奇異值分解

摩爾-彭若斯偽逆

大多數矩陣沒有逆——它們或是非方陣,或雖是方陣卻奇異。可你仍想盡可能好地解 Ax = b。摩爾-彭若斯偽逆 A^+ 正是做這件事的矩陣:它是最佳擬合逆,在系統超定時給出最小二乘解,在欠定時給出最小範數解。

SVD 幾乎免費地把它構造出來。若 A = U Sigma V^T,則 A^+ = V Sigma^+ U^T,其中 Sigma^+ 由把 Sigma 轉置、並把每個非零奇異值 sigma_i 換成 1/sigma_i 而成(零仍保持為零)。能逆的就逆,不能逆的就忽略。當 A 確實可逆時,A^+ 退化為普通的 A^-1,所以它是名副其實的推廣。

x = A^+ b 究竟給你什麼?在所有使 ||Ax - b|| 最小(對不相容系統的最小二乘擬合)的 x 中,它挑出 ||x|| 最小的那個。這種雙重最優性——先求最佳擬合,再以最小範數打破平局——正是 A^+ 成為標準求解器的原因。它由四條彭若斯條件唯一確定:A A^+ A = A,A^+ A A^+ = A^+,且 (A A^+) 與 (A^+ A) 都對稱。

一個實用警告:微小的奇異值會變成巨大的 1/sigma_i,因此 A^+ 可能瘋狂放大噪聲。這正是實踐中常用截斷偽逆的原因——把低於閾值的奇異值置零,以精確性換取數值穩定性。

A^+ = V Sigma^+ U^T, Sigma^+ = diag(1/sigma_1, ..., 1/sigma_r, 0, ..., 0)^T

把非零奇異值取倒數,零保持不變,並交換 U 與 V。

對列滿秩的 A,偽逆等於正規方程公式 (A^T A)^-1 A^T,但透過 SVD 計算它遠比構造 A^T A 數值穩定。

又稱
A^+generalized inverse