrix} \frac{1}{\sqrt{5}}&0\\0&1 \end{matrix} \right)\left( \begin{matrix} \frac{1}{\sqrt{5}}&0&\frac{2}{\sqrt{5}}\\0&1&0\\ \end{matrix} \right)=\left( \begin{matrix} \frac{1}{5}&0&\frac{2}{5}\\ 0&1&0 \end{matrix} \right)\\ &(4)\because B=A^H,则B^+=(A^H)^+=(A^+)^H=\left( \begin{matrix} \frac{1}{5}&0\\0&1\\\frac{2}{5}&0 \end{matrix} \right) \end{aligned} (1)求正奇值,AHA=(100120) 102010 =(5001),λ(A)={5,1},正奇值为5 ,1,Δ=(5 001)(2)SVDQ=(q1,q2)=(1001),P=(Aq1Aq1,Aq2Aq2)= 5 105 2010 ,A=PΔQH= 5 105 2010 (5 001)(1001)H(3)A+=QΔ1PH=(1001)5 1(1005 )(5 10015 20)=(5 1001)(5 10015 20)=(51001520)(4)B=AH,B+=(AH)+=(A+)H= 51052010


【矩阵论】4. 矩阵运算——广义逆——加号逆的计算
A H A = ( 2 1 1 2 ) , λ ( A H A ) = { 3 , 1 } , 正奇值 S + = { 3 , 1 } , 故 A H A 优相似与 Δ = ( 3 0 0 1 ) , λ 1 = 3 的特根 q 1 = ( 1 1 ) , λ 2 = 1 的特根为 q 2 = ( 1 − 1 ) , Q = ( q 1 , q 2 ) = ( 1 2 1 2 1 2 − 1 2 ) , P = ( A q 1 ∣ A q 1 ∣ , A q 2 ∣ A q 2 ∣ ) = ( 1 6 ( 1 1 2 ) , 1 2 ( 1 − 1 0 ) ) = ( 1 6 1 2 1 6 − 1 2 2 6 0 ) A = P Δ Q H = ( 1 6 1 2 1 6 − 1 2 2 6 0 ) ( 3 0 0 1 ) ( 1 2 1 2 1 2 − 1 2 ) A + = Q Δ − 1 P H = ( 1 2 1 2 1 2 − 1 2 ) ( 1 3 0 0 1 ) ( 1 6 1 6 2 6 1 2 − 1 2 0 ) = 1 6 = ( 4 − 2 2 − 2 4 2 ) \begin{aligned} &A^HA=\left( \begin{matrix} 2&1\\1&2 \end{matrix} \right),\lambda(A^HA)=\{3,1\},正奇值S^+=\{\sqrt{3},1\},故A^HA优相似与\Delta=\left( \begin{matrix} \sqrt{3}&0\\0&1 \end{matrix} \right),\\ &\lambda_1=3的特根q_1=\left( \begin{matrix} 1\\1 \end{matrix} \right),\lambda_2=1的特根为q_2=\left( \begin{matrix} 1\\-1 \end{matrix} \right),\\ &Q=(q_1,q_2)=\left( \begin{matrix} \frac{1}{\sqrt{2}}&\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{2}}&-\frac{1}{\sqrt{2}} \end{matrix} \right),P=\left(\frac{Aq_1}{\vert Aq_1 \vert},\frac{Aq_2}{\vert Aq_2 \vert}\right)=\left( \begin{matrix} \frac{1}{\sqrt{6}}\left( \begin{matrix} 1\\1\\2 \end{matrix} \right),\frac{1}{\sqrt{2}}\left( \begin{matrix} 1\\-1\\0 \end{matrix} \right) \end{matrix} \right)=\left( \begin{matrix} \frac{1}{\sqrt{6}}&\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{6}}&-\frac{1}{\sqrt{2}}\\ \frac{2}{\sqrt{6}}&0\\ \end{matrix} \right)\\ &A=P\Delta Q^H=\left( \begin{matrix} \frac{1}{\sqrt{6}}&\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{6}}&-\frac{1}{\sqrt{2}}\\ \frac{2}{\sqrt{6}}&0\\ \end{matrix} \right)\left( \begin{matrix} \sqrt{3}&0\\0&1 \end{matrix} \right)\left( \begin{matrix} \frac{1}{\sqrt{2}}&\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{2}}&-\frac{1}{\sqrt{2}} \end{matrix} \right)\\ &A^+=Q\Delta^{-1}P^H=\left( \begin{matrix} \frac{1}{\sqrt{2}}&\frac{1}{\sqrt{2}}\\ \frac{1}{\sqrt{2}}&-\frac{1}{\sqrt{2}} \end{matrix} \right)\left( \begin{matrix} \frac{1}{\sqrt{3}}&0\\0&1 \end{matrix} \right)\left( \begin{matrix} \frac{1}{\sqrt{6}}&\frac{1}{\sqrt{6}}&\frac{2}{\sqrt{6}}\\\frac{1}{\sqrt{2}}&-\frac{1}{\sqrt{2}}&0\\ \end{matrix} \right)=\frac{1}{6}=\left( \begin{matrix} 4&-2&2\\-2&4&2 \end{matrix} \right) \end{aligned} AHA=(2112),λ(AHA)={3,1},正奇值S+={3 ,1},AHA优相似与Δ=(3 001),λ1=3的特根q1=(11),λ2=1的特根为q2=(11),Q=(q1,q2)=(2 12 12 12 1),P=(Aq1Aq1,Aq2Aq2)= 6 1 112 ,2 1 110 = 6 16 16 22 12 10 A=PΔQH= 6 16 16 22 12 10 (3 001)(2 12 12 12 1)A+=QΔ1PH=(2 12 12 12 1)(3 1001)(6 12 16 12 16 20)=61=(422422)

c. 优分解求逆公式

设 P , Q 为优阵,则 ( P D Q ) + = Q H D + P H = Q H D P H \begin{aligned} &设P,Q为优阵,则 (PDQ)^+=Q^HD^+P^H=Q^HDP^H \end{aligned} P,Q为优阵,则(PDQ)+=QHD+PH=QHDPH

  • 引理:若 D = ( λ 1 ⋱ λ n ) D=\left(\begin{matrix}\lambda_1&&\\&\ddots&\\&&\lambda_n\end{matrix}\right) D= λ1λn 为对角阵,则 D + D = D D + D^+D=DD^+ D+D=DD+ ,且 ( D + ) k = ( D k ) + (D^+)^k=(D^k)^+ (D+)k=(Dk)+ ,(k=1,2,…)
d. QR分解求逆公式

设 A = A m × p 为高阵,且有 Q R 分解, A = Q R , Q 为列 U 阵, R = R p × p , 则 A + = R − 1 Q H \begin{aligned} &设A=A_{m\times p}为高阵,且有QR分解,A=QR,Q为列U阵,R=R_{p\times p},则A^+=R^{-1}Q^H \end{aligned} A=Am×p为高阵,且有QR分解,A=QRQ为列U阵,R=Rp×p,A+=R1QH

eg

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

( 1 ) 求 A 的 Q R 分解,令 β 1 = ( 1 0 2 ) , β 2 = α 2 − ( α 2 , β 1 ) ( β 1 , β 1 ) β 1 = ( 2 0 − 1 ) , Q = 1 5 ( 1 2 0 0 2 − 1 ) R = Q H A = 5 ( 1 1 0 1 ) ⇒ A = Q R = 1 5 ( 1 2 0 0 2 − 1 ) 5 ( 1 1 0 1 ) ( 2 ) A + = ( Q R ) + = R + Q + = R − 1 Q H = 1 5 ( 1 − 1 0 1 ) 1 5 ( 1 0 2 2 0 − 1 ) = 1 5 ( − 1 0 3 2 0 − 1 ) \begin{aligned} &(1)求A的QR分解,令\beta_1=\left( \begin{matrix} 1\\0\\2 \end{matrix} \right),\beta_2=\alpha_2-\frac{(\alpha_2,\beta_1)}{(\beta_1,\beta_1)}\beta_1=\left( \begin{matrix} 2\\0\\-1 \end{matrix} \right),Q=\frac{1}{\sqrt{5}}\left( \begin{matrix} 1&2\\0&0\\2&-1 \end{matrix} \right)\\ &\quad R=Q^HA=\sqrt{5}\left( \begin{matrix} 1&1\\0&1 \end{matrix} \right)\Rightarrow A=QR=\frac{1}{\sqrt{5}}\left( \begin{matrix} 1&2\\0&0\\2&-1 \end{matrix} \right)\sqrt{5}\left( \begin{matrix} 1&1\\0&1 \end{matrix} \right)\\ &(2)A^+=(QR)^+=R^+Q^+=R^{-1}Q^H=\frac{1}{\sqrt{5}}\left( \begin{matrix} 1&-1\\0&1 \end{matrix} \right)\frac{1}{\sqrt{5}}\left( \begin{matrix} 1&0&2\\2&0&-1 \end{matrix} \right)=\frac{1}{5}\left( \begin{matrix} -1&0&3\\ 2&0&-1 \end{matrix} \right) \end{aligned} (1)AQR分解,令β1= 102 ,β2=α2(β1,β1)(α2,β1)β1= 201 ,Q=5 1 102201 R=QHA=5 (1011)A=QR=5 1 102201 5 (1011)(2)A+=(QR)+=R+Q+=R1QH=5 1(1011)5 1(120021)=51(120031)

e. 单阵求逆

若A为单阵不可逆,则不能用谱分解方式求逆

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

t r ( A ) = 1 , 故 A + = 1 2 A H = 1 2 ( 1 0 1 0 ) A 的特征多项式为 ∣ A − λ I ∣ = λ ( 1 − λ ) ⇒ λ ( A ) = { 1 , 0 } , G 1 = A − λ 2 I λ 1 − λ 2 = ( 1 1 0 0 ) A 有谱分解 A = G 1 , A + ≠ A , 故对于不可逆的单阵, A + ≠ λ 1 − 1 G 1 + ⋯ + λ k − 1 G k \begin{aligned} &tr(A)=1,故A^+=\frac{1}{2}A^H=\frac{1}{2}\left( \begin{matrix} 1&0\\1&0 \end{matrix} \right)\\ &A的特征多项式为 \vert A-\lambda I\vert=\lambda(1-\lambda)\Rightarrow \lambda(A)=\{1,0\},G_1=\frac{A-\lambda_2I}{\lambda_1-\lambda_2}=\left( \begin{matrix} 1&1\\0&0 \end{matrix} \right)\\ &A有谱分解A=G_1,A^+\neq A,故对于不可逆的单阵,A^+\neq \lambda_1^{-1}G_1+\cdots+\lambda_k^{-1}G_k \end{aligned} tr(A)=1,A+=21AH=21(1100)A的特征多项式为AλI=λ(1λ)λ(A)={1,0},G1=λ1λ2Aλ2I=(1010)A有谱分解A=G1,A+=A,故对于不可逆的单阵,A+=λ11G1++λk1Gk


若A为单阵且可逆,则有谱分解 A = λ 1 G 1 + ⋯ + λ k G k A=\lambda_1G_1+\cdots+\lambda_kG_k A=λ1G1++λkGk A + = λ 1 − 1 G 1 + ⋯ + λ k − 1 G k A^+=\lambda_1^{-1}G_1+\cdots+\lambda_k^{-1}G_k A+=λ11G1++λk1Gk

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

A 为行和阵, λ ( A ) = { 4 , 1 } , G 1 = A − λ 2 I λ 1 − λ 2 = 1 3 ( 1 2 1 2 ) , G 2 = 1 3 ( 2 − 2 − 1 1 ) , A = 4 G 1 + G 2 r ( A ) = 2 ,则 A 可逆,故 ⇒ A + = A − 1 = 1 3 G 1 + G 2 = 1 4 ( 3 − 2 − 1 2 ) \begin{aligned} &A为行和阵,\lambda(A)=\{4,1\},G_1=\frac{A-\lambda_2I}{\lambda_1-\lambda_2}=\frac{1}{3}\left( \begin{matrix} 1&2\\1&2 \end{matrix} \right),G_2=\frac{1}{3}\left( \begin{matrix} 2&-2\\-1&1 \end{matrix} \right),A=4G_1+G_2\\ &r(A)=2,则A可逆,故\Rightarrow A^+=A^{-1}=\frac{1}{3}G_1+G_2=\frac{1}{4}\left( \begin{matrix} 3&-2\\-1&2 \end{matrix} \right) \end{aligned} A为行和阵,λ(A)={4,1},G1=λ1λ2Aλ2I=31(1122),G2=31(2121),A=4G1+G2r(A)=2,则A可逆,故A+=A1=31G1+G2=41(3122)

正规阵谱分解

若 A 为正规阵,且有谱分解: A = λ 1 G 1 + ⋯ + λ k G k , 则有 A + = λ 1 + G 1 + λ 2 + G 2 + ⋯ + λ k + G k \begin{aligned} &若A为正规阵,且有谱分解:A=\lambda_1G_1+\cdots+\lambda_kG_k,则有 A^+=\lambda_1^+G_1+\lambda_2^+G_2+\cdots+\lambda_k^+G_k \end{aligned} A为正规阵,且有谱分解:A=λ1G1++λkGk,则有A+=λ1+G1+λ2+G2++λk+Gk

eg

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

( 1 ) 求 A 的谱分解: A 有特征多项式 ∣ A − λ I ∣ = ∣ 2 − λ 1 − i 1 + i 1 − λ ∣ = ( 2 − λ ) ( 1 − λ ) − 2 = λ ( λ − 3 ) ⇒ λ ( A ) = { 3 , 0 } G 1 = A − λ 2 I λ 1 − λ 2 = 1 3 ( 2 1 − i 1 + i 1 ) , G 2 = I − G 1 = 1 3 ( 1 1 − i − 1 − i 2 ) 可得谱分解 A = 3 G 1 + 0 G 2 ( 2 ) A + = 3 + G 1 = 1 3 G 1 = 1 9 ( 2 1 − i 1 + i 1 ) 验证: ( 1 − i ) r 2 = r 1 ,即 A 为秩 1 公式,故有 A + = 1 ∑ ∣ a i j ∣ 2 ( 2 1 + i 1 − i 1 ) = 1 9 ( 2 1 − i 1 + i 1 ) \begin{aligned} &(1)求A的谱分解:\\ &\quad A有特征多项式 \vert A-\lambda I \vert=\left| \begin{matrix} 2-\lambda&1-i\\1+i&1-\lambda \end{matrix} \right|=(2-\lambda)(1-\lambda)-2=\lambda(\lambda-3)\Rightarrow \lambda(A)=\{3,0\}\\ &\quad G_1=\frac{A-\lambda_2I}{\lambda_1-\lambda_2}=\frac{1}{3}\left( \begin{matrix} 2&1-i\\1+i&1 \end{matrix} \right),G_2=I-G_1=\frac{1}{3}\left( \begin{matrix} 1&1-i\\-1-i&2 \end{matrix} \right)\\ &\quad 可得谱分解 A=3G_1+0G_2\\ &(2)A^+=3^+G_1=\frac{1}{3}G_1=\frac{1}{9}\left( \begin{matrix} 2&1-i\\1+i&1 \end{matrix} \right)\\ &验证:\\ &\quad (1-i)r_2=r_1,即A为秩1公式,故有A^+=\frac{1}{\sum\vert a_{ij}\vert^2}\left( \begin{matrix} 2&1+i\\1-i&1 \end{matrix} \right)=\frac{1}{9}\left( \begin{matrix} 2&1-i\\1+i&1 \end{matrix} \right) \end{aligned} (1)A的谱分解:A有特征多项式AλI= 2λ1+i1i1λ =(2λ)(1λ)2=λ(λ3)λ(A)={3,0}G1=λ1λ2Aλ2I=31(21+i1i1),G2=IG1=31(11i1i2)可得谱分解A=3G1+0G2(2)A+=3+G1=31G1=91(21+i1i1)验证:(1i)r2=r1,即A为秩1公式,故有A+=aij21(21i1+i1)=91(21+i1i1)

f. 高低阵求逆及高低分解求逆公式
引理

高低阵引理:

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

高低阵消去性质:

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

Hermite性质:

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算
【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

高低阵求逆

高阵公式:若 A = A m × r 为列满秩阵 ( 高阵 ) ,则有加号逆 A + = ( A H A ) − 1 A H , 且 A + A = I 低阵公式:若 A = A r × n 为行满秩阵 ( 低阵 ) ,则有加号逆 A + = A H ( A A H ) − 1 , 且 A A + = I \begin{aligned} &高阵公式:若A=A_{m\times r} 为列满秩阵(高阵),则有加号逆 A^+=(A^HA)^{-1}A^H,且A^+A=I\\ &低阵公式:若A=A_{r\times n} 为行满秩阵(低阵),则有加号逆 A^+=A^H(AA^H)^{-1},且AA^+=I \end{aligned} 高阵公式:若A=Am×r为列满秩阵(高阵),则有加号逆A+=(AHA)1AH,A+A=I低阵公式:若A=Ar×n为行满秩阵(低阵),则有加号逆A+=AH(AAH)1,AA+=I

eg

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

由高阵公式: A + = ( A H A ) − 1 A H , 计算可得 A H A = ( 2 0 0 1 ) , ( A H A ) − 1 = 1 2 ( 1 0 0 2 ) , 可得 A + = ( A H A ) − 1 A H = 1 2 ( 1 0 0 2 ) ( 1 0 1 0 1 0 ) = 1 2 ( 1 0 1 0 2 0 ) , 可验证 A + A = I \begin{aligned} &由高阵公式:A^+=(A^HA)^{-1}A^H,计算可得 A^HA=\left( \begin{matrix} 2&0\\0&1 \end{matrix} \right),(A^HA)^{-1}=\frac{1}{2}\left( \begin{matrix} 1&0\\0&2 \end{matrix} \right),\\ &可得A^+=(A^HA)^{-1}A^H=\frac{1}{2}\left( \begin{matrix} 1&0\\0&2 \end{matrix} \right)\left( \begin{matrix} 1&0&1\\0&1&0 \end{matrix} \right)=\frac{1}{2}\left( \begin{matrix} 1&0&1\\0&2&0 \end{matrix} \right),可验证\\ &A^+A=I \end{aligned} 由高阵公式:A+=(AHA)1AH,计算可得AHA=(2001),(AHA)1=21(1002),可得A+=(AHA)1AH=21(1002)(100110)=21(100210),可验证A+A=I


【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

由于 B = A H , 则 B + = ( A H ) + = ( A + ) H = 1 2 ( 1 0 0 2 1 0 ) \begin{aligned} &由于B=A^H,则B^+=(A^H)^+=(A^+)^H=\frac{1}{2}\left( \begin{matrix} 1&0\\0&2\\1&0 \end{matrix} \right) \end{aligned} 由于B=AH,B+=(AH)+=(A+)H=21 101020


【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

由低阵公式 A + = A H ( A A H ) − 1 , A A H = ( 2 1 1 2 ) , ( A A H ) − 1 = 1 3 ( 2 − 1 − 1 2 ) A + = A H ( A A H ) − 1 = 1 3 ( 1 1 − 1 2 2 − 1 ) 由于 B = A H , B + = ( A H ) + = ( A + ) H = 1 3 ( 1 − 1 2 1 2 − 1 ) \begin{aligned} &由低阵公式A^+=A^H(AA^H)^{-1},AA^H=\left( \begin{matrix} 2&1\\1&2 \end{matrix} \right),(AA^H)^{-1}=\frac{1}{3}\left( \begin{matrix} 2&-1\\-1&2 \end{matrix} \right)\\ &A^+=A^H(AA^H)^{-1}=\frac{1}{3}\left( \begin{matrix} 1&1\\-1&2\\2&-1 \end{matrix} \right)\\ &由于B=A^H,B^+=(A^H)^+=(A^+)^H=\frac{1}{3}\left( \begin{matrix} 1&-1&2\\1&2&-1 \end{matrix} \right) \end{aligned} 由低阵公式A+=AH(AAH)1,AAH=(2112),(AAH)1=31(2112)A+=AH(AAH)1=31 112121 由于B=AH,B+=(AH)+=(A+)H=31(111221)

A + A^+ A+ 第二公式(高低分解求逆公式)

若有高低分解 A = B C ,则有公式: A + = C + B + , 其中 B + = ( B H B ) − 1 B H , C + = A H ( A A H ) − 1 且有 B + B = I , C C + = I \begin{aligned} &若有高低分解 A=BC,则有公式:A^+=C^+B^+,其中B^+=(B^HB)^{-1}B^H,C^+=A^H(AA^H)^{-1}\\ &且有B^+B=I,CC^+=I \end{aligned} 若有高低分解A=BC,则有公式:A+=C+B+,其中B+=(BHB)1BH,C+=AH(AAH)1且有B+B=I,CC+=I

( B C ) + (BC)^+ (BC)+ 一般不成立,只有在高低分解时才成立

eg

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

∵ A = ( 1 0 0 0 1 − 1 0 0 0 0 0 0 ) , 故选第 1 , 2 列作为高阵, B = ( 1 0 0 1 1 0 2 1 ) , C = ( 1 0 0 0 1 − 1 ) , A = B C ( 高低分解 ) ( B H B ) − 1 = 1 4 ( 1 − 1 − 1 3 ) , ( C C H ) − 1 = 1 2 ( 2 0 0 1 ) , B + = ( B H B ) − 1 B H = 1 4 ( 1 − 1 − 1 3 ) ( 1 0 1 2 0 1 0 1 ) = 1 4 ( 1 0 1 1 − 1 3 − 1 1 ) , C + = C H ( C C H ) − 1 = 1 2 ( 2 0 0 1 0 − 1 ) , A = C + B + = 1 8 ( 2 − 2 2 2 − 1 3 − 1 1 1 − 3 1 − 1 ) \begin{aligned} &\because A=\left( \begin{matrix} 1&0&0\\0&1&-1\\0&0&0\\0&0&0 \end{matrix} \right),故选第1,2列作为高阵,B=\left( \begin{matrix} 1&0\\0&1\\1&0\\2&1 \end{matrix} \right),C=\left( \begin{matrix} 1&0&0\\0&1&-1 \end{matrix} \right),A=BC(高低分解)\\ &(B^HB)^{-1}=\frac{1}{4}\left( \begin{matrix} 1&-1\\-1&3 \end{matrix} \right),(CC^H)^{-1}=\frac{1}{2}\left( \begin{matrix} 2&0\\0&1 \end{matrix} \right),\\ &B^+=(B^HB)^{-1}B^H=\frac{1}{4}\left( \begin{matrix} 1&-1\\-1&3 \end{matrix} \right)\left( \begin{matrix} 1&0&1&2\\0&1&0&1 \end{matrix} \right)=\frac{1}{4}\left( \begin{matrix} 1&0&1&1\\-1&3&-1&1 \end{matrix} \right),\\ &C^+=C^H(CC^H)^{-1}=\frac{1}{2}\left( \begin{matrix} 2&0\\0&1\\0&-1 \end{matrix} \right),\\ &A=C^+B^+=\frac{1}{8}\left( \begin{matrix} 2&-2&2&2\\-1&3&-1&1\\1&-3&1&-1 \end{matrix} \right) \end{aligned} A= 100001000100 ,故选第1,2列作为高阵,B= 10120101 ,C=(100101),A=BC(高低分解)(BHB)1=41(1113),(CCH)1=21(2001),B+=(BHB)1BH=41(1113)(10011021)=41(11031111),C+=CH(CCH)1=21 200011 ,A=C+B+=81 211233211211


【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

g. 张量分解公式

( A ⊗ B ) + = A + ⊗ B + (A\otimes B)^+=A^+\otimes B^+ (AB)+=A+B+

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

h. 分块求逆公式

( A 0 ) + = ( A + , 0 ) , ( A , 0 ) + = ( A + , 0 ) ( A 1 0 0 A 2 ) + = ( A 1 + 0 0 A 2 + ) ( 0 A 1 A 2 0 ) + = ( 0 A 1 + A 2 + 0 ) ( A A A ) + = 1 3 ( A + , A + , A + ) ( A , A , A ) + = 1 3 ( A + A + A + ) ( A A A A ) + = 1 4 ( A + A + A + A + ) \left( \begin{matrix} A\\0 \end{matrix} \right)^+=\left(A^+,0\right),(A,0)^+=\left( \begin{matrix} A^+,0 \end{matrix} \right)\\ \left( \begin{matrix} A_1&0\\0&A_2 \end{matrix} \right)^+=\left( \begin{matrix} A_1^+&0\\0&A_2^+ \end{matrix} \right)\\ \left( \begin{matrix} 0&A_1\\A_2&0 \end{matrix} \right)^+=\left( \begin{matrix} 0&A_1^+\\A_2^+&0 \end{matrix} \right)\\ \left( \begin{matrix} A\\A\\A \end{matrix} \right)^+=\frac{1}{3}\left(A^+,A^+,A^+\right)\\ (A,A,A)^+=\frac{1}{3}\left( \begin{matrix} A^+\\A^+\\A^+ \end{matrix} \right)\\ \left( \begin{matrix} A&A\\A&A \end{matrix} \right)^+=\frac{1}{4}\left( \begin{matrix} A^+&A^+\\A^+&A^+ \end{matrix} \right) (A0)+=(A+,0),(A,0)+=(A+,0)(A100A2)+=(A1+00A2+)(0A2A10)+=(0A2+A1+0) AAA +=31(A+,A+,A+)(A,A,A)+=31 A+A+A+ (AAAA)+=41(A+A+A+A+)

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

eg

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算
【矩阵论】4. 矩阵运算——广义逆——加号逆的计算


【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

A = ( D 0 ) , D 为低阵, D + = D H ( D D H ) − 1 = 1 2 ( 1 0 0 2 1 0 ) , A + = ( D + 0 ) = ( 1 2 0 0 0 1 0 1 2 0 0 ) \begin{aligned} &A=\left( \begin{matrix} D\\0 \end{matrix} \right),D为低阵,D^+=D^H(DD^H)^{-1}=\frac{1}{2}\left( \begin{matrix} 1&0\\0&2\\1&0 \end{matrix} \right),A^+=\left( \begin{matrix} D^+&0 \end{matrix} \right)=\left( \begin{matrix} \frac{1}{2}&0&0\\0&1&0\\\frac{1}{2}&0&0 \end{matrix} \right) \end{aligned} A=(D0),D为低阵,D+=DH(DDH)1=21 101020 ,A+=(D+0)= 21021010000


【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算


eg

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算


【矩阵论】4. 矩阵运算——广义逆——加号逆的计算
【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

i. 第三公式(分步求逆)

A + = ( A H A ) + A H A^+=(A^HA)^+A^H A+=(AHA)+AH

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

应用

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

eg

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算

【矩阵论】4. 矩阵运算——广义逆——加号逆的计算文章来源地址https://www.toymoban.com/news/detail-440418.html

到了这里,关于【矩阵论】4. 矩阵运算——广义逆——加号逆的计算的文章就介绍完了。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

  • 【Python 矩阵:快速入门指南】-深入理解矩阵运算及其常用计算

    【Python 矩阵:快速入门指南】-深入理解矩阵运算及其常用计算 在数据科学和机器学习中,矩阵是一个非常重要的数学概念,它被广泛应用于数据处理、图像处理、自然语言处理等领域。Python作为一门高效且广泛应用的编程语言,提供了许多强大的工具来处理矩阵。本文将介

    2024年02月13日
    浏览(69)
  • Matlab 获取矩阵的行数与列数 计算矩阵内所有元素的和

    有了行数与列数,可以进行对其矩阵所有元素求和 输出结果为 21

    2024年02月15日
    浏览(45)
  • 【HNU分布式与云计算系统】MPI实现矩阵乘矩阵运算

    实验环境 操作系统:Ubuntu 20.04 编程语言:C++ 实验原理 什么是MPI MPI是一个跨语言的通讯协议,用于编写并行计算机。支持点对点和广播。MPI是一个信息传递应用程序接口,包括协议和和语义说明,他们指明其如何在各种实现中发挥其特性。MPI的目标是高性能,大规模性,和

    2023年04月08日
    浏览(35)
  • Python中范数计算以及numpy矩阵的运算

    1.1 定义: ​ 范数(norm)是数学中的一种基本概念。在泛函分析中,它定义在赋范线性空间中,并满足一定的条件,即①非负性;②齐次性;③三角不等式。它常常被用来度量某个向量空间(或矩阵)中的每个向量的长度或大小。 ​ 最常见的范数就是p范数。若 x = [ x 1 , x 2 .

    2023年04月09日
    浏览(37)
  • 奇异矩阵与非奇异矩阵(广义逆)

    最近看了一篇多视图聚类的论文,论文代码使用matlab,在matlab中求矩阵的逆是使用了广义的逆pinv,对此很疑惑,整理资料供自己查阅。 奇异矩阵 奇异矩阵的概念源于线性代数,就是对应行列式为0的方阵。 非奇异矩阵 对应行列式非零的方阵为非奇异矩阵。 判断方法 首先看

    2023年04月08日
    浏览(37)
  • 在 SQL Server 中,可以使用加号运算符(+)来拼接字符串。但是,如果需要拼接多个字符串或表中的字段,就需要使用内置的拼接函数了

    以下是 SQL Server 中的一些内置拼接函数: 1. CONCAT:将两个或多个字符串拼接在一起。语法为: 示例: 2. CONCAT_WS:与 CONCAT 类似,但可以指定一个分隔符。语法为: 示例: 3. CONCATN:将多个字符串拼接在一起,并在每个字符串之间添加指定的字符。语法为: 示例: 4. REPLAC

    2024年02月07日
    浏览(59)
  • 12-数据结构-数组、矩阵、广义表

    目录 数组、矩阵、广义表   一、数组         二.矩阵 三、广义表         这一章节理解基本概念即可。数组要看清其实下标是多少,并且二维数组,存取数据,要先看清楚是按照行存还是按列存,按行则是正常一行一行的去读写,按列则是,从左至右,一列一列的弄。

    2024年02月13日
    浏览(37)
  • 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(41)
  • 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(35)
  • 【计算机视觉】二、图像形成:1、向量和矩阵的基本运算:线性变换与齐次坐标

    x = [ x y ] boldsymbol{x} =begin{bmatrix}x\\\\yend{bmatrix} x = [ x y ​ ] 1. 平移变换 [ x ′ y ′ ] = [ x y ] + [ a b ] begin{bmatrix}x\\\'\\\\y\\\'end{bmatrix} = begin{bmatrix}x\\\\yend{bmatrix} + begin{bmatrix}a\\\\bend{bmatrix} [ x ′ y ′ ​ ] = [ x y ​ ] + [ a b ​ ]   将向量 [ a b ] begin{bmatrix}a\\\\bend{bmatrix} [ a b ​ ] 加到 [

    2024年03月17日
    浏览(49)

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