Псевдообернена матриця

Псевдообернена матриця — узагальнення оберненої матриці в математиці, зокрема, в лінійній алгебрі.

Матриця, псевдообернена до матриці $\ A$ позначається як $\ A^{+}$.

Найвідомішим є псевдообернення Мура-Пенроуза, яке було незалежно описано Е. Г. Муром в 1920 і Роджером Пенроузом в 1955.

Раніше, в 1903 році, концепцію псевдообернених інтегруючих операторів представив Фредгольм.

Псевдообернена матриця застосовується для знаходження найкращого наближення (методом найменших квадратів) розв'язку СЛАР.

Визначення

Означення Мура

$\ A^{+}$ називається псевдооберненою матрицею до матриці $\ A$, якщо вона задовольняє такі умови:

1. $AA^{+}A=A$             ($AA^{+}$ чи $A^{+}A$ не обов'язково дорівнюватимуть одиничній матриці);
2. $A^{+}AA^{+}=A^{+};$
3. $(AA^{+})^{*}=AA^{+}$       (це означає, що $AA^{+}$ — ермітова матриця);
4. $(A^{+}A)^{*}=A^{+}A$       ($A^{+}A$ — також ермітова матриця);

де $A^{*}$ — ермітово-спряжена матриця до матриці $A$.

Визначення Мура-Пенроуза через граничний перехід

$A^{+}=\lim _{\delta \to 0}(A^{*}A+\delta I)^{-1}A^{*}=\lim _{\delta \to 0}A^{*}(AA^{*}+\delta I)^{-1}$

Ці границі існують, навіть якщо $(AA^{*})^{-1}$ і $(A^{*}A)^{-1}$ не комутують.

Властивості

• Псевдообернена матриця завжди існує і вона єдина.
• Псевдообернення нульової матриці дорівнює її транспонуванню.
• Псевдообернення є оборотним до самого себе:

$(A^{+})^{+}=A$.

• Псевдообернення комутує з транспонуванням, спряженням і ермітовим спряженням:

$(A^{T})^{+}=(A^{+})^{T},\qquad ({\overline {A}})^{+}={\overline {A^{+}}},\qquad (A^{*})^{+}=(A^{+})^{*}.$

• Ранг матриці дорівнює рангу її псевдооберненої:

$rank\ A^{+}=rank\ A$

• Псевдообернення добутку матриці $A$ на скаляр $\alpha$ дорівнює добутку матриці $A^{+}$ на обернене число $\alpha ^{-1}$:

$(\alpha A)^{+}=\alpha ^{-1}\;A^{+},\quad \forall \alpha \neq 0$.

• Якщо вже відома матриця $(A^{*}A)^{+}$ чи матриця $(AA^{*})^{+}$, то їх можна використати для обчислення $A^{+}$:

$A^{+}=(A^{*}A)^{+}\;A^{*}$

$A^{+}=A^{*}\;(AA^{*})^{+}$.

• Матриці $\ A^{+}A,\;AA^{+}$ — є ортогонально-проєкційними матрицями.
• Якщо матриця $\ A_{i}$ утворена з матриці $\ A$ за допомогою вставки ще одного нульового рядка/стовпця в і-ту позицію,

то $A_{i}^{+}$ буде утворюватись з $\ A^{+}$ додаванням нульового стовпця/рядка в і-ту позицію.

• Якщо рядок/стовпець в попередній процедурі не є нульовим $a_{i}\neq {\vec {0}}$, то існує формула Гревіля для вираження $A_{i}^{+}$ через $A,\;A^{+},\;a_{i}.$

Часткові випадки

Ортонормовані стовпці чи рядки

• Якщо в матриці $A$ ортонормовані стовпці ($A^{*}A=I$), або рядки ($AA^{*}=I$), то:

$A^{+}=A^{*}$.

Повний ранг

• Якщо стовпці матриці $A$ лінійно незалежні, тоді матриця $(A^{*}A)$ має повний ранг, а отже є оборотною. Тоді:

$A^{+}=(A^{*}A)^{-1}A^{*}$

Отже $A^{+}A=I$, звідки слідує, що $A^{+}$ — ліва обернена матриця для A.

• Якщо рядки матриці $A$ лінійно незалежні, тоді матриця $(AA^{*})$ має повний ранг, а отже є оборотною. Тоді:

$A^{+}=A^{*}(AA^{*})^{-1}$

Отже $AA^{+}=I$, звідки слідує, що $A^{+}$ — права обернена матриця для A.

• Якщо і стовпці і рядки лінійно незалежні (що вірно для квадратних невироджених матриць), тоді:

$A^{+}=A^{-1}.$

Ці часткові випадки еквівалентні прибиранню доданка $\delta I\!$ з формули визначення псевдообернення через граничний перехід.

Псевдообернення добутку

Якщо матриці $A$ і $B$ такі, що добуток $AB$ визначений, а також:

• або A має ортонормовані стовпці ($A^{+}=A^{*}$),
• або B має ортонормовані рядки ($B^{+}=B^{*}$),
• або стовпці $A$ лінійно незалежні($A^{+}A=I$) і рядки $B$ лінійно незалежні($BB^{+}=I$).

Тоді:

$\ (AB)^{+}=B^{+}A^{+}$.

Доводиться прямою підстановкою в визначення.

Скаляри і вектори

Псевдообернення можна визначити для скалярів і векторів, якщо трактувати їх як матриці:

• Псевдообернення скаляра $x$ є скаляр

$x^{+}=\left\{{\begin{matrix}0,&x=0;\\x^{-1},&x\neq 0.\end{matrix}}\right.$

• Псевдообернення вектора $x$ є вектор

$x^{+}=\left\{{\begin{matrix}0^{T},&x=0;\\{x^{*} \over x^{*}x},&x\neq 0.\end{matrix}}\right.$

Дані трактування задовільняють визначення псевдообернення.

Обчислення

За допомогою A=BC розкладу

Нехай r — ранг матриці A розміру $m\times n$. Тоді A може бути представлена як $A=BC$, де B — матриця розміру $m\times r$, C — матриця розміру $r\times n$. Тоді

• $A^{+}=C^{*}(CC^{*})^{-1}(B^{*}B)^{-1}B^{*}.$

чи

• $A^{+}=C^{*}(B^{*}AC^{*})^{-1}B^{*}$

де $(CC^{*})^{-1}(B^{*}B)^{-1}=(B^{*}BCC^{*})^{-1}=(B^{*}AC^{*})^{-1}$ — матриця меншого розміру $r\times r$.

За допомогою QR розкладу

Матрицю A представимо у вигляді $A=QR$, де Q — унітарна матриця, $Q^{*}Q=QQ^{*}=I$, і R — верхня трикутна матриця. Тоді

$A^{*}A=(QR)^{*}(QR)=R^{*}Q^{*}QR=R^{*}R$,

$A^{+}=(R^{*}R)^{+}A^{*}$

…

За допомогою SVD розкладу

Якщо $A=U\Sigma V^{*}$ — сингулярне представлення матриці A, тоді

$A^{+}=V\Sigma ^{+}U^{*}.$

Для діагональної матриці, такої як $\Sigma$, псевдообернена матриця обчислюється заміною всіх ненульових значень діагональних елементів на обернені.

За допомогою мінорів

Нехай k — ранг матриці A розміру $m\times n$.

Позначимо через $A_{k}\!$ матрицю складену з k лінійно незалежних стовпців матриці A,
через $A_{\overline {k}}$ позначимо матрицю з k лінійно незалежних рядків матриці A,
через $A_{kk\!}$ матрицю з елементів на перетині $A_{k}\!$ з $A_{\overline {k}}$.

Тоді

$A^{+}=A_{\overline {k}}^{*}(A_{\overline {k}}A_{\overline {k}}^{*})^{-1}\cdot A_{kk}\cdot (A_{k}^{*}A_{k})^{-1}A_{k}^{*}$

Застосування до СЛАР

• Система рівнянь $\ Ax=b$ може не мати точних розв'язків, але можна знайти приблизні розв'язки — такі $\ x$ при яких мінімізується $\|Ax-b\|^{2}.$ Це розв'язок методом найменших квадратів.

• Загальний розв'язок системи $\ Ax=b$ є сумою часткового розв'язку цієї системи та загального розв'язку однорідної системи $\ Ax=0.$

• За визначенням, загальний розв'язок системи $Ax=0\!$ — це ядро лінійного оператора ${A}\!$:

$\ker {A}=Z(A)y\!$

де:

$Z(A)=I-A^{+}A\!$      (проектор на $\ker {A}\!$);

$y\!$ — довільний вектор тієї ж розмірності що і $x.\!$

• Частковим розв'язком неоднорідної системи є $\ x=A^{+}b,$ він ортогональний до $\ker {A}\!$ і тому має найменшу норму серед всіх розв'язків.

• Загальний розв'язок

$\ Ax=b$	єдиний розв'язок $\det {A^{*}A}\neq 0\!$	множина розв'язків $\det {A^{*}A}=0\!$
точні розв'язки є $b^{*}Z(A)b=0\!$	$x=A^{+}b\!$	$\Omega _{x}=A^{+}b+\ker {A}\!$
тільки приблизні розв'язки $b^{*}Z(A)b\neq 0\!$

• Відстань від довільної точки $\ y$ до множини розв'язків $\ \Omega _{x}$ рівна:

$\|P(A)(y-A^{+}b)\|=\|P(A)y-A^{+}b\|=\|A^{+}(Ay-b)\|,$

де:

$P(A)=I-Z(A)\!$      (проектор ортогональний до $\ \ker {A}$).

Джерела

• Гантмахер Ф. Р. Теорія матриць. — 2024. — 703 с.(укр.)
• Ланкастер П.. Теория матриц. — 2. — Москва : Наука, 1982. — 272 с.(рос.)
• Р.Хорн, Ч.Джонсон. Матричный анализ. — М: : Мир, 1989. — 653 с.(рос.)
• Gene H. Golub, Charles F. Van Loan. Matrix Computations. — 4. — М: : The Johns Hopkins University Press, 2013. — 756 с.(англ.)
• Adi Ben-Israel, Thomas N.E. Greville (2003). Generalized Inverses. Theory and Applications (вид. друге). Springer. с. 436 с.