Y的共轭转置的vec乘X的vec用python怎么写 求x的共轭转置

1 广义逆的背景

在实际问题中，如数据处理、多元分析、最优化理论、现代控制理论和网络理论中，由于实验条件那个多种因素，所产生的方程组往往是不相容的方程，即无解方程。此时，我们不能求得实线性方程组$AX=b$的解，而只能求得近似解，即最小二乘解，此时$|AX-b|$最小。

类似的，对于复数域C上的线性方程组$AX=b$则要求
$\left( a_{11}x_1+a_{12}x_2+···+a_{1n}x_n-b_1 \right) \overline{\left( a_{11}x_1+a_{12}x_2+\cdots +a_{1n}x_n-b_1 \right) }+\left( a_{s1}x_1+a_{s2}x_2+\cdots +a_{sn}x_n-b_n \right) \overline{\left( a_{s1}x_1+a_{s2}x_2+\cdots +a_{sn}x_n-b_s \right) }$
为最小，此时是复数线性方程的最小二乘解。

同样，若方程$AX=b$有解，且在有无穷多解时，往往也需要求解向量
$X=\left( x_1,x_2,\cdots ,x_n \right) ^T$
中，满足$x_1\overline{x_1}+x_2\overline{x_2}+\cdots +x_n\overline{x_n}$为最小的解，这样的解叫做线性方程组的最小二乘解。

2 广义逆的基本理论

Moore和Penrose分别发表了光宇广义逆的矩阵理论，所提及的广义逆定义如下：
设A是m×n矩阵，如果一个n×m的矩阵G满足下列4条，
（1）$AGA=A$
（2）$GAG=G$
（3）$\left( AG \right) ^H=\left( \overline{AG} \right) ^T=AG$
（4）$\left( GA \right) ^H=GA$
则称G为Moore-Penrose广义逆，简记为$A^+$
可以证明，对于任意复矩阵A，广义逆一定存在且唯一。
现在一般对广义逆的提法：任意满足4个方程中的某条都可以成为矩阵的广义逆，因此广义逆存在各种形式，共有
$C_{4}^{1}+C_{4}^{2}+C_{4}^{3}+C_{4}^{4}=15$种类型。
比较常见的广义逆有以下4种：

• 只满足（1）方程的广义逆，称为A的{1}-广义逆或者减号逆，记作$A^{-}$
• 满足上面（1）（3）方程的广义逆，称为{1,3}-广义逆或者最小二乘逆，记作$A_{m}^{-}$
• 满足上面条件（1）（4）方程的广义逆，称为{1,4}-广义逆或者极小范数逆，记作$A_{l}^{-}$
• 同时满足方程（1）-（4）的广义逆，称为Moore-Penrose广义逆或者A的加号逆，记作$A^{+}$

3 广义逆的求法和应用

思考（Thinking）：

• 考虑线性方程组$AX=b$的解，如果A为n阶可逆矩阵，则方程组有唯一解$X=A^{-1}b$
• 若$r\left( A \right) =r\left( \overline{A} \right) =r<n$则线性方程组有无穷多解，能否找到一个n阶矩阵G，使解也能表示成$X=Gb$的形式？
• 若Am×n不是方阵，且AX=b有解，能否找到一个矩阵G，使得X=Gb？
• 若AX=b无解，能否找到一个矩阵G，是X=Gb为比较满意的近似解？

对不同的广义逆的结构，涉及到较多的定理和推论，有兴趣的可以自行查找相关资料，本文不再详细介绍。

此处只对M-P矩阵进行讨论。
定理：设A是m×n的矩阵，则其M-P广义逆矩阵存在且唯一，也就是说满足上述所说的4个方程。
证明：
存在性
设
$A=U\left( \begin{matrix} \sum{}& \\ & 0\\ \end{matrix} \right) V^H$
这里U、V各为m阶、n阶酉矩阵，直接验证$G= V\left( \begin{matrix} \varSigma ^{-1}& 0\\ 0& 0\\ \end{matrix} \right) U^H$满足M-P方程（1）-（4）。
唯一性
设G1、G2都是矩阵A的M-P广义逆矩阵，那么
$G_1=G_1AG_1=G_1AG_2AG_1=G_1\left( AG_2 \right) ^H\left( AG_1 \right) ^H=G_1G_{2}^{H}A^HG_{1}^{H}A^H=G_1G_{2}^{H}\left( AG_1A \right) ^H=G_1G_{2}^{H}\left( AG_1A \right) ^HG_1G_{2}^{H}A^H=G_1G_{2}^{H}A^H=G_1\left( AG_2 \right) ^H=G_1AG_2$
同理，$G_2=G_2AG_2=G_2AG_1AG_2=\left( G_2A \right) ^H\left( G_1A \right) ^HG_2=A^HG_{2}^{H}A^HG_{1}^{H}G_2=\left( AG_2A \right) ^HG_{1}^{H}G_2=A^HG_{1}^{H}G_2=\left( G_1A \right) ^HG_2=G_1AG_2$
所以，G1=G2。

推论
设A是m×n矩阵，其满秩分解为$A=BC$其中B是m×r矩阵，C是r×n矩阵，r(A)=r(B)=r©=r，则$A^+=C^H\left( CC^H \right) ^{-1}\left( B^HB \right) ^{-1}B^H$
特别地，
$A^+=\left\{ \begin{array}{c} A^H\left( AA^H \right) ^{-1},\ if\ r\left( A \right) =m\\ \left( A^HA \right) ^{-1}A^H,\ if\ r\left( A \right) =n\\ \end{array} \right.$

此处不再罗列其他的广义逆和求解的推导过程。

4 广义逆求解例子

1. 已知$A=\left( \begin{array}{c} \begin{matrix} 1& 3& 1\\ \end{matrix}\\ \begin{matrix} 0& 1& 1\\ \end{matrix}\\ \end{array} \right)$
   求A^+.
   解：
   $A^+=A_{R}^{-}=A^T\left( AA^T \right) ^{-1}$
   $=\left( \begin{matrix} \begin{array}{c} 1\\ 3\\ 1\\ \end{array}& \begin{array}{c} 0\\ 1\\ 1\\ \end{array}\\ \end{matrix} \right) \left( \left( \begin{array}{c} \begin{matrix} 1& 3& 1\\ \end{matrix}\\ \begin{matrix} 0& 1& 1\\ \end{matrix}\\ \end{array} \right) \left( \begin{matrix} \begin{array}{c} 1\\ 3\\ 1\\ \end{array}& \begin{array}{c} 0\\ 1\\ 1\\ \end{array}\\ \end{matrix} \right) \right) ^{-1}$
   $=\left( \begin{matrix} \begin{array}{c} 1\\ 3\\ 1\\ \end{array}& \begin{array}{c} 0\\ 1\\ 1\\ \end{array}\\ \end{matrix} \right) \left( \begin{matrix} 11& 4\\ 4& 2\\ \end{matrix} \right) ^{-1}$
   $=\left( \begin{matrix} \begin{array}{c} 1\\ 3\\ 1\\ \end{array}& \begin{array}{c} 0\\ 1\\ 1\\ \end{array}\\ \end{matrix} \right) \left( \begin{matrix} \frac{1}{3}& -\frac{2}{3}\\ -\frac{2}{3}& \frac{11}{6}\\ \end{matrix} \right)$
   $=\frac{1}{3}\left( \begin{matrix} \begin{array}{c} 1\\ 1\\ -1\\ \end{array}& \begin{array}{c} -2\\ \frac{1}{2}\\ \frac{7}{2}\\ \end{array}\\ \end{matrix} \right)$
2. 已知$A=\left( \begin{matrix} \begin{array}{c} i\\ 1\\ 0\\ \end{array}& \begin{array}{c} 0\\ i\\ 1\\ \end{array}\\ \end{matrix} \right)$
   求A^+.
   解：
   $A^+=A_{L}^{-}=\left( AA^H \right) ^{-1}A^H$
   $=\left( \left( \left( \begin{array}{c} \begin{matrix} -i& 1& 0\\ \end{matrix}\\ \begin{matrix} 0& -i& 1\\ \end{matrix}\\ \end{array} \right) \left( \begin{matrix} \begin{array}{c} i\\ 1\\ 0\\ \end{array}& \begin{array}{c} 0\\ i\\ 1\\ \end{array}\\ \end{matrix} \right) \right) ^{-1} \right) \left( \begin{array}{c} \begin{matrix} -i& 1& 0\\ \end{matrix}\\ \begin{matrix} 0& -i& 1\\ \end{matrix}\\ \end{array} \right)$
   $=\left( \begin{matrix} 2& i\\ -i& 2\\ \end{matrix} \right) ^{-1}\left( \begin{array}{c} \begin{matrix} -i& 1& 0\\ \end{matrix}\\ \begin{matrix} 0& -i& 1\\ \end{matrix}\\ \end{array} \right)$
   $=\left( \begin{matrix} \frac{2}{3}& -\frac{1}{3}i\\ \frac{1}{3}i& \frac{2}{3}\\ \end{matrix} \right) \left( \begin{array}{c} \begin{matrix} -i& 1& 0\\ \end{matrix}\\ \begin{matrix} 0& -i& 1\\ \end{matrix}\\ \end{array} \right)$
   $=\left( \begin{array}{c} \begin{matrix} -\frac{2}{3}i& \frac{1}{3}& -\frac{1}{3}i\\ \end{matrix}\\ \begin{matrix} \frac{1}{3}& -\frac{1}{3}i& \frac{2}{3}\\ \end{matrix}\\ \end{array} \right)$
   更新：
   
   补充使用Matlab计算案例中广义逆的过程和结果：