上一主题

numpy.linalg.inv

下一主题

numpy.linalg.tensorinv

numpy.linalg.pinv

numpy.linalg.pinv(a, rcond=1e-15)[source]

计算矩阵的(Moore-Penrose)伪逆。

使用奇异值分解(SVD)并包括所有奇异值计算矩阵的广义逆。

参数:

a:(M,N)array_like

要进行伪反转的矩阵。

rcond:float

小奇异值的截止值。rcond * highest_singular_value(再次,以模数)更小的(模数)奇异值被设置为零。

返回:

B:(N,M)ndarray

a的伪逆。如果a矩阵实例,则B

上升:

LinAlgError

如果SVD计算不收敛。

笔记

表示为A^+的矩阵A的伪逆定义为:“求解'[最小二乘问题] Ax = b的矩阵,即,如果\bar{x}是所述解,那么A^+\bar{x} = A^+b的矩阵。

可以表明,如果Q_1 \Sigma Q_2^T = A是A的奇异值分解,则A^+ = Q_2 \Sigma^+ Q_1^T,其中Q_{1,2}是正交矩阵,\Sigma是由A的所谓奇异值组成的对角矩阵, (通常由零),然后\Sigma^+仅仅是由A的奇异值的倒数(再次,之后是零)组成的对角矩阵。[R42]

参考文献

[R42]12 G. Strang,线性代数及其应用,第2版,Orlando,FL ,Academic Press,Inc.,1980,pp。139-142。

例子

The following example checks that a * a+ * a == a and a+ * a * a+ == a+:

>>> a = np.random.randn(9, 6)
>>> B = np.linalg.pinv(a)
>>> np.allclose(a, np.dot(a, np.dot(B, a)))
True
>>> np.allclose(B, np.dot(B, np.dot(a, B)))
True