矩阵的逆，敏感性和病态系统

已于 2024-09-23 21:27:40 修改
阅读量598 收藏 3
点赞数 9
文章标签： 矩阵 算法 人工智能
于 2024-09-23 21:16:44 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_54373077/article/details/142466255
版权

矩阵的逆是矩阵理论的基础

逆的存在性

对于一个n×n的矩阵，下列叙述等价：

rank(A) =  n；

A^{-1}存在（A是非奇异的）；

Ax=0只有零解；

A \xrightarrow{\text{gauss-jordan}}I(高斯约旦消去法是高斯消元法的扩展，即先增广矩阵，通过行变换，将矩阵化成行阶梯形)

非奇异矩阵的积是非奇异的

(A_{1}A_{2}...A_{n})^{-1}=(A_{n}^{-1}...A_{2}^{-1}A_{1}^{-1})

敏感性

当c和d都是n×1非零列向量，且1+d^{T}c\neq 0,

(1+c^{T}d)=I-\frac{cd^{T}}{1+d^{T}c}

（为什么是这样之后再说明，目前需要注意的是{d^{T}c}是一个标量而cd^{T}是一个n×n的矩阵）

Sherman-Morrison公式

如果I用一个非奇异矩阵A来代替且满足I+d^{T}A^{-1}c\neq 0，则

                                                (A+c^{T}d)^{-1}=(A(I+A^{-1}c^{T}d))^{-1}

进一步化简得

                                                (A+c^{T}d)^{-1}=A^{-1}-\frac {A^{-1} c d^{T} A^{-1}} {1+d^{T}A^{-1}c}

Sherman-Morrison公式的应用

假定通过前面的计算已经A^{-1}，现在A中有某个元素发生了改变，比如a_{ij}+\alpha，Sherman-Morrison公式可以计算该式子的逆。令c=e_{i} ,d=\alpha e_{j},e_{i}和e_{j}是矩阵A第i和第j列的单位列向量，矩阵cd^{T}是除了（i，j）处元素为α，其余元素都为零的矩阵。因此

                               B=A+cd^{T}=A+\alpha e_{i}e_{j}^{T}=A^{-1}-\alpha\frac {A^{-1} e_{i} e_{j}^{T} A^{-1}} {1+\alpha e_{j}^{T}A^{-1}e_{i}}

进一步化简

                                                    B=A^{-1}-\alpha\frac {[A^{-1}] _{* i} [A^{-1}]_{j*}} {1+\alpha [A^{-1}]_{ji}}

这个式子表示了当矩阵元素a_{ij}变化时A^{-1}如何变化

另外一个经常求的逆是(I-A)，当A具有足够小的幅度时，满足

                                                          \lim_{n \to \propto }A^{n}\rightarrow 0

那么类比于标量代数

                              (I-A)(A+A^{2}+...+A^{n})=I-A^{n}=I

诺埃曼级数

范数定义  

                                                      ||A||=max_{i}\sum_{j}|a_{ij}|

为最大绝对行和

 

实际例子 

 关于公式 (1+c^{T}d)=I-\frac{cd^{T}}{1+d^{T}c} 的说明

1+d^{T}c是如何出现的？

首先我们要注意到，A=(I+c^{T}d)是一个矩阵，但其逆矩阵A^{-1}出现了标量1+d^{T}c，这里的关键点在于，向量的外积是一个秩为1的矩阵。

Sherman-Morrison公式推导

我们从假设A^{-1}=I-\alpha cd^{T}出发，看看α如何决定

在矩阵求逆过程中应对病态矩阵的正则化方法详解及MATLAB实现
m0_57781768的博客
07-27 511
病态矩阵是指那些条件数非常大的矩阵。条件数是一个衡量矩阵在数值计算中稳定性的指标，具体来说，它反映了输入误差对输出结果影响的敏感程度。条件数越大，矩阵越病态，计算结果对误差越敏感。本文详细介绍了在矩阵求逆过程中应对病态矩阵的常用正则化方法，包括截断奇异值分解（TSVD）、Tikhonov正则化、迭代正则化和高斯消去法。通过这些方法，我们可以减少病态矩阵带来的数值不稳定性和计算误差，提高计算结果的准确性。
使用Java进行病态矩阵求逆的正则化方法详解及实现
m0_57781768的博客
07-27 213
病态矩阵是指那些条件数非常大的矩阵。条件数是一个衡量矩阵在数值计算中稳定性的指标，具体来说，它反映了输入误差对输出结果影响的敏感程度。条件数越大，矩阵越病态，计算结果对误差越敏感。本文详细介绍了在矩阵求逆过程中应对病态矩阵的常用正则化方法，包括截断奇异值分解（TSVD）、Tikhonov正则化、迭代正则化和高斯消去法。通过这些方法，我们可以减少病态矩阵带来的数值不稳定性和计算误差，提高计算结果的准确性。此外，我们还探讨了病态矩阵求逆在数据拟合、图像处理和机器学习等领域的应用，并提供了相应的Java代码示例。
正则化方法_knowledge9uw_病态矩阵求逆_病态矩阵_正则化求逆_病态方程
09-10
在进行矩阵求逆等计算时遇到矩阵条件数较大导致病态时，常用的各种解决病态方程方法
矩阵求逆-Warning: Matrix is singular to working precision.
酒酿小圆子呀～
12-07 1万+
用inv进行矩阵求逆时，出现矩阵奇异的情况。 只需将inv替换为pinv求伪逆即可。
数值分析：矩阵求逆-奇异性、条件数
皮皮blog
08-18 3万+
http://blog.csdn.net/pipisorry/article/details/52241141本blog主要内容有：矩阵的奇异性、条件数与病态矩阵、矩阵求逆。奇异矩阵和非奇异矩阵singular matrix&nonsingular matrix概念和定义若n阶矩阵A的行列式不为零，即 |A|≠0，则称A为非奇异矩阵或满秩矩阵，否则称A为奇异矩阵或降秩矩阵。奇异矩阵是线性代数的概念
探索MATLAB矩阵求逆的极限：病态矩阵与计算稳定性
[探索MATLAB矩阵求逆的极限：病态矩阵与计算稳定性](https://i1.hdslb.com/bfs/archive/8009261489ab9b5d2185f3bfebe17301fb299409.jpg@960w_540h_1c.webp) # 1. 矩阵求逆的基础** 矩阵求逆是线性代数中的一项基本...
MATLAB矩阵求逆的数值稳定性：处理病态矩阵和接近奇异的矩阵
[MATLAB矩阵求逆的数值稳定性：处理病态矩阵和接近奇异的矩阵](https://img-blog.csdnimg.cn/43517d127a7a4046a296f8d34fd8ff84.png) # 1. MATLAB矩阵求逆简介** 矩阵求逆是线性代数中一项基本操作，它求解一个矩阵...
奇异值分解与矩阵逆：数值实现与优化
AI天才研究院
12-23 1306
1.背景介绍 奇异值分解(Singular Value Decomposition, SVD)和矩阵逆(Matrix Inverse)是线性代数和数值分析领域中非常重要的概念和方法。这两者在现实生活中的应用非常广泛，例如图像处理、信号处理、数据挖掘、机器学习等领域。在这篇文章中，我们将从以下几个方面进行深入的讨论： 背景介绍 核心概念与联系 核心算法原理和具体操作步骤以及数学模型公式详细讲解...
矩阵对变化的敏感程度评价指标 Condition Number
zywvvd的博客
02-08 1244
矩阵对变化的敏感程度可以用Condition Number来评估，本文对其进行简略介绍。 定义 数值分析中，一个问题的条件数是该数量在数值计算中的容易程度的衡量，也就是该问题的适定性。一个低条件数的问题称为良置的，而高条件数的问题称为病态（或者说非良置）的。 —— 维基百科 直白来说就是描述一个矩阵是否变化率在可控范围内，下方这个示例程序可以看到，当调整a, b, c的值使得条件数很大时，二次型描述的曲面在某个方向上会拉的很长；在这种情况下，曲面上的点沿着某个方向会得到巨大的变化率，.
【数学基础】L2范数之解救矩阵病态
qq_32742009的博客
08-14 9703
在之前的两篇文章岭回归以及L1正则化与L2正则化详解中都有提到L2范数。但对于L2范数在优化计算角度上都跳过了。故在这里新开一篇详细介绍一下，为什么L2范数可以解救病态矩阵，以及优化计算。 病态系统 现在有线性系统： ， 解方程 很容易得到解为： 。如果在样本采集时存在一个微小的误差，比如，将 A 矩阵的系数 400 改变成 401： 则得到一个截然不同的解： 。 当解集 x 对...
从零开始：搭建代价敏感矩阵框架
AI天才研究院
12-29 1233
1.背景介绍 代价敏感矩阵因子化(Cost-Sensitive Matrix Factorization，CSMF)是一种用于处理具有不均衡类别分布的分类问题的方法。在许多实际应用中，数据集中的不同类别的例子数量可能存在很大差异，这种情况被称为不均衡类别分布(Imbalanced Class Distribution)。在这种情况下，传统的分类算法可能会偏向于多数类，导致少数类的例子被忽略或者误...
敏感性分析—Sobol
热门推荐
06-16 14万+
最近在搞敏感性分析方法中的Sobol方法，看了一些国内的论文，发现一个通病，就是公式一挂就可以得出结果了，对于我这种数学渣渣真的很不适合。直到我在维基百科上面找到了这种方法的详细解释https://en.wikipedia.org/wiki/Variance-based_sensitivity_analysis，包括分析的步骤都写的很清楚，当然还有蛮多东西自己还不是太了解（越来越发觉，数学真的太重要
矩阵的逆及求逆矩阵的方法，可逆矩阵定理与判定方法，（非）奇异矩阵，方程Ax=b解法，Hilbert矩阵及其逆的求法，条件数（Condition Number）及其计算方法
Zijie123pea的博客
02-13 5005
矩阵的逆的定义：一个n×nn\times nn×n的矩阵AAA是可逆的，如果存在一个n×nn\times nn×n的矩阵CCC使得： CA=I,且AC=ICA=I, 且 AC=ICA=I,且AC=I 其中I=InI=I_nI=In​为n×nn\times nn×n的单位矩阵，此时矩阵CCC就是矩阵AAA的逆，矩阵AAA的逆记为矩阵A−1A^{-1}A−1。若矩阵AAA可逆，那么它的逆是唯一的。 奇异矩阵与非奇异矩阵： 不可逆矩阵有时也叫奇异矩阵，可逆矩阵有时也成为非奇异矩阵。 求矩阵逆的方法： 把n×nn\
Sherman-Morrison公式及其应用
山阴少年
05-09 3万+
Sherman-Morrison公式   Sherman-Morrison公式以 Jack Sherman 和 Winifred J. Morrison命名，在线性代数中，是求解逆矩阵的一种方法。本篇博客将介绍该公式及其应用，首先我们来看一下该公式的内容及其证明。   (Sherman-Morrison公式)假设A∈Rn×nA∈Rn×nA\in\mathbb{R}^{n\times n}为可逆...
C语言编程＞第三周 ② 给一个不多于5位的正整数，要求：一、求它是几位数，二、逆序打印出各位数字。
朽木自雕i的博客
12-07 1万+
例题：给一个不多于5位的正整数，要求：一、求它是几位数，二、逆序打印出各位数字。 代码如下： /*程序分析：先分解出每一位数，再逐步分解出余下的数*/ #include "stdio.h" main( ) { long a,b,c,d,e,x; printf("请输入一组不多于5位的正整数\n"); scanf("%ld",&x); a=x/10000;/*分解出万位*/ b=x%10000/1000;/*分解出千位*/ c=x%1000/100;/*分解出百位*/ d=x%100/1
Python sherman morrison公式算法详解及源码
最新发布
希望我的博客，能帮上你解决学习中工作中所遇到的问题
08-13 1029
T，从而得到一个新的矩阵B，我们想要计算B的逆矩阵B^-1。T，从而得到一个新的矩阵B，我们想要计算B的逆矩阵B^-1。T，从而得到一个新的矩阵B，我们想要计算B的逆矩阵B^-1。T，从而得到一个新的矩阵B，我们想要计算B的逆矩阵B^-1。T，从而得到一个新的矩阵B，我们想要计算B的逆矩阵B^-1。T，从而得到一个新的矩阵B，我们想要计算B的逆矩阵B^-1。T，从而得到一个新的矩阵B，我们想要计算B的逆矩阵B^-1。T，从而得到一个新的矩阵B，我们想要计算B的逆矩阵B^-1。
矩阵奇异性与病态：改善方法与影响分析
在"奇异性和嘉态I'1-大数据知识体系的速查表-阿里云"这篇论文中，作者主要探讨的是矩阵计算中的核心概念——奇异性和病态，特别是在处理线性方程组时的重要性。矩阵奇异性是指矩阵是否能够被逆，如果一个n阶矩阵的秩...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

白光白光

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值