方程组的解析解法

方程组的解法

For equation set

$$AX=P$$

若矩阵A满秩，则：
1. If A is a square matrix and has $A^{-1}$, (正定): $X = A^{-1}P$.
2. If A is not a square matrix，使用广义逆矩阵.
A超定，$X = (A^TA)^{-1}A^TP$；
A欠定（大多数情况下），$X = A^T(AA^T)^{-1}P$.

A欠定：在图像重建中，意味着 投影线个数 < 图像像素数。在高分辨率下是很容易出现的情况，这也是迭代重建需要提供其他约束的原因。

若矩阵A不满秩，不是方阵，方程组不相容，则：

不满秩：各条投影线可能相关，比如：0度和180度的投影线为同一条，当然相关了；
不是方阵：投影线个数 != 图像像素数，这也是很容易理解的；
不相容：系数矩阵的秩 < 扩展矩阵的秩，这在投影数据含噪声的情况下几乎是必然的。

使用奇异值分解SVD寻找广义解。
$A_{m \times n} = U_{m \times m} \Sigma V_{n \times n}^T$
$V^TV=I_{n \times n}$
$U^TU=I_{m \times m}$
$\Sigma _{m \times n} = \begin{bmatrix} diag\{\sigma_i\} & 0 \\ 0 & 0\end{bmatrix}$

广义逆矩阵为：
$A^+ = V \Sigma^+ U^T$
其中，
$\Sigma ^+ _{m \times n} = \begin{bmatrix} D_r& 0 \\ 0 & 0\end{bmatrix}$
$D_r = diag\{ \frac{1}{\sigma_1}, \frac{1}{\sigma_2},...,\frac{1}{\sigma_r},0,...,0 \}$
$X = A^+P = V\Sigma^+U^TP$