수학적 물리학과 데이터 과학의 광활한 영역에서 A^TCA 행렬 은 보편적인 다리 역할을 합니다. 바람 하중 아래 고층 건물의 변위를 계산하거나 노이즈가 많은 통계적 데이터에 대한 최적의 피팅을 찾는 경우에도 구조는 동일합니다. A의 '완벽한' 역행렬이 시스템이 특이적이거나 과다 결정된 이유로 존재하지 않을 때, 가상 역행렬 A⁺ 우리를 평형 상태로 되돌아오게 하는 안내자가 됩니다.
1. 가상 역행렬의 기하학
가상 역행렬 $A^+$는 가능한 경우 완벽한 역행렬처럼 작용하는 $n$ 대 $m$ 행렬입니다. 이는 네 가지 기본 부분공간 행렬 $A$의 열공간에 있는 벡터 $u_1, \dots, u_r$가 행공간에 있는 $v_1, \dots, v_r$로 직접 매핑되도록 보장함으로써 연결됩니다.
매핑 규칙
- i ≤ r인 경우: $A^+ u_i = \frac{1}{\sigma_i} v_i$ (특이값 스케일링의 역함수)
- i > r인 경우: $A^+ u_i = 0$ (좌측 영공간이 소멸됨)
2. A^TCA 구성
물리 시스템은 세 단계 주기로 평형에 도달합니다:
- 운동학 ($Ax=e$): 외부 변위 $x$는 내부 응력 $e$를 생성합니다.
- 재료 법칙 ($y=Ce$): 재료 성질(예: 후크의 법칙)은 응력을 내부 응력 $y$로 변환합니다.
- 평형 ($A^Ty=f$): 내부 응력은 외부 힘 $f$와 균형을 이룹니다.
이들을 결합하면 주요 방정식 $A^TCAx=f$를 얻습니다. 만약 $A^TA$가 가역적이라면 표준 가중치 최소제곱 해를 회복할 수 있습니다.
3. 사영과 정체성
표준 역행렬과 달리, $AA^+$와 $A^+A$는 반드시 전체 단위행렬을 생성하지는 않습니다. 대신 사영 행렬:
- $AA^+$는 열공간 행렬 $A$에 대한 사영 행렬입니다.
- $A^+ A$는 행공간 행렬 $A$에 대한 사영 행렬입니다.
🎯 SVD 정의
형식적인 수학적 정의는 특이값 분해를 사용합니다:
$A^+ = V \Sigma^+ U^T = \begin{bmatrix} v_1 \cdots v_r \cdots v_n \end{bmatrix} \begin{bmatrix} \sigma_1^{-1} & & \\ & \ddots & \\ & & \sigma_r^{-1} \\ & & & 0 \end{bmatrix} \begin{bmatrix} u_1 \cdots u_r \cdots u_m \end{bmatrix}^T$
실습 예제: 순서 1 행렬에 대한 A⁺ 찾기
문제
$A = \begin{bmatrix} 2 & 2 \\ 1 & 1 \end{bmatrix}$를 고려하세요. $A^+$를 찾아보세요.
분석
순서 $r=1$. 행공간은 $v_1 = \frac{1}{\sqrt{2}}(1, 1)$로 생성됩니다. 열공간은 $u_1 = \frac{1}{\sqrt{5}}(2, 1)$로 생성됩니다. 특이값 $\sigma_1 = \sqrt{2^2+2^2+1^2+1^2} = \sqrt{10}$입니다.
계산
$A^+ = v_1 \sigma_1^{-1} u_1^T = \frac{1}{\sqrt{2}}\begin{bmatrix} 1 \\ 1 \end{bmatrix} \frac{1}{\sqrt{10}} \frac{1}{\sqrt{5}}\begin{bmatrix} 2 & 1 \end{bmatrix} = \frac{1}{10} \begin{bmatrix} 2 & 1 \\ 2 & 1 \end{bmatrix}$.