📜  Moore – Penrose 伪逆|数学

📅  最后修改于: 2022-05-13 01:58:07.278000             🧑  作者: Mango

Moore – Penrose 伪逆|数学

在线性代数伪逆( A^{+} ) 的矩阵A是逆矩阵的推广。伪逆最常见的用途是计算缺乏唯一解的线性方程组的最佳拟合解。 Moore – Penrose 逆是最广为人知的矩阵伪逆类型。术语广义逆有时用作伪逆的同义词。

让系统给出如下:
 \overrightarrow{y} = A\overrightarrow{x}

我们知道A\overrightarrow{y} ,我们想找到\overrightarrow{x} .
在哪里:
\overrightarrow{x}\overrightarrow{y}是向量,
A是一个矩阵

如果 A 是方阵,我们进行如下操作:
 \overrightarrow{y} = A\overrightarrow{x}

 A^{-1}\overrightarrow{y} = A^{-1}A\overrightarrow{x}



 A^{-1}\overrightarrow{y} = I\overrightarrow{x}

 A^{-1}\overrightarrow{y} = \overrightarrow{x}

但是如果 A 不是方阵,我们就不能计算通常的A^{-1} .然而,我们可以形成伪逆。
A^{+}\equiv pseudoinverse

如果我们详细了解系统即\overrightarrow{y} = A\overrightarrow{x} ,那么它代表以下方程组:
 a_1_, _1 x_1 + a_1_, _2 x_2 + . . . + a_1_, _n x_n = y_1

 a_2_, _1 x_1 + a_2_, _2 x_2 + . . . + a_2_, _n x_n = y_2
. .
. .
. .
 a_m_, _1 x_1 + a_m_, _2 x_2 + . . . + a_m_, _n x_n = y_m

也可以写成矩阵形式如下:
 \begin{bmatrix}  a_1_, _1 & a_1_, _2&.&.&.&a_1_, _n \\ a_2_, _1 & a_2_, _2 &.&.&.&a_2_, _n\\  . &  & & & & . \\  . &  & & & & . \\  . &  & & & & . \\ a_m_, _1 & a_m_, _2 &.&.&.&a_m_, _n\\ \end{bmatrix} % \begin{bmatrix} x_1\\ x_2\\ .\\ .\\ .\\ x_n\\ \end{bmatrix} = \begin{bmatrix} y_1\\ y_2\\ .\\ .\\ .\\ y_n\\ \end{bmatrix}

其中 m > n表示行数大于列数或行数大于变量数。

上述问题的解决方法:
有多种方法可以解决上述问题。一种解决方案涉及摩尔 - 彭罗斯伪逆。我们将摩尔-彭罗斯伪逆写为A^[+} .
我们有A^{+}A = IAA^{+} \neq I除非 A 有通常的逆。
所以,为了解决这个问题,我们按照以下步骤进行:
\overrightarrow{y} = A\overrightarrow{x}



A^{+}\overrightarrow{y} \approx A^{+}A\overrightarrow{x}

A^{+}\overrightarrow{y} \approx I\overrightarrow{x}

A^{+}\overrightarrow{y} \approx \overrightarrow{x}

这就是我们使用摩尔 - 彭罗斯伪逆求解线性方程的简单方式。 Moore-Penrose 伪逆的推导超出了本文的范围。如果您想了解更多信息,可以访问此链接。这里简单介绍一下计算方法。摩尔 - 彭罗斯伪逆计算为
A^{+} = (A^{T} A)^{-1} A^{T}

例子:

考虑以下 3 个线性方程: x_1 + 3x_2 = 175x_1 + 7x_2 = 1911x_1 + 13x_2 = 23等效地,我们可以将上述方程写成矩阵形式,如下所示: A\overrightarrow{x} = \overrightarrow{y}  \begin{bmatrix}  1 & 3 \\ 5 & 7 \\ 11 & 13 \\ \end{bmatrix} % \begin{bmatrix} x_1\\ x_2\\ \end{bmatrix} = \begin{bmatrix} 17\\ 19\\ 23\\ \end{bmatrix}  在我们计算摩尔 - 彭罗斯伪逆之后A^{+} = (A^{T} A)^{-1} A^{T} , 我们将获得: A^{+} = \begin{bmatrix}  -0.5197&-0.2171&0.2368 \\ 0.4276&0.2039&-0.1316 \\ \end{bmatrix} 检查矩阵乘积A^{+}A你会得到单位矩阵 I。 A^{+}A = I 我们有, A\overrightarrow{x} = \overrightarrow{y} 然后, A^{+}A\overrightarrow{x} \approx A^{+}\overrightarrow{y} \overrightarrow{x} \approx A^{+}\overrightarrow{y}  \begin{bmatrix}  x_1\\ x_2\\ \end{bmatrix} \approx \begin{bmatrix}  -0.5197&-0.2171&0.2368 \\ 0.4276&0.2039&-0.1316 \\ \end{bmatrix} % \begin{bmatrix}  7\\ 11\\ \end{bmatrix} 计算以上计算后,您将得到最终答案 \begin{bmatrix}  x_1\\ x_2\\ \end{bmatrix} \approx \begin{bmatrix}  -7.51\\ 8.12\\ \end{bmatrix}

注意: Moore – Penrose 伪逆以最小二乘误差的方式解决问题。一般来说,对于超定问题没有确切的解决方案。因此,如果您交叉检查该解决方案,您将不会得到确切所需的 y,而是 y 的近似值。