3.4 矩阵 $A,A^T,A^TA,AA^T$ 秩相等,左逆和右逆
矩阵 A,AT,ATA,AATA,A^T,A^TA,AA^TA,AT,ATA,AAT 秩相等,左逆和右逆
令 r=rankAr=rank Ar=rankA ,因为零空间秩为 n−rn-rn−r ,零空间是矩阵行空间的正交补空间,矩阵 ATA^TAT 列空间就是矩阵 AAA 行空间,故 rankAT=n−rank(nullA)=rrank A^T = n-rank (null A) = rrankAT=n−rank(nullA)=r 。
方程 ATAx=0A^TA\mathbf{x}=\mathbf{0}ATAx=0 和 Ax=0A\mathbf{x}=\mathbf{0}Ax=0 是同解方程。证明如下:如果向量 x\mathbf{x}x是方程 Ax=0A\mathbf{x}=\mathbf{0}Ax=0 解,则显然是方程 ATAx=0A^TA\mathbf{x}=\mathbf{0}ATAx=0 解。如果向量 x\mathbf{x}x是方程 ATAx=0A^TA\mathbf{x}=\mathbf{0}ATAx=0 解,则 xTATAx=xT0=0\mathbf{x^T}A^TA\mathbf{x}=\mathbf{x^T}\mathbf{0}=0xTATAx=xT0=0 得 (Ax)T(Ax)=0(A\mathbf{x})^T(A\mathbf{x})=0(Ax)T(Ax)=0 得 ∥Ax∥=0\|A\mathbf{x}\|=0∥Ax∥=0 故 Ax=0A\mathbf{x}=\mathbf{0}Ax=0 ,两个方程同解,则 rankA=rankATArank A=rank A^TArankA=rankATA 。
同理可证 rankAT=rank(AT)TAT=rankAATrank A^T =rank (A^T)^TA^T = rank AA^TrankAT=rank(AT)TAT=rankAAT 。
重要性质 rankA=rankAT=rankATA=rankAATrank A=rank A^T = rank A^TA=rank AA^TrankA=rankAT=rankATA=rankAAT 。
矩阵相乘,秩会减小,所以 rankATA≤rankArank A^TA \leq rank ArankATA≤rankA ,但矩阵 AAA 可以是任意矩阵,不需是列满秩矩阵而 rankATA=rankArank A^TA = rank ArankATA=rankA ,这说明矩阵 AAA 的列向量不位于矩阵 ATA^TAT 零空间,可以证明 ATaiA^T\mathbf{a_i}ATai 不可能为零向量。ATai=[a1Tai⋮aiTai⋮anTai]≠0A^T\mathbf{a_i} = \left[ \begin{matrix} \mathbf{a^T_{1}}\mathbf{a_i} \\ \vdots \\ \mathbf{a^T_{i}}\mathbf{a_i} \\ \vdots \\ \mathbf{a^T_{n}}\mathbf{a_i} \end{matrix} \right] \ne \mathbf{0}ATai=⎣⎢⎢⎢⎢⎢⎢⎡a1Tai⋮aiTai⋮anTai⎦⎥⎥⎥⎥⎥⎥⎤=0 ,因为 aiTai>0\mathbf{a^T_{i}}\mathbf{a_i} > 0aiTai>0 。
直接得到如下推论。
重要性质 矩阵 AAA 是列满秩矩阵时,rankA=nrank A=nrankA=n ,nnn 阶方阵 rankATA=nrank A^TA=nrankATA=n 是可逆矩阵。
重要性质 矩阵 AAA 是列满秩矩阵时,因为 (ATA)−1ATA=En(A^TA)^{-1}A^TA=E_n(ATA)−1ATA=En ,称矩阵 (ATA)−1AT(A^TA)^{-1}A^T(ATA)−1AT 是矩阵 AAA 的左逆,记为 AL−1A^{-1}_LAL−1
因为矩阵 AL−1A^{-1}_LAL−1 左乘矩阵 AAA 等于单位矩阵,故称左逆。
重要性质 矩阵 AAA 是列满秩矩阵时,方程 Ax=bA\mathbf{x}=\mathbf{b}Ax=b 的解可表示为 x=AL−1b\mathbf{x}=A^{-1}_L\mathbf{b}x=AL−1b ,即著名的最小二乘解。
重要性质 矩阵 AAA 是行满秩矩阵时,rankA=mrank A=mrankA=m ,mmm 阶方阵 rankAAT=mrank AA^T=mrankAAT=m 是可逆矩阵。
重要性质 矩阵 AAA 是行满秩矩阵时,因为 AAT(AAT)−1=EmAA^T(AA^T)^{-1}=E_mAAT(AAT)−1=Em ,称矩阵 AT(AAT)−1A^T(AA^T)^{-1}AT(AAT)−1 是矩阵 AAA 的右逆,记为 AR−1A^{-1}_RAR−1
因为矩阵 AR−1A^{-1}_RAR−1 右乘矩阵 AAA 等于单位矩阵,故称右逆。
重要性质 矩阵 AAA 是行满秩矩阵时,方程 Ax=bA\mathbf{x}=\mathbf{b}Ax=b 的解可表示为 x=AR−1b\mathbf{x}=A^{-1}_R\mathbf{b}x=AR−1b ,即著名的最小范数解。
当矩阵 AAA 是满秩矩阵时, A−1A^{-1}A−1 是矩阵的逆。
读者会猜测,当矩阵 AAA 是行列均不满秩矩阵时,应该也存在“逆”,此“逆”称为伪逆,记为 A+A ^{+}A+ ,方程 Ax=bA\mathbf{x}=\mathbf{b}Ax=b 的解可表示为 x=A+b\mathbf{x}=A^{+}\mathbf{b}x=A+b ,即著名的最小范数最小二乘解。后面章节会详细解释这些概念。
3.4 矩阵 $A,A^T,A^TA,AA^T$ 秩相等,左逆和右逆相关推荐
- 6.1 范数最小解,右逆,零空间映射矩阵
6.1 范数最小解,右逆,零空间映射矩阵 矩阵 Amn,rankA=m<nA_{mn},rank A=m < nAmn,rankA=m<n 是行满秩矩阵时,高斯消元法可以求得方程 ...
- 矩阵的逆、伪逆、左右逆,最小二乘,投影矩阵
主要内容: 矩阵的逆.伪逆.左右逆 矩阵的左逆与最小二乘 左右逆与投影矩阵 一.矩阵的逆.伪逆.左右逆 1.矩阵的逆 定义: 设A是数域上的一个n阶方阵,若在相同数域上存在另一个n阶矩阵B,使得: A ...
- (数学概念)矩阵的逆、伪逆、左右逆,最小二乘,投影矩阵
主要内容: 矩阵的逆.伪逆.左右逆 矩阵的左逆与最小二乘 左右逆与投影矩阵 一.矩阵的逆.伪逆.左右逆 1.矩阵的逆 定义: 设A是数域上的一个n阶方阵,若在相同数域上存在另一个n阶矩阵B,使得: A ...
- 最优化方法——Matrix Inverse
Matrix Inverse 7.1.矩阵左逆 7.2.矩阵右逆 7.3 性质 7.4 矩阵的逆 7.5 线性方差组 7.6 线性方程组求解 7.7 非奇异矩阵 7.8 证明框架 证明1→21\to2 ...
- R语言数据可视化教程(ggplot2)_绘制散点图
# 5.散点图 # 散点图通常用来刻画两个连续型变量之间的关系 # 5.1 绘制散点图 # 运行geom_point()函数,分别映射一个变量到x和y library(gcookbook) libra ...
- 线性代数-Gilbert Strang(第二部分)
第十四课时:正交向量与子空间 结论: 行空间(r)与零空间(n-r)是正交的 列空间(r)与左零空间(m-r)是正交的 正交向量 在n维空间中,向量之间的夹角为90度. 如果 XTY=0X^TY=0, ...
- 常见算法思路及技巧总结一
常见算法及技巧总结一 1.前言 2.整数运算 技巧一:类快速幂的加法 技巧二:判断二进制数中'1'的位数 技巧三:利用位与运算判断字符串中相同的字母 技巧四:使用异或运算 3.数组 技巧一:有序数组的 ...
- MATLAB学习笔记(二)——主要是MATLAB的矩阵知识
PS:主要是讲解矩阵的相应的实现方法,其实MATLAB的很大一部分的优势,就是集成了矩阵级别的运算,并以此为特点,可以进行多维空间上的验证. 让我们懂得了原来线性代数如此有用= - =. (一)MAT ...
- python使用sklearn的ConfusionMatrixDisplay来可视化混淆矩阵
python使用sklearn的ConfusionMatrixDisplay来可视化混淆矩阵 目录 python使用sklearn的ConfusionMatrixDisplay来可视化混淆矩阵 #模型 ...
- 李永乐线性代数手写笔记-行列式与矩阵
李永乐线性代数基础知识,整理放在博客上面,方便自己复习查看. 概览请移步李永乐线性代数2020年基础课手写笔记汇总 文章目录 一 行列式 二 矩阵 一 行列式 二 矩阵
最新文章
- DUILIB中获取flash,webbrowser control的方法
- OpenCASCADE:构建线程
- gradle 构建完成自动删除_Gradle 6.6 RC6 发布,引入配置缓存特性,大幅提升构建性能
- python怎么对齐文件_说说在 python 中,如何对齐文本
- php发卡8.0源码_素材资源解析平台PHP源码 V8.0运营版+会员功能+代理功能+卡密充值...
- linux下安装mysql5.7方法与常见问题
- SpringBoot--springboot启动类和controller的配置
- 各种简单的困难的模板,持续更新
- 【清北前紧急补课8】A % B Problem
- (二十二)用RANSAC算法来求线性回归模型的参数
- 简记SqueezeNet
- 动态优先级调度、时间片轮转调度
- 介绍几款知名的工作流系统软件
- 字符串匹配算法之Aho-Corasick
- matlab练习程序(渲染三原色)
- 用计算机控制单片机的程序编写,单片机程序编写步骤
- 教育类小程序APP开发
- MPU6050的原理讲解
- Python计算机视觉编程第1章基本的图像操作和处理
- android arp工具,Android内网攻击防御安全测试工具(开源)
热门文章
- RDLC报表系列--------钻取报表
- SqlDataAdapter和SqlCommandBuilder删除数据
- ORACLE 分区表 PARTITION table
- SQL Server2000数据库文件损坏时如何恢复
- ES6中import * as xxx from ‘xxx‘的作用
- JS-循环清空对象 判断数据类型的5种常用方法
- java json jar包_jsonobject jar包下载
- Python(5):循环
- 手写一个二级选择框联动
- IndexedDB使用(基本函数封到Angular2的service里)