Trong bối cảnh rộng lớn của vật lý toán học và khoa học dữ liệu, ma trận ma trận A^TCA vừa là cây cầu nối phổ quát. Dù bạn đang tính toán độ dịch chuyển của một tòa nhà cao tầng dưới tác động gió (độ cứng), hay tìm đường phù hợp nhất cho dữ liệu thống kê nhiễu loạn (bình phương tối thiểu), cấu trúc vẫn giữ nguyên. Khi "phép nghịch đảo" hoàn hảo của A không tồn tại do hệ thống suy biến hoặc quá điều kiện, thì ma trận nghịch đảo giả A⁺ lại xuất hiện như người dẫn đường giúp ta quay trở về trạng thái cân bằng.
1. Hình học của ma trận nghịch đảo giả
Ma trận nghịch đảo giả $A^+$ là một ma trận kích thước $n \times m$ hoạt động như một phép nghịch đảo hoàn hảo khi có thể. Nó kết nối các Bốn không gian cơ bản bằng cách đảm bảo rằng các vector $u_1, \dots, u_r$ trong không gian cột của $A$ được ánh xạ trực tiếp trở lại thành $v_1, \dots, v_r$ trong không gian hàng.
Quy tắc ánh xạ
- Với $i \leq r$: $A^+ u_i = \frac{1}{\sigma_i} v_i$ (Nghịch đảo của việc thang đo giá trị kỳ dị)
- Với $i > r$: $A^+ u_i = 0$ (Không gian nghiệm trái bị triệt tiêu)
2. Cấu tạo ma trận A^TCA
Các hệ vật lý đạt đến trạng thái cân bằng thông qua một chu trình ba bước:
- Động học ($Ax=e$): Sự dịch chuyển bên ngoài $x$ tạo ra ứng suất nội bộ $e$.
- Định luật cấu tạo ($y=Ce$): Các thuộc tính vật liệu (như định luật Hooke) chuyển đổi ứng suất thành lực căng nội bộ $y$.
- Cân bằng ($A^Ty=f$): Lực căng nội bộ cân bằng với lực bên ngoài $f$.
Kết hợp ba yếu tố này dẫn đến phương trình chính: $A^TCAx=f$. Nếu $A^TA$ khả nghịch, ta sẽ thu được nghiệm chuẩn của bài toán bình phương tối thiểu có trọng số.
3. Phép chiếu và các đẳng thức
Khác với nghịch đảo thông thường, $AA^+$ và $A^+A$ không chắc chắn cho ra ma trận đơn vị đầy đủ. Thay vào đó, chúng hoạt động như các ma trận chiếu:
- $AA^+$ là ma trận chiếu lên không gian cột của $A$.
- $A^+ A$ là ma trận chiếu lên không gian hàng của $A$.
🎯 Định nghĩa theo phân tích giá trị kỳ dị (SVD)
Định nghĩa toán học chính thức sử dụng phân tích giá trị kỳ dị (SVD):
$A^+ = V \Sigma^+ U^T = \begin{bmatrix} v_1 \cdots v_r \cdots v_n \end{bmatrix} \begin{bmatrix} \sigma_1^{-1} & & \\ & \ddots & \\ & & \sigma_r^{-1} \\ & & & 0 \end{bmatrix} \begin{bmatrix} u_1 \cdots u_r \cdots u_m \end{bmatrix}^T$
Ví dụ minh họa: Tìm A⁺ cho ma trận hạng 1
Bài toán
Xét ma trận $A = \begin{bmatrix} 2 & 2 \\ 1 & 1 \end{bmatrix}$. Hãy tìm $A^+$.
Phân tích
Hạng $r=1$. Không gian hàng được sinh bởi $v_1 = \frac{1}{\sqrt{2}}(1, 1)$. Không gian cột được sinh bởi $u_1 = \frac{1}{\sqrt{5}}(2, 1)$. Giá trị kỳ dị $\sigma_1 = \sqrt{2^2+2^2+1^2+1^2} = \sqrt{10}$.
Tính toán
$A^+ = v_1 \sigma_1^{-1} u_1^T = \frac{1}{\sqrt{2}}\begin{bmatrix} 1 \\ 1 \end{bmatrix} \frac{1}{\sqrt{10}} \frac{1}{\sqrt{5}}\begin{bmatrix} 2 & 1 \end{bmatrix} = \frac{1}{10} \begin{bmatrix} 2 & 1 \\ 2 & 1 \end{bmatrix}$.