В линейной алгебре и статистике частичная обратная матрица — это операция, связанная с исключением Гаусса, которая имеет приложения в численном анализе и статистике. Различные авторы также называют его основным поворотным преобразованием или оператором развертки , вращения или обмена .
Дана матрица в векторном пространстве , разделенном на блоки:![{\displaystyle n\times n}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle V}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A={\begin{pmatrix}A_{11}&A_{12}\\A_{21}&A_{22}\end{pmatrix}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Если обратимо, то частичная инверсия вокруг поворотного блока создается путем инвертирования , помещения дополнения Шура вместо и соответствующей корректировки недиагональных элементов: [1]![{\displaystyle A_{11}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A_{11}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A/A_{11}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A_{22}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \operatorname {inv} _{1}A={\begin{pmatrix}(A_{11})^{-1}&-(A_{11})^{-1}A_{12}\\ A_{21}(A_{11})^{-1}&A_{22}-A_{21}(A_{11})^{-1}A_{12}\end{pmatrix}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Концептуально частичная инверсия соответствует повороту [2] графика матрицы , так что для конформно разбитых матриц-столбцов и : [ 1]![{\displaystyle (X,AX)\in V\times V}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (x_{1},x_{2})^{T}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (y_{1},y_{2})^{T}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A{\begin{pmatrix}x_{1}\\x_{2}\end{pmatrix}}={\begin{pmatrix}y_{1}\\y_{2}\end{pmatrix}}\ Leftrightarrow \operatorname {inv} _{1}(A){\begin{pmatrix}y_{1}\\x_{2}\end{pmatrix}}={\begin{pmatrix}x_{1}\\y_{ 2}\end{pmatrix}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Согласно такому определению, этот оператор является обратным самому себе: , и если в качестве опорного блока выбрана вся матрица, то преобразование просто дает матрицу, обратную . Обратите внимание, что некоторые авторы определяют связанную операцию (под одним из других названий), которая сама по себе не является обратной; в частности, одно общее определение вместо этого имеет . ![{\displaystyle \operatorname {inv} _{k}(\operatorname {inv} _{k}(A))=A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A_{11}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{-1}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (\operatorname {inv} _{k})^{2}(A)=-A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Преобразование часто представляется как ось вокруг одного ненулевого элемента , и в этом случае![{\displaystyle a_{kk}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \left[\operatorname {inv} _{k}(A)\right]_{ij} = {\begin{cases}{\frac {1}{a_{kk}}}&i=j=k \\-{\frac {a_{kj}}{a_{kk}}}&i=k,j\neq k\\{\frac {a_{ik}}{a_{kk}}}&i\neq k, j=k\\a_{ij}-{\frac {a_{ik}a_{kj}}{a_{kk}}}&i\neq k,j\neq k\end{cases}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Частичные инверсии обладают рядом интересных свойств: [3]
- инверсии вокруг разных блоков коммутируют, поэтому более крупные повороты могут быть построены из последовательностей меньших.
- частичная инверсия сохраняет пространство симметричных матриц
Использование частичного обратного в численном анализе связано с тем, что существует некоторая гибкость в выборе поворотных точек, позволяющая избежать необратимых элементов, а также потому, что операция вращения ( графика повернутой матрицы) имеет лучшая численная стабильность, чем операция сдвига , которая неявно выполняется методом исключения Гаусса. [2] Использование в статистике связано с тем, что полученная матрица хорошо разбивается на блоки, которые имеют полезное значение в контексте линейной регрессии. [3]
Рекомендации
- ^ аб Цасомерос, MJ (2000). Основные сводные преобразования: свойства и приложения. Линейная алгебра и ее приложения, 307 (1-3), 151–165.
- ^ ab Развертка матрицы вращает ее график,
- ^ ab Чрезвычайно простые основные поворотные преобразования