起源

设AA是n×nn\times n可逆方正,bb是任意一个nn维向量,则方程组

Ax=b

Ax=b总有解,且解 xx可表示为

x=A−1b.

x=A^{-1}b.
现在设 AA是m×nm\times n可逆方正, bb是一个mm维向量,是否存在 m×nm\times n矩阵 GG,使得方程

Ax=b

Ax=b总有解,且解 xx可表示为

x=Gb.

x=Gb.
这样的矩阵 GG就涉及到广义逆的概念。
广义逆也叫伪逆,一般是指Moore-Penrose广义逆矩阵。

定义

设A∈Cm×nA \in C^{m\times n},如果 G∈Cn×mG \in C^{n\times m}满足

(1)AGA=A,(2)GAG=G,(3)(AG)H=AG,(4)(GA)H=GA,

(1)\quad AGA=A, \\ (2)\quad GAG=G, \\ (3)\quad (AG)^{H}=AG, \\ (4)\quad (GA)^{H}=GA,
则 GG为AA的Moore-Penrose广义逆矩阵,简称M-P广义逆,记为 A+A^{+}或者 A†A^{\dagger}.
注: AHA^{H}为 AA的转置共轭矩阵.

广义逆的满秩算法

  1. 设AA为列满秩矩阵,则 A+=(AHA)−1AHA^{+}=(A^{H}A)^{-1}A^{H};

    • 设AA为行满秩矩阵,则A+=AH(AAH)−1A^{+}=A^{H}(AA^{H})^{-1};
    • 设A=LRA=LR,其中LL为列满秩矩阵,RR为行满秩矩. 则
      A+=R+L+=RH(RRH)−1(LHL)−1LH

      A^{+}=R^{+}L^{+}=R^{H}(RR^{H})^{-1}(L^{H}L)^{-1}L^{H}.

Moore-Penrose广义逆矩阵相关推荐

  1. Moore–Penrose伪逆

    设A∈Cm×n\mathbf{A}\in\mathbb{C}^{m\times n}A∈Cm×n,若存在n×mn\times mn×m的矩阵G\mathbf{G}G,同时满足 (1)AGA=A\mat ...

  2. matlab卷积矩阵绝对值,MATLAB矩阵分析和计算

    MATLAB矩阵分析和计算 编辑 锁定 讨论 上传视频 本词条缺少概述图,补充相关内容使词条更完整,还能快速升级,赶紧来编辑吧! <MATLAB矩阵分析和计算>是清华大学出版社出版的一本图 ...

  3. 矩阵论笔记(十)——广义逆矩阵

    当 AA 满秩时,方程 Ax=bAx = b 的解为 x=A−1bx = A^{-1}b.但当 AA 不满秩,甚至方程 Ax=bAx = b 无解时,我们也希望用某种逆 A†A^\dagger 的形式 ...

  4. 矩阵分析与应用-1.9-Moore-Penrose逆矩阵-Section3

    文章目录 前言 一.非一致方程的最小范数最小二乘解 二.广义逆矩阵的阶数递推计算 1. 左伪逆矩阵的阶数递推 2. 右伪逆矩阵的阶数递推 三.超定二维超越方程的求解 前言 本文学习过程来源是<矩 ...

  5. 极限学习机(ELM)

    1. 引言 极限学习机(extreme learning machine)ELM是一种简单易用.有效的单隐层前馈神经网络SLFNs学习算法.2004年由南洋理工大学黄广斌副教授提出.传统的神经网络学习 ...

  6. 极限学习机(Extreme Learning Machine)概述

    摘要 当今研究领域的一项事实就是,前向神经网络(feed-forward neural networks)的训练速度比人们所期望的速度要慢很多.并且,在过去的几十年中,前向神经网络在应用领域存在着很大 ...

  7. 【数理知识】《矩阵论》方保镕老师-第1章-矩阵的几何理论

    无无无 回到目录 下一章 第1章-矩阵的几何理论 1.1 线性空间上的线性算子与矩阵 1.1.1 线性空间 1.1.2 线性算子及其矩阵 1.2 内积空间上的等积变换 1.2.1 内积空间 1. 内积 ...

  8. matlab中bitget函数用法_Matlab函数大全

    目录 1.时间日期函数................................ ................................ ....................... ...

  9. Re: 从0开始的DMD学习

    文章目录 DMD理论1 理论叙述 离散 特征分解 最小化 定义DMD DMD算法 取得X的奇异值分解 计算A 特征分解 重构特征分解的A 预测 误差 代码实现 DMD理论2 DMD理论3 我的计算结果 ...

  10. Chapter 7 (Symmetric Matrices and Quadratic Forms): The Singular Value Decomposition (奇异值分解, SVD)

    目录 奇异值 奇异值的定义 非零奇异值 The Singular Value Decomposition (SVD) 奇异值分解 一些性质 几何解释 紧奇异值分解与截断奇异值分解 奇异值分解与矩阵近似 ...

最新文章

  1. android 模仿大众点评团购卷列表多余3条时折叠,点击时显示剩余全部的功能
  2. Android Design新特性-NavigationView实现抽屉式
  3. Navicat怎样同步两个数据库中的表
  4. 文献阅读课13-DSGAN: Generative Adversarial Training for (远程监督关系抽取,句子级去噪)
  5. spring-cloud-dependencies的Edgware.RELEASE版本问题
  6. VBA_输出SQL查询数据
  7. ubuntu12.04装机后设置
  8. 【深度学习】ImageDataGenerator的使用--读书笔记
  9. Sql JOIN 一张图说明
  10. Thought Works 总结
  11. js闭包,这个算是比较通俗的了(转)
  12. (九)洞悉linux下的Netfilteriptables:网络地址转换原理之DNAT
  13. c语言常见关键字汇总
  14. 知识分享!COB封装流程介绍!-道合顺大数据Infinigo
  15. 【vultr使用流程笔记】
  16. 百度云虚拟主机bch 重定向
  17. Spring详解—— IOC 和 DI 区别
  18. phpMyAdmin配置文件现在需要一个短语密码的解决方法
  19. 浪子换钱系统 更新版源码
  20. Windows安装pyav报错:ERROR: Failed building wheel for av.Failed to build av. ERROR: Could not build wheel

热门文章

  1. box-sizing属性的理解
  2. box-sizing的属性值
  3. linux运行blast,Linux下BLAST的使用
  4. CPU框架~ 什么是X86 ?~什么是ARM ? 华为鲲鹏云是什么?
  5. Photoshop如何调整图层大小?PS调整图层大小快捷键
  6. 4 实型变量,字符型数据(常量和变量),字符串常量2021-01-25
  7. LaTeX的长度单位
  8. 【汇编】更灵活的定位内存地址方式——and,or命令、SI、DI变址寄存器、直接寻址[idata]、寄存器间接寻址[bx]、寄存器相对寻址[bx+idata]、基址变址寻址、相对基址变址寻址
  9. VBA单元格、工作表、工作簿
  10. html如何让标题居中,HTML怎么把标题居中