Самая известная обобщенная обратная матрица.
В математике и, в частности , в линейной алгебре , обратная матрицы Мура-Пенроуза , часто называемая псевдообратной , является наиболее широко известным обобщением обратной матрицы . [1] Он был независимо описан Э. Х. Муром в 1920 году, [2] Арне Бьерхаммаром в 1951 году, [3] и Роджером Пенроузом в 1955 году. [4] Ранее Эрик Ивар Фредхольм ввел концепцию псевдообратного интегрального оператора в 1903 году. Термины псевдоинверсия и обобщенная инверсия иногда используются как синонимы обратной матрицы Мура-Пенроуза, но иногда применяются к другим элементам алгебраических структур, которые имеют некоторые, но не все свойства, ожидаемые для обратного элемента .
Обычное использование псевдообратного метода — вычисление «наилучшего» ( наименьших квадратов ) приближенного решения системы линейных уравнений , у которой нет точного решения (см. ниже в разделе «Приложения»). Другое использование — найти минимальное ( евклидово ) нормированное решение системы линейных уравнений с несколькими решениями. Псевдообратное облегчает формулировку и доказательство результатов линейной алгебры.
Псевдообратная определена и уникальна для всех матриц, элементы которых являются действительными или комплексными числами. Его можно вычислить с помощью разложения по сингулярным значениям . В частном случае, когда
является нормальной матрицей (например, эрмитовой матрицей), псевдообратная
аннулирует ядро и действует
как традиционная обратная
на подпространстве, ортогональном ядру .
Обозначения
В последующем обсуждении принимаются следующие соглашения.
-
будет обозначать одно из полей действительных или комплексных чисел, обозначаемых
,
соответственно. Векторное пространство
матриц над
обозначается
. - Для
транспонирование обозначается ,
а эрмитово транспонирование (также называемое сопряженным транспонированием ) обозначается
. Если , то .![{\displaystyle \mathbb {K} =\mathbb {R} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{*}=A^{\operatorname {T} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Для
(обозначает « диапазон ») обозначает пространство столбцов ( изображение )
(пространство, охватываемое векторами-столбцами
) , а
обозначает ядро (нулевое пространство)
. - Для любого положительного целого числа
единичная матрица обозначается
.
Определение
Для псевдообратная A определяется как матрица , удовлетворяющая всем следующим четырем критериям, известным как условия Мура – Пенроуза: [4] [5]![{\displaystyle A\in \mathbb {K} ^{m\times n}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}\in \mathbb {K} ^{n\times m}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
-
не обязательно должна быть общей единичной матрицей, но она отображает все векторы-столбцы A в себя:![{\displaystyle AA^{+}A=\;A.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
-
действует как слабая инверсия :![{\displaystyle A^{+}AA^{+}=\;A^{+}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
-
является эрмитовым :![{\displaystyle \left(AA^{+}\right)^{*}=\;AA^{+}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
-
также является эрмитовым:![{\displaystyle \left(A^{+}A\right)^{*}=\;A^{+}A.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Заметим, что и являются идемпотентными операторами, как это следует из и . Точнее, проецируется на изображение (эквивалентно диапазону строк ) и проецируется на изображение (эквивалентно диапазону столбцов ). По сути, приведенные выше четыре условия полностью эквивалентны и являются такими ортогональными проекциями: проецирование на образ имплиц и проецирование на образ имплиц .![{\displaystyle А^{+}А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle AA^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (AA^{+})^{2}=AA^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (A^{+}A)^{2}=A^{+}A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А^{+}А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{T}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle AA^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А^{+}А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle AA^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle AA^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (AA^{+})A=A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А^{+}А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{T}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (A^{+}A)A^{+}=A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Псевдообратная существует для любой матрицы . Если, кроме того, имеет полный ранг , то есть его ранг равен , то можно задать особенно простое алгебраическое выражение. В частности:![{\displaystyle A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A\in \mathbb {K} ^{m\times n}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \min\{m,n\}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Когда
имеет линейно независимые столбцы (эквивалентно,
инъективен и, следовательно ,
обратим),
можно вычислить как Этот конкретный псевдообратный является левым обратным , то есть .![{\displaystyle A^{+}=\left(A^{*}A\right)^{-1}A^{*}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}A=I}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Если, с другой стороны, имеет линейно независимые строки (эквивалентно, является сюръективным и, следовательно, обратимо), можно вычислить как Это правый обратный , как .
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle AA^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=A^{*}\left(AA^{*}\right)^{-1}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle AA^{+}=I}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
В более общем случае псевдообратное можно выразить, используя разложение по сингулярным значениям . Любую матрицу можно разложить как на некоторые изометрии , так и на диагональную неотрицательную действительную матрицу . Тогда псевдообратное значение можно записать как , где – псевдообратное значение , которое можно получить путем транспонирования матрицы и замены ненулевых значений их мультипликативными обратными значениями. То, что эта матрица удовлетворяет вышеуказанному требованию, непосредственно проверяется наблюдением того, что и , которые являются проекциями на изображение и опору соответственно.![{\displaystyle A=UDV^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle U,V}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle D}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=VD^{+}U^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle D^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle D}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle AA^{+}=UU^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}A=VV^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Характеристики
Существование и уникальность
Как обсуждалось выше, для любой матрицы
существует одна и только одна псевдообратная
. [5]
Матрица, удовлетворяющая только первому из приведенных выше условий, а именно , называется обобщенной обратной. Если матрица удовлетворяет также второму условию, а именно , она называется обобщенно- рефлексивной обратной . Обобщенные обратные всегда существуют, но, как правило, не уникальны. Уникальность является следствием двух последних условий.![{\textstyle AA^{+}A=A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\textstyle A^{+}AA^{+}=A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Основные свойства
Доказательства приведенных ниже свойств можно найти на сайте b: Темы абстрактной алгебры/линейной алгебры.
- Если в
есть реальные записи, то и в
тоже . - Если
обратим , его псевдообратный является его обратным. То есть, . [7] : 243 ![{\displaystyle A^{+}=A^{-1}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Псевдообратной псевдообратной является исходная матрица: . [7] : 245
![{\displaystyle \left(A^{+}\right)^{+}=A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Псевдоинверсия коммутирует с транспозицией, комплексным сопряжением и сопряженным транспонированием: [7] : 245
![{\displaystyle \left(A^{\operatorname {T}}\right)^{+}=\left(A^{+}\right)^{\operatorname {T}},\quad \left({\ overline {A}}\right)^{+}={\overline {A^{+}}},\quad \left(A^{*}\right)^{+}=\left(A^{+ }\вправо)^{*}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Псевдообратное скалярное кратное
является обратным кратным
: для .![{\displaystyle \left(\alpha A\right)^{+}=\alpha ^{-1}A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \alpha \neq 0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Ядро и образ псевдообратного преобразования совпадают с ядром и образом сопряженного транспонирования: и .
![{\displaystyle \ker \left(A^{+}\right)=\ker \left(A^{*}\right)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \operatorname {ran} \left(A^{+}\right)=\operatorname {ran} \left(A^{*}\right)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Личности
Следующая формула идентичности может использоваться для отмены или расширения определенных подвыражений ,
включающих
псевдообратные выражения :![{\displaystyle A={}A{}A^{*}{}A^{+*}{}={}A^{+*}{}A^{*}{}A.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}={}A^{+}{}A^{+*}{}A^{*}{}={}A^{*}{}A^{+*}{ }А^{+},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{*}={}A^{*}{}A{}A^{+}{}={}A^{+}{}A{}A^{*}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Приведение к эрмитовому случаю
Вычисление псевдообратного метода сводится к его построению в эрмитовом случае. Это возможно через эквивалентности:![{\displaystyle A^{+}=\left(A^{*}A\right)^{+}A^{*},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=A^{*}\left(AA^{*}\right)^{+},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
поскольку
и
эрмитовы.
Псевдообратные произведения
Равенство ,
вообще говоря, не выполняется. Скорее предположим, что
. Тогда следующие утверждения эквивалентны: [8]
![{\displaystyle (AB)^{+}=B^{+}A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\begin{aligned}A^{+}ABB^{*}A^{*}&=BB^{*}A^{*},\\BB^{+}A^{*}AB& =A^{*}AB.\end{aligned}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\begin{aligned}\left(A^{+}ABB^{*}\right)^{*}&=A^{+}ABB^{*},\\\left(A^{ *}ABB^{+}\right)^{*}&=A^{*}ABB^{+}.\end{aligned}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}ABB^{*}A^{*}ABB^{+}=BB^{*}A^{*}A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\begin{aligned}A^{+}AB&=B(AB)^{+}AB,\\BB^{+}A^{*}&=A^{*}AB(AB)^ {+}.\end{aligned}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Следующие условия являются достаточными для
:
-
имеет ортонормированные столбцы (тогда ), или![{\displaystyle A^{*}A=A^{+}A=I_{n}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
-
имеет ортонормированные строки (тогда ), или![{\displaystyle BB^{*}=BB^{+}=I_{n}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
-
имеет линейно независимые столбцы (тогда ) и имеет линейно независимые строки (тогда ), или![{\displaystyle A^{+}A=I}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle BB^{+}=I}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
, или
.
Следующее является необходимым условием для
:
![{\displaystyle (A^{+}A)(BB^{+})=(BB^{+})(A^{+}A)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Четвертое достаточное условие дает равенства![{\displaystyle {\begin{aligned}\left(AA^{*}\right)^{+}&=A^{+*}A^{+},\\\left(A^{*}A\ вправо)^{+}&=A^{+}A^{+*}.\end{aligned}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Вот контрпример, где
:
![{\displaystyle {\Biggl (}{\begin{pmatrix}1&1\\0&0\end{pmatrix}}{\begin{pmatrix}0&0\\1&1\end{pmatrix}}{\Biggr )}^{+}= {\begin{pmatrix}1&1\\0&0\end{pmatrix}}^{+}={\begin{pmatrix}{\tfrac {1}{2}}&0\\{\tfrac {1}{2}} &0\end{pmatrix}}\quad \neq \quad {\begin{pmatrix}{\tfrac {1}{4}}&0\\{\tfrac {1}{4}}&0\end{pmatrix}}= {\begin{pmatrix}0&{\tfrac {1}{2}}\\0&{\tfrac {1}{2}}\end{pmatrix}}{\begin{pmatrix}{\tfrac {1}{2 }}&0\\{\tfrac {1}{2}}&0\end{pmatrix}}={\begin{pmatrix}0&0\\1&1\end{pmatrix}}^{+}{\begin{pmatrix}1&1 \\0&0\end{pmatrix}}^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Проекторы
и являются ортогональными операторами проектирования , т. е. являются эрмитовыми ( , ) и идемпотентными ( и ). Следующие положения имеют место:![{\displaystyle Q=A^{+}A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle P=P^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Q=Q^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle P^{2}=P}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Q^{2}=Q}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
и![{\displaystyle A^{+}P=QA^{+}=A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
-
— ортогональный проектор на образ (
который равен ортогональному дополнению ядра
). -
— ортогональный проектор на образ
(который равен ортогональному дополнению ядра
).
является ортогональным проектором на ядро
.
является ортогональным проектором на ядро
. [5]
Последние два свойства подразумевают следующие тождества:
![{\displaystyle A\,\ \left(IA^{+}A\right)=\left(I-AA^{+}\right)A\ \ =0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{*}\left(I-AA^{+}\right)=\left(IA^{+}A\right)A^{*}=0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Другое свойство следующее: если
эрмитова и идемпотентна (истинна тогда и только тогда, когда она представляет собой ортогональный проектор), то для любой матрицы
справедливо следующее уравнение: [9]![{\displaystyle A(BA)^{+}=(BA)^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Это можно доказать, определив матрицы , и проверив, что действительно является псевдообратной для , проверив, что определяющие свойства псевдообратной выполняются, когда является эрмитовым и идемпотентным.![{\displaystyle C=BA}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle D=A(BA)^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle D}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Из последнего свойства следует, что если
эрмитова и идемпотентна, то для любой матрицы ![{\displaystyle B\in \mathbb {K} ^{n\times m}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (AB)^{+}A=(AB)^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Наконец, если
— матрица ортогонального проектирования, то ее псевдообратная тривиально совпадает с самой матрицей, т. е . .![{\displaystyle A^{+}=A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Геометрическая конструкция
Если мы рассматриваем матрицу как линейное отображение
над полем ,
то
можно разложить следующим образом. Мы пишем
для прямой суммы ,
для ортогонального дополнения ,
для ядра карты и
для образа карты. Обратите внимание, что и . Тогда ограничение является изоморфизмом. Это означает, что на является обратным этому изоморфизму и равен нулю на![{\displaystyle \mathbb {K} ^{n}=\left(\ker A\right)^{\perp }\oplus \ker A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbb {K} ^{m}=\operatorname {ran} A\oplus \left(\operatorname {ran} A\right)^{\perp }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A:\left(\ker A\right)^{\perp}\to \operatorname {ran} A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \operatorname {run} A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \left(\operatorname {ran} A\right)^{\perp }.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Другими словами: чтобы найти
для данного
в
, сначала спроецируйте
ортогонально на диапазон
, найдя точку
в диапазоне. Затем сформируйте
, то есть найдите в
те векторы , которые
отправляет в
. Это будет аффинное подпространство ,
параллельное ядру
. Элемент этого подпространства, имеющий наименьшую длину (то есть ближайший к началу координат), и есть ответ ,
который мы ищем. Его можно найти, взяв произвольный член
и спроектировав его ортогонально на ортогональное дополнение ядра
.
Это описание тесно связано с решением линейной системы с минимальной нормой.
Предельные отношения
Псевдообратные — это пределы:
(см. Тихоновскую регуляризацию ). Эти пределы существуют, даже если или не существуют. [5] : 263 ![{\displaystyle A^{+}=\lim _{\delta \searrow 0}\left(A^{*}A+\delta I\right)^{-1}A^{*}=\lim _{\ delta \searrow 0}A^{*}\left(AA^{*}+\delta I\right)^{-1}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \left(AA^{*}\right)^{-1}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \left(A^{*}A\right)^{-1}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Непрерывность
В отличие от обычного обращения матриц, процесс получения псевдообратных не является непрерывным : если последовательность
сходится к матрице
(скажем, в максимальной норме или норме Фробениуса ), то
не обязательно сходится к
. Однако, если все матрицы
имеют тот же ранг, что и
,
будет сходиться к
. [10]
Производная
Пусть – вещественная дифференцируемая матрица-функция постоянного ранга в точке . Производная at может быть вычислена через производную at : [11]
где функции и производные в правой части оцениваются при (т. е. , , и т. д.). Для комплексной матрицы транспонирование заменяется сопряженным транспонированием. [12] Для вещественной симметричной матрицы установлена производная Магнуса-Нойдекера. [13]![{\displaystyle x\mapsto A (x)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle x_{0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle x\mapsto A^{+}(x)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle x_{0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \left.{\frac {\mathrm {d} {\mathrm {d} x}}\right|_{x=x_{0}\!\!\!\!\!\!\! }A^{+}=-A^{+}\left({\frac {\mathrm {d} A}{\mathrm {d} x}}\right)A^{+}~+~A^{ +}A^{+\top }\left({\frac {\mathrm {d} A^{\top }}{\mathrm {d} x}}\right)\left(I-AA^{+} \right)~+~\left(IA^{+}A\right)\left({\frac {\mathrm {d} A^{\top }}{\mathrm {d} x}}\right)A ^{+\top }A^{+},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle x_{0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A:=A(x_{0})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}:=A^{+}(x_{0})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Примеры
Поскольку для обратимых матриц псевдообратная равна обычной обратной, ниже рассматриваются только примеры необратимых матриц.
- Для псевдоинверсии является Уникальность этой псевдоинверсии можно увидеть из требования , поскольку умножение на нулевую матрицу всегда будет давать нулевую матрицу.
![{\displaystyle A={\begin{pmatrix}0&0\\0&0\end{pmatrix}},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}={\begin{pmatrix}0&0\\0&0\end{pmatrix}}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=A^{+}AA^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Ибо псевдообратная есть .
![{\displaystyle A={\begin{pmatrix}1&0\\1&0\end{pmatrix}},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}={\begin{pmatrix}{\frac {1}{2}}&{\frac {1}{2}}\\0&0\end{pmatrix}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Действительно, и, таким образом , . Аналогично , и таким образом .
![{\displaystyle A\,A^{+}={\begin{pmatrix}{\frac {1}{2}} & {\frac {1}{2}}\\{\frac {1}{2} }&{\frac {1}{2}}\end{pmatrix}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A\,A^{+}A={\begin{pmatrix}1&0\\1&0\end{pmatrix}}=A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}A={\begin{pmatrix}1&0\\0&0\end{pmatrix}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}A\,A^{+}={\begin{pmatrix}{\frac {1}{2}} & {\frac {1}{2}}\\0&0\end{ pmatrix}}=A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Обратите внимание, что
не является ни инъективным, ни сюръективным, и, следовательно, псевдообратный не может быть вычислен с помощью ни , поскольку и оба сингулярны, и, кроме того, не является ни левым, ни правым обратным.![{\displaystyle A^{+}=\left(A^{*}A\right)^{-1}A^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=A^{*}\left(AA^{*}\right)^{-1}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{*}A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle AA^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Тем не менее, псевдообратное можно вычислить с помощью SVD, наблюдая за этим и, следовательно , .
![{\displaystyle A={\sqrt {2}}\left({\frac {\mathbf {e} _{1}+\mathbf {e} _{2}}{\sqrt {2}}}\right) \mathbf {e} _{1}^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}={\frac {1}{\sqrt {2}}}\,\mathbf {e} _{1}\left({\frac {\mathbf {e} _{1} +\mathbf {e} _{2}}{\sqrt {2}}}\right)^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Для
![{\displaystyle A^{+}={\begin{pmatrix}{\frac {1}{2}}&- {\frac {1}{2}}\\0&0\end{pmatrix}}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Для . Знаменатели здесь .
![{\displaystyle A^{+}={\begin{pmatrix}{\frac {1}{5}}&{\frac {2}{5}}\\0&0\end{pmatrix}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle 5=1^{2}+2^{2}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Для
![{\displaystyle A^{+}={\begin{pmatrix}{\frac {1}{4}}&{\frac {1}{4}}\\{\frac {1}{4}}&{ \frac {1}{4}}\end{pmatrix}}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Ибо псевдообратная есть .
![{\displaystyle A={\begin{pmatrix}1&0\\0&1\\0&1\end{pmatrix}},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}={\begin{pmatrix}1&0&0\\0&{\frac {1}{2}}&{\frac {1}{2}}\end{pmatrix}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Для этой матрицы существует левая обратная и, таким образом, равна , действительно,
![{\displaystyle A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}A={\begin{pmatrix}1&0\\0&1\end{pmatrix}}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Особые случаи
Скаляры
Также возможно определить псевдообратное значение для скаляров и векторов. Это равносильно тому, чтобы рассматривать их как матрицы. Псевдообратный скаляр
равен нулю, если
равен нулю, и обратному
в противном случае:![{\displaystyle x^{+}={\begin{cases}0,&{\mbox{if }}x=0;\\x^{-1},&{\mbox{иначе}}.\end{ случаи}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Векторы
Псевдообратным нулевому вектору (все нули) является транспонированный нулевой вектор. Псевдообратным ненулевого вектора является сопряженный транспонированный вектор, деленный на квадрат его величины:
![{\displaystyle {\vec {x}}^{+}={\begin{cases}{\vec {0}}^{\operatorname {T} },&{\text{if }}{\vec {x }}={\vec {0}};\\{\vec {x}}^{*}/({\vec {x}}^{*}{\vec {x}}),&{\text {иначе}}.\end{случаи}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Диагональные матрицы
Псевдообратная диагональная матрица в квадрате получается путем взятия обратной величины ненулевых диагональных элементов. Формально, если - квадратная диагональная матрица с и , то . В более общем смысле, если это любая прямоугольная матрица, единственные ненулевые элементы которой находятся на диагонали, что означает , , то это прямоугольная матрица, диагональные элементы которой являются обратными исходным, то есть .![{\displaystyle D}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle D={\tilde {D}}\oplus \mathbf {0} _{k\times k}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\tilde {D}}>0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle D^{+}={\tilde {D}}^{-1}\oplus \mathbf {0} _{k\times k}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle m\times n}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A_{ij}=\delta _{ij}a_{i}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle a_{i}\in \mathbb {K} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle n\times м}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A_{ii}\neq 0\подразумевает A_{ii}^{+}=1/A_{ii}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Линейно независимые колонны
Если ранг
идентичен рангу его столбца ,
, (для
, ) существует
линейно независимые столбцы, и
обратим. В этом случае явная формула имеет вид: ![{\displaystyle A^{+}=\left(A^{*}A\right)^{-1}A^{*}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Отсюда следует, что
является левой инверсией
: .![{\displaystyle A^{+}A=I_{n}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Линейно независимые строки
Если ранг
идентичен рангу его строки ,
, (для
,) существует линейно
независимые строки, и
обратим. В этом случае явная формула имеет вид:![{\displaystyle A^{+}=A^{*}\left(AA^{*}\right)^{-1}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Отсюда следует, что
является правой противоположностью
: .![{\displaystyle AA^{+}=I_{m}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Ортонормированные столбцы или строки
Это особый случай либо полного ранга столбца, либо полного ранга строки (рассмотрено выше). Если
имеет ортонормированные столбцы ( ) или ортонормированные строки ( ), то:![{\displaystyle A^{*}A=I_{n}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle AA^{*}=I_{m}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=A^{*}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Нормальные матрицы
Если
является нормальным , то есть он коммутирует со своим сопряженным транспонированием, то его псевдообратное можно вычислить путем его диагонализации, отображения всех ненулевых собственных значений в их обратные и отображения нулевых собственных значений в ноль. Следствием является то, что коммутация
со своим транспонированием подразумевает, что он коммутирует со своим псевдообратным.
EP-матрицы
(Квадратная) матрица
называется матрицей EP, если она коммутирует со своей псевдообратной. В таких случаях (и только в таких случаях) можно получить псевдообратный полином от
. Полином, такой, что его можно легко получить из характеристического многочлена или, в более общем смысле, из любого аннулирующего многочлена . [15]![{\ displaystyle p (t)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=p(A)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Матрицы ортогональных проекций
Это частный случай нормальной матрицы с собственными значениями 0 и 1. Если
— матрица ортогонального проектирования, то есть и , то псевдообратная тривиально совпадает с самой матрицей:![{\displaystyle A=A^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{2}=A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=A.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Циркулянтные матрицы
Для циркулянтной матрицы
разложение по сингулярным значениям задается преобразованием Фурье , то есть сингулярные значения являются коэффициентами Фурье. Пусть
будет матрицей дискретного преобразования Фурье (ДПФ) ; тогда [16]![{\displaystyle {\begin{aligned}C&={\mathcal {F}}\cdot \Sigma \cdot {\mathcal {F}}^{*},\\C^{+}&={\mathcal {F }}\cdot \Sigma ^{+}\cdot {\mathcal {F}}^{*}.\end{aligned}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Строительство
Разложение рангов
Пусть
обозначает ранг .
Тогда
можно разложить (ранг) следующим образом: где и имеют ранг . Затем .![{\displaystyle A=BC}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B\in \mathbb {K} ^{m\times r}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C\in \mathbb {K} ^{r\times n}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle г}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=C^{+}B^{+}=C^{*}\left(CC^{*}\right)^{-1}\left(B^{*}B \right)^{-1}B^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
QR-метод
Явное вычисление произведения или и их обратных значений часто является источником числовых ошибок округления и затрат на вычисления на практике. Вместо этого можно использовать альтернативный подход, использующий QR -разложение .![{\displaystyle \mathbb {K} \in \{\mathbb {R},\mathbb {C} \}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle AA^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{*}A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Рассмотрим случай, когда
имеет полный ранг столбца, так что . Тогда можно использовать разложение Холецкого , где — верхняя треугольная матрица . Умножение на обратное затем легко выполняется путем решения системы с несколькими правыми частями:
![{\displaystyle A^{*}A=R^{*}R}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle R}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=\left(A^{*}A\right)^{-1}A^{*}\quad \Leftrightarrow \quad \left(A^{*}A\right)A ^{+}=A^{*}\quad \Leftrightarrow \quad R^{*}RA^{+}=A^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
которую можно решить прямой заменой с последующей обратной заменой .
Разложение Холецкого можно вычислить без явного формирования
, альтернативно используя QR-разложение , где имеет ортонормированные столбцы, и является верхнетреугольным. Затем![{\displaystyle A=QR}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Q}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Q^{*}Q=I}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle R}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{*}A\,=\,(QR)^{*}(QR)\,=\,R^{*}Q^{*}QR\,=\,R^{*} Р,}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
итак ,
— это фактор Холецкого
.
Случай полного ранга строки рассматривается аналогично с использованием формулы и аналогичного аргумента, меняя роли и .![{\displaystyle A^{+}=A^{*}\left(AA^{*}\right)^{-1}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Использование полиномов в матрицах
Для произвольного
имеем нормальную и, как следствие, матрицу EP. Тогда можно найти полином такой, что . В этом случае псевдообратное к имеет вид [15]![{\displaystyle A^{*}A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle p (t)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (A^{*}A)^{+}=p(A^{*}A)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=p(A^{*}A)A^{*}=A^{*}p(AA^{*}).}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Разложение по сингулярным значениям (SVD)
Вычислительно простой и точный способ вычисления псевдообратного значения — использование разложения по сингулярным значениям . [5] [17] Если - разложение по сингулярным значениям , то . Для прямоугольной диагональной матрицы , такой как , мы получаем псевдообратную операцию, беря обратную величину каждого ненулевого элемента на диагонали, оставляя нули на месте, а затем транспонируя матрицу. В численных вычислениях только элементы, превышающие некоторый малый допуск, считаются ненулевыми, а остальные заменяются нулями. Например, в функции pinv MATLAB или GNU Octave допуск принимается равным t = ε⋅max( m , n )⋅max(Σ) , где ε — машинный эпсилон .![{\displaystyle A=U\Sigma V^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{+}=V\Sigma ^{+}U^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \Сигма }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
В вычислительных затратах этого метода преобладает стоимость вычисления SVD, которая в несколько раз превышает стоимость умножения матриц на матрицы, даже если используется современная реализация (например, LAPACK ) .
Приведенная выше процедура показывает, почему выполнение псевдообратного преобразования не является непрерывной операцией: если исходная матрица
имеет сингулярное значение 0 (диагональный элемент матрицы
выше), то небольшое изменение
может превратить этот ноль в крошечный положительный число, тем самым существенно влияя на псевдообратное число, поскольку теперь нам приходится брать обратную величину крошечного числа.
Блочные матрицы
Существуют оптимизированные подходы для расчета псевдообратных матриц с блочной структурой.
Итерационный метод Бен-Исраэля и Коэна
Другой метод вычисления псевдообратного (см. обратное Дразина ) использует рекурсию![{\displaystyle A_{i+1}=2A_{i}-A_{i}AA_{i},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
которую иногда называют последовательностью гипермощности. Эта рекурсия создает последовательность, квадратично сходящую к псевдообратной ,
если она начинается с подходящего ,
удовлетворяющего . Утверждалось, что выбор (где обозначает наибольшее сингулярное значение ) [18] не может конкурировать с методом с использованием упомянутого выше SVD, поскольку даже для умеренно плохо обусловленных матриц требуется много времени, прежде чем входит в область квадратичной сходимости. [19] Однако, если начать с , уже близкого к обратному Муру – Пенроузу и , например , сходимость будет быстрой (квадратичной).![{\displaystyle A_{0}A=\left(A_{0}A\right)^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A_{0}=\alpha A^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle 0<\alpha <2/\sigma _{1}^{2}(A)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \sigma _{1}(A)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A_{i}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A_{0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A_{0}A=\left(A_{0}A\right)^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A_{0}:=\left(A^{*}A+\delta I\right)^{-1}A^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Обновление псевдоинверсии
Для случаев, когда
имеет полный ранг строки или столбца, а обратная корреляционная матрица (
для
с полным рангом строки или
для полного ранга столбца) уже известна, псевдообратная для матриц, связанных с
можно вычислить, применив формулу Шермана-Моррисона-Вудбери для обновления обратной корреляционной матрицы, что может потребовать меньше работы. В частности, если связанная матрица отличается от исходной только измененной, добавленной или удаленной строкой или столбцом, существуют дополнительные алгоритмы, использующие эту взаимосвязь. [20] [21]
Аналогично, можно обновить коэффициент Холецкого при добавлении строки или столбца, не создавая явно обратную матрицу корреляции. Однако обновление псевдоинверсии в общем случае с дефицитом ранга гораздо сложнее. [22] [23]
Библиотеки программного обеспечения
Качественные реализации SVD, QR и обратной замены доступны в стандартных библиотеках, таких как LAPACK . Написание собственной реализации SVD — это крупный программный проект, требующий значительных вычислительных знаний . Однако в особых обстоятельствах, таких как параллельные вычисления или встроенные вычисления , альтернативные реализации с помощью QR или даже использование явной обратной операции могут быть предпочтительными, а пользовательские реализации могут быть неизбежны.
Пакет Python NumPy обеспечивает псевдообратные вычисления с помощью своих функций matrix.I
и linalg.pinv
; он pinv
использует алгоритм на основе SVD. SciPy добавляет функцию scipy.linalg.pinv
, которая использует решатель наименьших квадратов.
Пакет MASS для R обеспечивает вычисление обратной функции Мура – Пенроуза с помощью этой ginv
функции. [24] Функция ginv
вычисляет псевдообратную, используя разложение по сингулярным значениям, предоставляемое функцией svd
в базовом пакете R. Альтернативой является использование pinv
функции, доступной в пакете pracma.
Язык программирования Octave обеспечивает псевдоинверсию через стандартную функцию пакета pinv
и pseudo_inverse()
метод.
В Julia (язык программирования) пакет LinearAlgebra стандартной библиотеки предоставляет реализацию обратного Мура-Пенроуза, pinv()
реализованную посредством разложения по сингулярным значениям. [25]
Приложения
Линейный метод наименьших квадратов
Псевдообратное обеспечивает решение системы линейных уравнений методом наименьших квадратов . [26]
Для , учитывая систему линейных уравнений![{\displaystyle A\in \mathbb {K} ^{m\times n}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Ax=b,}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
в общем случае вектор ,
который решает систему, может не существовать, а если он и существует, то он может быть не единственным. Более конкретно, решение существует тогда и только тогда, когда находится в образе , и уникально тогда и только тогда, когда оно инъективно. Псевдообратная задача решает задачу «наименьших квадратов» следующим образом:![{\displaystyle б}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
-
, где и обозначает евклидову норму . Это слабое неравенство выполняется с равенством тогда и только тогда, когда для любого вектора ; это обеспечивает бесконечное количество минимизирующих решений, если только не имеет полного ранга столбца, и в этом случае является нулевой матрицей. [27] Решение с минимальной евклидовой нормой: [27]![{\displaystyle \left\|Ax-b\right\|_{2}\geq \left\|Az-b\right\|_{2}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle z=A^{+}b}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \|\cdot \|_{2}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle x=A^{+}b+\left(IA^{+}A\right)w}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle ш}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \left (IA^{+}A\right)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle z.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Этот результат легко распространяется на системы с кратными правыми частями, когда евклидова норма заменяется нормой Фробениуса. Пусть
.
-
, где и обозначает норму Фробениуса .![{\displaystyle \|AX-B\|_{\mathrm {F} }\geq \|AZ-B\|_{\mathrm {F} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Z=A^{+}B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \|\cdot \|_ {\mathrm {F} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Получение всех решений линейной системы
Если линейная система
![{\displaystyle Axe=b}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
имеет какие-либо решения, все они заданы формулой [28]
![{\displaystyle x=A^{+}b+\left[IA^{+}A\right]w}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
для произвольного вектора
. Решение(я) существует тогда и только тогда, когда . [28] Если последнее верно, то решение уникально тогда и только тогда, когда имеет полный ранг столбца, и в этом случае является нулевой матрицей. Если решения существуют, но не имеет полного ранга столбца, то мы имеем неопределенную систему , все бесконечные решения которой задаются этим последним уравнением.![{\displaystyle AA^{+}b=b}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle IA^{+}A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Решение минимальной нормы линейной системы
Для линейных систем с неединственными решениями (например, недоопределенных систем) псевдообратное можно использовать для построения решения минимальной евклидовой нормы среди всех решений.![{\displaystyle Ax=b,}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \|x\|_{2}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Если выполнимо, то вектор является решением и удовлетворяет всем решениям.
![{\displaystyle Axe=b}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle z=A^{+}b}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \|z\|_{2}\leq \|x\|_{2}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Этот результат легко распространяется на системы с кратными правыми частями, когда евклидова норма заменяется нормой Фробениуса. Пусть
.
- Если выполнимо, матрица является решением и удовлетворяет всем решениям.
![{\displaystyle AX=B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Z=A^{+}B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \|Z\|_{\mathrm {F} }\leq \|X\|_ {\mathrm {F} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Номер условия
Используя псевдообратное и матричную норму , можно определить число обусловленности для любой матрицы:![{\displaystyle {\mbox{cond}}(A)=\|A\|\left\|A^{+}\right\|.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Большое число обусловленности означает, что задача поиска решений методом наименьших квадратов соответствующей системы линейных уравнений плохо обусловлена в том смысле, что небольшие ошибки в записях
могут привести к огромным ошибкам в записях решения. [29]
Обобщения
Чтобы решить более общие задачи наименьших квадратов, можно определить обратные Мура – Пенроуза для всех непрерывных линейных операторов
между двумя гильбертовыми пространствами
и
, используя те же четыре условия, что и в нашем определении выше. Оказывается, не всякий непрерывный линейный оператор имеет в этом смысле непрерывный линейный псевдообратный. [29] Те, кто это делает, - это именно те, чей диапазон замкнут в
.
Понятие псевдообратного существует для матриц над произвольным полем , наделенных произвольным инволютивным автоморфизмом . В этом более общем случае данная матрица не всегда имеет псевдообратную. Необходимым и достаточным условием существования псевдообратного является то , что , где обозначает результат применения операции инволюции к транспонированию . Когда оно существует, оно уникально. [30] Пример : рассмотрим поле комплексных чисел, снабженное тождественной инволюцией (в отличие от инволюции, рассматриваемой в другом месте статьи); существуют ли матрицы, которые не имеют псевдообратных в этом смысле? Рассмотрим матрицу . Обратите внимание на это, пока . Таким образом, эта матрица не имеет псевдообратной в этом смысле.![{\displaystyle \operatorname {ранг} (A) =\operatorname {ранг} \left(A^{*}A\right)=\operatorname {rank} \left(AA^{*}\right)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A^{*}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle A={\begin{bmatrix}1&i\end{bmatrix}}^{\operatorname {T} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \operatorname {rank} \left(AA^{\operatorname {T} }\right)=1}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \operatorname {rank} \left(A^{\operatorname {T} }A\right)=0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
В абстрактной алгебре инверсия Мура-Пенроуза может быть определена на *-регулярной полугруппе . Это абстрактное определение совпадает с определением в линейной алгебре.
Смотрите также
Примечания
- ^
- Бен-Исраэль и Гревилл 2003, с. 7
- Кэмпбелл и Мейер 1991, с. 10
- Накамура 1991, с. 42
- Рао и Митра 1971, с. 50–51
- ^ Мур, Э.Х. (1920). «Об обратной общей алгебраической матрице». Бюллетень Американского математического общества . 26 (9): 394–95. дои : 10.1090/S0002-9904-1920-03322-7 .
- ^ Бьерхаммар, Арне (1951). «Применение матричного исчисления к методу наименьших квадратов; со специальными ссылками на геодезические расчеты». Пер. Рой. Инст. Тех. Стокгольм . 49 .
- ^ Аб Пенроуз, Роджер (1955). «Обобщенное обратное для матриц». Труды Кембриджского философского общества . 51 (3): 406–13. Бибкод : 1955PCPS...51..406P. дои : 10.1017/S0305004100030401 .
- ^ abcde Голуб, Джин Х .; Чарльз Ф. Ван Лоан (1996). Матричные вычисления (3-е изд.). Балтимор: Джонс Хопкинс. стр. 257–258. ISBN 978-0-8018-5414-9.
- ^ abc Стер, Йозеф; Булирш, Роланд (2002). Введение в численный анализ (3-е изд.). Берлин, Нью-Йорк: Springer-Verlag . ISBN 978-0-387-95452-3..
- ^ Гревилл, Теннесси (1 октября 1966). «Примечание об обобщенном обратном матричном произведении». Обзор СИАМ . 8 (4): 518–521. Бибкод : 1966SIAMR...8..518G. дои : 10.1137/1008107. ISSN 0036-1445.
- ^ Мациевский, Энтони А.; Кляйн, Чарльз А. (1985). «Обход препятствий для кинематически избыточных манипуляторов в динамически изменяющихся средах». Международный журнал исследований робототехники . 4 (3): 109–117. дои : 10.1177/027836498500400308. HDL : 10217/536 . S2CID 17660144.
- ^ Ракочевич, Владимир (1997). «О непрерывности обратных Мура – Пенроуза и Дрейзина» (PDF) . Математический весник . 49 : 163–72.
- ^ Голуб, Г.Х.; Перейра, В. (апрель 1973 г.). «Дифференциация псевдообратных и нелинейных задач наименьших квадратов, переменные которых разделяются». SIAM Journal по численному анализу . 10 (2): 413–32. Бибкод : 1973SJNA...10..413G. дои : 10.1137/0710036. JSTOR 2156365.
- ^ Хьёрунгнес, Аре (2011). Производные комплексных матриц: с приложениями в обработке сигналов и связи . Нью-Йорк: Издательство Кембриджского университета. п. 52. ИСБН 9780521192644.
- ^ Лю, Шуанчжэ; Тренклер, Гетц; Колло, Тыну; фон Розен, Дитрих; Баксалари, Оскар Мария (2023). «Профессор Хайнц Нойдекер и матричное дифференциальное исчисление». Статистические документы . doi : 10.1007/s00362-023-01499-w.
- ^ Аб Баджо, И. (2021). «Вычисление обратных операций Мура – Пенроуза с полиномами в матрицах». Американский математический ежемесячник . 128 (5): 446–456. дои : 10.1080/00029890.2021.1886840. hdl : 11093/6146 .
- ^ Столлингс, WT; Бульон, ТЛ (1972). «Псевдообратная r- циркулянтная матрица». Труды Американского математического общества . 34 (2): 385–88. дои : 10.2307/2038377. JSTOR 2038377.
- ^ Линейные системы и псевдообратные
- ^ Бен-Исраэль, Ади; Коэн, Дэн (1966). «Об итеративном вычислении обобщенных обратных и связанных с ними проекций». SIAM Journal по численному анализу . 3 (3): 410–19. Бибкод : 1966SJNA....3..410B. дои : 10.1137/0703035. JSTOR 2949637.PDF
- ^ Седерстрем, Торстен; Стюарт, GW (1974). «О числовых свойствах итерационного метода вычисления обобщенного обратного Мура – Пенроуза». SIAM Journal по численному анализу . 11 (1): 61–74. Бибкод : 1974SJNA...11...61S. дои : 10.1137/0711008. JSTOR 2156431.
- ^ Грамс, Тино (1992). Worterkennung mit einem künstlichen Neuronalen Netzwerk (докторская диссертация). Университет Георга Августа в Геттингене. ОСЛК 841706164.
- ↑ Эмтияз, Мохаммад (27 февраля 2008 г.). «Обновление обратной матрицы при добавлении/удалении столбца» (PDF) .
- ^ Мейер, Карл Д. младший (1973). «Обобщенные обратные и ранги блочных матриц». СИАМ J. Appl. Математика . 25 (4): 597–602. дои : 10.1137/0125057.
- ^ Мейер, Карл Д. младший (1973). «Обобщенное обращение модифицированных матриц». СИАМ J. Appl. Математика . 24 (3): 315–23. дои : 10.1137/0124033.
- ^ «R: Обобщенная обратная матрица».
- ^ "ЛинейнаяАлгебра.pinv".
- ^ Пенроуз, Роджер (1956). «О наилучшем приближенном решении линейных матричных уравнений». Труды Кембриджского философского общества . 52 (1): 17–19. Бибкод : 1956PCPS...52...17P. дои : 10.1017/S0305004100030929. S2CID 122260851.
- ^ Аб Планитц, М. (октябрь 1979 г.). «Несовместные системы линейных уравнений». Математический вестник . 63 (425): 181–85. дои : 10.2307/3617890. JSTOR 3617890. S2CID 125601192.
- ^ аб Джеймс, М. (июнь 1978 г.). «Обобщенная инверсия». Математический вестник . 62 (420): 109–14. дои : 10.1017/S0025557200086460. S2CID 126385532.
- ^ Аб Хаген, Роланд; Рох, Штеффен; Зильберманн, Бернд (2001). «Раздел 2.1.2». C*-алгебры и численный анализ . ЦРК Пресс.
- ^ Перл, Мартин Х. (1 октября 1968). «Обобщенные обратные матрицы с элементами, взятыми из произвольного поля». Линейная алгебра и ее приложения . 1 (4): 571–587. дои : 10.1016/0024-3795(68)90028-1 . ISSN 0024-3795.
Рекомендации
- Бен-Исраэль, Ади ; Гревилл, Томас Н.Э. (2003). Обобщенные обратные: Теория и приложения (2-е изд.). Нью-Йорк, штат Нью-Йорк: Спрингер. дои : 10.1007/b97366. ISBN 978-0-387-00293-4.
- Кэмпбелл, СЛ; Мейер, CD-младший (1991). Обобщенные обратные линейные преобразования . Дувр. ISBN 978-0-486-66693-8.
- Накамура, Ёсихико (1991). Передовая робототехника: резервирование и оптимизация . Аддисон-Уэсли. ISBN 978-0201151985.
- Рао, К. Радхакришна; Митра, Суджит Кумар (1971). Обобщенная обратная матрица и ее приложения . Нью-Йорк: Джон Уайли и сыновья. п. 240. ИСБН 978-0-471-70821-6.
Внешние ссылки