3.7 矩阵最小二乘广义逆-CSDN博客

本文链接：https://blog.csdn.net/m0_66201040/article/details/128918355

文章介绍了如何利用矩阵的最小二乘广义逆(A_l^-)来求解最小二乘问题，给出了最小二乘广义逆的定义和穆尔-彭罗斯四大条件。并通过一个简单的算法展示了如何计算最小二乘广义逆，以及在Python中实现该算法的代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

定义
算法
python

定义

前面我写过矛盾方程的最小二乘解，是用正规方程来求解的。现在有一种新的算法，利用矩阵的最小二乘广义逆generalized least squares inverse来求最小二乘解，矩阵的最小二乘广义逆符号为 $A_l^-$ ,全体最小二乘广义逆的集合记为 $A^{\{1,3\}}$ ,这里的1和3是指穆尔-彭罗斯四大条件中的第一和第三条件，这四大条件是：
$AGA=A\\ GAG=G\\ (AG)^T=AG\\ (GA)^T=GA$
获得了最小二乘逆之后，方程最小二乘的解就是 $A_l^-\bold b$ 。

算法

计算最小二乘广义逆的方法不建议先求广义逆再求最小二乘的集合，那样计算太麻烦。其实有个最简单的算法，就是下面的公式：
$A_l^-=(A^TA)^-A^T$
比如这个矩阵的一个最小二乘广义逆就是：
$A=\begin{pmatrix}1 & 1 & 2\\ 2 & 2 & 1\\ 3 & 3 & 3\\ \end{pmatrix}\\ A_l^-=\begin{pmatrix}-0.444 & 0.556 & 0.111\\ 0 & 0 & 0\\ 0.556 & -0.444 & 0.111\\ \end{pmatrix}\\ AA_l^-=\begin{pmatrix}0.667 & -0.333 & 0.333\\ -0.333 & 0.667 & 0.333\\ 0.333 & 0.333 & 0.667\\ \end{pmatrix}$

python

广义逆的代码确定后，最小二乘广义逆的代码就非常简单了：

    # 最小二乘广义逆
    def gls_inverse(self):
        a_t = self.transpose_matrix()
        return (a_t * self).one_inverse() * a_t