数学物理学およびデータサイエンスの広大な領域において、 AᵀCA行列 は普遍的な橋渡しとして機能します。高層ビルの風荷重による変位を計算する場合（剛性）や、ノイズの多い統計データに対する最適なフィット（最小二乗法）を求める場合でも、構造は同じです。行列Aの「完全な逆行列」が存在しない場合（システムが特異的または過剰決定の場合）、 擬似逆行列A⁺ 我々が平衡状態へ戻るための指針として現れます。
1. 擬似逆行列の幾何学
擬似逆行列 $A^+$ は、可能な限り完璧な逆行列として機能する $n \times m$ 行列です。これは 四つの基本部分空間 行列$A$の列空間にあるベクトル$u_1, \dots, u_r$が行空間の$v_1, \dots, v_r$に直接対応することを保証することで、これらの空間をつなぎます。
マッピング規則
- i ≤ r のとき：$A^+ u_i = \frac{1}{\sigma_i} v_i$（特異値スケーリングの逆）
- i > r のとき：$A^+ u_i = 0$（左零空間が消去される）
2. AᵀCA構成
物理システムは三段階のサイクルを通じて平衡状態に達します：
- 運動学（$Ax=e$）： 外部変位 $x$ が内部歪み $e$ を生じます。
- 物性則（$y=Ce$）： 材料特性（フックの法則など）により、歪みが内部応力 $y$ に変換されます。
- 平衡条件（$A^Ty=f$）： 内部応力が外部力 $f$ を釣り合わせます。
これらを組み合わせると、主要方程式 $A^TCAx=f$ が得られます。$A^TA$ が可逆である場合、標準的な重み付き最小二乗解が得られます。
3. 射影と恒等関係
標準的な逆行列とは異なり、$AA^+$ と $A^+A$ は必ずしも完全な単位行列を生成しません。代わりに、これらは 射影行列として作用します：
- $AA^+$ は、$A$の 列空間 への射影行列です。
- $A^+ A$ は、$A$の 行空間 への射影行列です。
🎯 SVDによる定義
正式な数学的定義は特異値分解（SVD）を利用しています：
$A^+ = V \Sigma^+ U^T = \begin{bmatrix} v_1 \cdots v_r \cdots v_n \end{bmatrix} \begin{bmatrix} \sigma_1^{-1} & & \\ & \ddots & \\ & & \sigma_r^{-1} \\ & & & 0 \end{bmatrix} \begin{bmatrix} u_1 \cdots u_r \cdots u_m \end{bmatrix}^T$
実例：ランク1行列に対するA⁺の求め方
問題
$A = \begin{bmatrix} 2 & 2 \\ 1 & 1 \end{bmatrix}$ に対して $A^+$ を求めよ。
分析
ランク $r=1$ です。行空間は $v_1 = \frac{1}{\sqrt{2}}(1, 1)$ で張られ、列空間は $u_1 = \frac{1}{\sqrt{5}}(2, 1)$ で張られます。 特異値 $\sigma_1 = \sqrt{2^2+2^2+1^2+1^2} = \sqrt{10}$ です。
計算
$A^+ = v_1 \sigma_1^{-1} u_1^T = \frac{1}{\sqrt{2}}\begin{bmatrix} 1 \\ 1 \end{bmatrix} \frac{1}{\sqrt{10}} \frac{1}{\sqrt{5}}\begin{bmatrix} 2 & 1 \end{bmatrix} = \frac{1}{10} \begin{bmatrix} 2 & 1 \\ 2 & 1 \end{bmatrix}$。