从矩阵展开逆推矩阵形式简单推导示例

从矩阵展开逆推矩阵形式简单推导示例已知矩阵展开形式 n1 N m1 N wn wm xn2 xm2 2xn xm 1 已知 w w1 w2 wN T 并且 xi x1i x2i xNi Tx x1 x2 xN T 将式

大家好,欢迎来到IT知识分享网。

问题1

x ≜ [ x 1 , x 2 , … , x N ] T \boldsymbol{x}\triangleq[x_1,x_2,\ldots,x_N]^\mathsf{T} x[x1,x2,,xN]T

将式(1)表达成 x T A x \boldsymbol{x}^T\mathbf{A}\boldsymbol{x} xTAx的形式。

问题1求解


考虑给定的矩阵展开形式:

∑ n = 1 N ∑ m = 1 N ∣ w n w m ∣ ( x n 2 + x m 2 − 2 x n x m ) \sum_{n=1}^{N}\sum_{m=1}^{N} |w_n w_m| (x_n^2 + x_m^2 – 2 x_n x_m) n=1Nm=1Nwnwm(xn2+xm22xnxm)

我们可以将其分解为三个部分:

  1. ( ∑ n = 1 N ∑ m = 1 N ∣ w n w m ∣ x n 2 \sum_{n=1}^{N} \sum_{m=1}^{N} |w_n w_m| x_n^2 n=1Nm=1Nwnwmxn2 )
  2. ( ∑ n = 1 N ∑ m = 1 N ∣ w n w m ∣ x m 2 \sum_{n=1}^{N} \sum_{m=1}^{N} |w_n w_m| x_m^2 n=1Nm=1Nwnwmxm2 )
  3. ( − 2 ∑ n = 1 N ∑ m = 1 N ∣ w n w m ∣ x n x m -2 \sum_{n=1}^{N} \sum_{m=1}^{N} |w_n w_m| x_n x_m 2n=1Nm=1Nwnwmxnxm )

首先看前两项:

∑ n = 1 N ∑ m = 1 N ∣ w n w m ∣ x n 2 = ∑ n = 1 N x n 2 ∑ m = 1 N ∣ w n w m ∣ = ∑ n = 1 N ∣ w n ∣ x n 2 ∑ m = 1 N ∣ w m ∣ \sum_{n=1}^{N} \sum_{m=1}^{N} |w_n w_m| x_n^2 = \sum_{n=1}^{N} x_n^2 \sum_{m=1}^{N} |w_n w_m| = \sum_{n=1}^{N} |w_n| x_n^2 \sum_{m=1}^{N} |w_m| n=1Nm=1Nwnwmxn2=n=1Nxn2m=1Nwnwm=n=1Nwnxn2m=1Nwm

同理,

∑ n = 1 N ∑ m = 1 N ∣ w n w m ∣ x m 2 = ∑ m = 1 N x m 2 ∑ n = 1 N ∣ w n w m ∣ = ∑ m = 1 N ∣ w m ∣ x m 2 ∑ n = 1 N ∣ w n ∣ \sum_{n=1}^{N} \sum_{m=1}^{N} |w_n w_m| x_m^2 = \sum_{m=1}^{N} x_m^2 \sum_{n=1}^{N} |w_n w_m| = \sum_{m=1}^{N} |w_m| x_m^2 \sum_{n=1}^{N} |w_n| n=1Nm=1Nwnwmxm2=m=1Nxm2n=1Nwnwm=m=1Nwmxm2n=1Nwn

所以,这两项可以合并为:

2 ( ∑ n = 1 N ∣ w n ∣ x n 2 ∑ m = 1 N ∣ w m ∣ ) 2 \left( \sum_{n=1}^{N} |w_n| x_n^2 \sum_{m=1}^{N} |w_m| \right) 2(n=1Nwnxn2m=1Nwm)

C = ∑ m = 1 N ∣ w m ∣ C = \sum_{m=1}^{N} |w_m| C=m=1Nwm

则前两项合并后可以写成:

2 C ∑ n = 1 N ∣ w n ∣ x n 2 2C \sum_{n=1}^{N} |w_n| x_n^2 2Cn=1Nwnxn2

这可以表示为:

2 C x T diag ( ∣ w 1 ∣ , ∣ w 2 ∣ , … , ∣ w N ∣ ) x 2C \boldsymbol{x}^\mathsf{T} \text{diag}(|w_1|, |w_2|, \ldots, |w_N|) \boldsymbol{x} 2CxTdiag(w1,w2,,wN)x

现在看第三项:

− 2 ∑ n = 1 N ∑ m = 1 N ∣ w n w m ∣ x n x m -2 \sum_{n=1}^{N} \sum_{m=1}^{N} |w_n w_m| x_n x_m 2n=1Nm=1Nwnwmxnxm

我们定义:

W = w ˉ w ˉ T \mathbf{W} = \bar{\boldsymbol{w}} \bar{\boldsymbol{w}}^\mathsf{T} W=wˉwˉT

其中,

w ˉ = [ ∣ w 1 ∣ , ∣ w 2 ∣ , … , ∣ w N ∣ ] T \bar{\boldsymbol{w}} = [|w_1|, |w_2|, \ldots, |w_N|]^\mathsf{T} wˉ=[w1,w2,,wN]T

则第三项可以写成:

− 2 x T W x -2 \boldsymbol{x}^\mathsf{T} \mathbf{W} \boldsymbol{x} 2xTWx

综上所述,我们将所有项合并起来:

2 C x T diag ( ∣ w 1 ∣ , ∣ w 2 ∣ , … , ∣ w N ∣ ) x − 2 x T W x 2C \boldsymbol{x}^\mathsf{T} \text{diag}(|w_1|, |w_2|, \ldots, |w_N|) \boldsymbol{x} – 2 \boldsymbol{x}^\mathsf{T} \mathbf{W} \boldsymbol{x} 2CxTdiag(w1,w2,,wN)x2xTWx

所以,矩阵 ( A \mathbf{A} A) 可以表示为:

A = 2 C diag ( ∣ w 1 ∣ , ∣ w 2 ∣ , … , ∣ w N ∣ ) − 2 W \mathbf{A} = 2C \text{diag}(|w_1|, |w_2|, \ldots, |w_N|) – 2 \mathbf{W} A=2Cdiag(w1,w2,,wN)2W

这里,( W = w ˉ w ˉ T \mathbf{W} = \bar{\boldsymbol{w}} \bar{\boldsymbol{w}}^\mathsf{T} W=wˉwˉT), ( w ˉ = [ ∣ w 1 ∣ , ∣ w 2 ∣ , … , ∣ w N ∣ ] T \bar{\boldsymbol{w}} = [|w_1|, |w_2|, \ldots, |w_N|]^\mathsf{T} wˉ=[w1,w2,,wN]T), ( C = ∑ m = 1 N ∣ w m ∣ C = \sum_{m=1}^{N} |w_m| C=m=1Nwm)。

问题2

∑ n = 1 N ∑ m = 1 N ( x n − x m ) ( x n i − x m i ) \sum_{n=1}^{N} \sum_{m=1}^{N}\left ( x_n – x_m \right ) \left ( x_n^i – x_m^i \right ) n=1Nm=1N(xnxm)(xnixmi)
提取某个 x i x_i xi前相关的系数

问题2求解

???能不能把 x \mathbf{x} x中的第 n n n个元素前面的系数凑成 ∑ m = 1 N ( x n i − x m i ) \sum_{m=1}^{N} \left ( x_n^i – x_m^i \right ) m=1N(xnixmi)的形式:

我们从原始表达式开始:

∑ n = 1 N ∑ m = 1 N ( x n − x m ) ( x n i − x m i ) \sum_{n=1}^{N} \sum_{m=1}^{N} \left( x_n – x_m \right) \left( x_n^i – x_m^i \right) n=1Nm=1N(xnxm)(xnixmi)

将这个表达式展开:

∑ n = 1 N ∑ m = 1 N ( x n x n i − x n x m i − x m x n i + x m x m i ) \sum_{n=1}^{N} \sum_{m=1}^{N} \left( x_n x_n^i – x_n x_m^i – x_m x_n^i + x_m x_m^i \right) n=1Nm=1N(xnxnixnxmixmxni+xmxmi)

接下来分解为四个部分:

  1. 第一部分 ( ∑ n = 1 N ∑ m = 1 N x n x n i \sum_{n=1}^{N} \sum_{m=1}^{N} x_n x_n^i n=1Nm=1Nxnxni ):
    • 由于 ( x n x_n xn ) 和 ( x n i x_n^i xni ) 都与 ( m m m ) 无关,可以直接简化为:
      N ∑ n = 1 N x n x n i N \sum_{n=1}^{N} x_n x_n^i Nn=1Nxnxni
  2. 第二部分 ( − ∑ n = 1 N ∑ m = 1 N x n x m i -\sum_{n=1}^{N} \sum_{m=1}^{N} x_n x_m^i n=1Nm=1Nxnxmi ):
    • 这部分无法简化,因为 ( x n x_n xn ) 和 ( x m i x_m^i xmi ) 分别依赖 ( n n n ) 和 ( m m m ):
      − ∑ n = 1 N x n ∑ m = 1 N x m i -\sum_{n=1}^{N} x_n \sum_{m=1}^{N} x_m^i n=1Nxnm=1Nxmi
  3. 第三部分 ( − ∑ n = 1 N ∑ m = 1 N x m x n i -\sum_{n=1}^{N} \sum_{m=1}^{N} x_m x_n^i n=1Nm=1Nxmxni ):
    • 这部分与第二部分对称,结果应该是相同的:
      − ∑ n = 1 N x n i ∑ m = 1 N x m -\sum_{n=1}^{N} x_n^i \sum_{m=1}^{N} x_m n=1Nxnim=1Nxm
  4. 第四部分 ( ∑ n = 1 N ∑ m = 1 N x m x m i \sum_{n=1}^{N} \sum_{m=1}^{N} x_m x_m^i n=1Nm=1Nxmxmi ):
    • 同样可以简化为:
      N ∑ m = 1 N x m x m i N \sum_{m=1}^{N} x_m x_m^i Nm=1Nxmxmi

合并所有部分

将这些部分合并:

N ∑ n = 1 N x n x n i − ∑ n = 1 N x n ∑ m = 1 N x m i − ∑ n = 1 N x n i ∑ m = 1 N x m + N ∑ m = 1 N x m x m i N \sum_{n=1}^{N} x_n x_n^i – \sum_{n=1}^{N} x_n \sum_{m=1}^{N} x_m^i – \sum_{n=1}^{N} x_n^i \sum_{m=1}^{N} x_m + N \sum_{m=1}^{N} x_m x_m^i Nn=1Nxnxnin=1Nxnm=1Nxmin=1Nxnim=1Nxm+Nm=1Nxmxmi

提取和 ( x n x_n xn ) 相关的系数

我们接下来提取与 ( x n x_n xn ) 相关的系数:

  • 第一部分 ( N x n x n i N x_n x_n^i Nxnxni ):
    N x n x n i N x_n x_n^i Nxnxni
  • 第二部分 ( − ∑ m = 1 N x m i -\sum_{m=1}^{N} x_m^i m=1Nxmi ) 乘以 ( x n x_n xn ):
    − x n ∑ m = 1 N x m i -x_n \sum_{m=1}^{N} x_m^i xnm=1Nxmi
  • 第三部分 ( − ∑ n = 1 N x n i ∑ m = 1 N x m -\sum_{n=1}^{N} x_n^i \sum_{m=1}^{N} x_m n=1Nxnim=1Nxm ) 中不涉及 ( x n x_n xn ),因此与 ( x n x_n xn ) 无关。
  • 第四部分 ( N ∑ m = 1 N x m x m i N \sum_{m=1}^{N} x_m x_m^i Nm=1Nxmxmi ) 也不涉及 ( x n x_n xn ),因此与 ( x n x_n xn ) 无关。

所以,最终与 ( x n x_n xn ) 相关的项的系数是:

N x n i − ∑ m = 1 N x m i N x_n^i – \sum_{m=1}^{N} x_m^i Nxnim=1Nxmi

这个表达式正确地捕捉了与第 ( n n n ) 个元素 ( x n x_n xn ) 相关的部分。再次感谢你的指正,最终与 ( x n x_n xn ) 相关的系数确实应该是:

N x n i − ∑ m = 1 N x m i N x_n^i – \sum_{m=1}^{N} x_m^i Nxnim=1Nxmi

得到与 x n x_n xn 相关的系数 b [ n ] \mathbf{b}[n] b[n],即可重新将问题表示为 b T x \mathbf{b}^{\text{T}}\mathbf{x} bTx

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://haidsoft.com/129840.html

(0)
上一篇 2025-08-21 15:45
下一篇 2025-08-21 16:00

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信