广义逆阵

Posted codedog123

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了广义逆阵相关的知识,希望对你有一定的参考价值。

广义逆阵$A^+$

设$A=A_{n imes n}$,具有如下四个性质:

(1)$AXA=A$

(2)$XAX=X$

(3)$(AX)^{H}=AX$

(4)$(XA)^{H}=XA$

称$X$为$A$的广义逆阵,记为$X=A^+$

 

常见的$A^+$:

(1)$0_{m imes n}^+=0_{n imes n}$

(2)可逆方阵$A=A_{n imes n}$,$A^+=A^{-1}$

(3)一阶复数阵a:$a=0 Rightarrow a^+=0$,$a e 0 Rightarrow a+^=frac{1}{a}$

 

$A^+$的唯一性:给定A后,只有唯一的$A^+$。

 

求解$B^+$:

(1)若$B=B_{m imes r}$,$rank(B)=r$,即B为高阵,则$B^+=B_L=(B^HB)^{-1}B^H$,且$B^+B=I$

(1)若$B=B_{r imes n}$,$rank(B)=r$,即B为低阵,则$B^+=B_L=B^H(BB^H)^{-1}$,且$BB^+=I$

(3)高低分解公式:$A=A_{m imes n}=BC$为高低分解,则有$A^+=C^+B^+$且B^+B=CC^+=I,其中$B^+=(B^HB)^{-1}B^H, C^+=C^H(CC^H)^{-1}$。

(4)

[egin{array}{l}
B = left[ {egin{array}{*{20}{c}}
A&0
end{array}} ight] Rightarrow {B^ + } = left[ {egin{array}{*{20}{c}}
{{A^ + }}\
{{0^ + }}
end{array}} ight]\
B = left[ {egin{array}{*{20}{c}}
A\
0
end{array}} ight] Rightarrow {B^ + } = left[ {egin{array}{*{20}{c}}
{{A^ + }}&{{0^ + }}
end{array}} ight]
end{array}]

(5)(正SVD分解)若$A=P Delta Q^H$,为正SVD,P和Q为列半酉阵,$P^HP=Q^HQ=I$,则$A^+=QDelta^{-1}P^H$

(6)(秩1分解)若$A=A_{m imes n}$且$rank(A)=1$,则$A+={sum {left| {{a_{ij}}^2} ight|} }$

(7)(QR分解)若$A=QR$,$Q^HQ=I$,则$A^+=R^+Q^+=R^-1Q^+$

(8)(谱分解)若A为正规阵,且有谱分解$A=lambda_1G_1+lambda_2G_2+...+lambda_kG_k$,则$A^+=lambda_1^+G_1+lambda_2G_2^++...+lambda_kG_k^+$

(9)

(i)若P为列半酉阵($Q^HQ=I$),则$P^+=P^H$

(ii)若P为列半酉阵($QQ^H=I$),则$P^+=P^H$

(iii)$(A^H)^+=(A^+)^H$














以上是关于广义逆阵的主要内容,如果未能解决你的问题,请参考以下文章

广义线性模型GLMGLMMLMMMLMGMMGEE广义线性模型GLM和广义线性混合模型的GLMM区别

可逆矩阵

广义估计方程,广义多水平模型和广义混合效应模型的区别和联系

广义估计方程spss结果解读

基于 R的 广义线性模型分析

广义与一般线性模型及R使用