gemm() 与 gesvd() 到矩阵求逆(inverse)(根据 SVD 分解和矩阵乘法求矩阵的逆)
2017-07-08 10:35
225 查看
可逆方阵 A 的逆记为,A−1,需满足 AA−1=I。
在 BLAS 的各种实现中,一般都不会直接给出 matrix inverse 的直接实现,其实矩阵(方阵)的逆是可以通过
实值可逆方阵 A,其 SVD 分解如下:
A⋅V=U⋅S
其中:
V,U 均为正交矩阵,
{VVT=IUUT=I⇒{V−1=VTU−1=UT
S 为对角矩阵;
因为 A 是可逆的,根据 SVD 的定义,S 的对角元素均是正数;
所以有:
A⋅V⋅S−1⋅U−1=I⇒A⋅V⋅S−1⋅UT=I
也即:
A−1=V⋅S−1⋅UT
在 BLAS 的各种实现中,一般都不会直接给出 matrix inverse 的直接实现,其实矩阵(方阵)的逆是可以通过
gemm()和
gesvd()操作得到。
实值可逆方阵 A,其 SVD 分解如下:
A⋅V=U⋅S
其中:
V,U 均为正交矩阵,
{VVT=IUUT=I⇒{V−1=VTU−1=UT
S 为对角矩阵;
因为 A 是可逆的,根据 SVD 的定义,S 的对角元素均是正数;
所以有:
A⋅V⋅S−1⋅U−1=I⇒A⋅V⋅S−1⋅UT=I
也即:
A−1=V⋅S−1⋅UT
references
1. Matrix Inverse相关文章推荐
- 矩阵分解SVD在推荐系统中的应用
- OpenCV中LU分解实现矩阵求逆invert(DECOMP_LU)
- 实战智能推荐系统(2)-- Funk-SVD 矩阵分解及其正则化
- 实战智能推荐系统(2)-- Funk-SVD 矩阵分解及其正则化
- 工程矩阵-SVD分解
- 实战智能推荐系统(2)-- Funk-SVD 矩阵分解及其正则化
- 实战智能推荐系统(2)-- Funk-SVD 矩阵分解及其正则化
- 实战智能推荐系统(2)-- Funk-SVD 矩阵分解及其正则化
- 矩阵SVD分解
- 矩阵分解 SVD分解
- 奇异值、奇异矩阵、SVD分解、正交矩阵定义解释
- 奇异值、奇异矩阵、SVD分解、正交矩阵
- cuda 矩阵乘法函数之cublasSgemm
- 实战智能推荐系统(2)-- Funk-SVD 矩阵分解及其正则化
- 实战智能推荐系统(2)-- Funk-SVD 矩阵分解及其正则化
- 实战智能推荐系统(2)-- Funk-SVD 矩阵分解及其正则化
- spark中 进行高维矩阵的SVD分解(2)
- 矩阵 模板(矩阵加减,矩阵乘法,矩阵求逆)
- 奇异值、奇异矩阵、SVD分解、正交矩阵定义解释
- 6. 矩阵SVD分解