如何通过SVD在Python中求解矩阵的广义逆A+？

你的SVD分解代码是正确的，U4@D4@V4能还原原矩阵，说明分解逻辑没问题。问题可能出在对广义逆性质的误解，或是手动构造伪逆矩阵时的冗余操作。

正确的广义逆推导 #

对于矩阵A的SVD分解：$A = U\Sigma V$（对应你的代码中A4 = U4 @ D4 @ V4），Moore-Penrose广义逆$A^+$的公式为：
$A^+ = V^T \Sigma^+ U^T$
其中$\Sigma^+$是$\Sigma$的伪逆：

• 形状为$n \times m$（A是$m \times n$）
• 将$\Sigma$中的非零奇异值取倒数，其余位置保持0

修正后的代码 #

手动构造D4p的逻辑是对的，但可以用更简洁且不易出错的方式生成：

import numpy as np
import scipy as sp

# 定义原矩阵
A4 = np.array([[3, 1,2,3,4],
               [5,2,3,4,5],
               [7,4,5,6,7]])

# 执行SVD分解
U4, s4, V4 = np.linalg.svd(A4)
D4 = sp.linalg.diagsvd(s4, 3, 5)

# 构造Σ的伪逆Σ⁺
D4p = np.zeros((5, 3))
# 将非零奇异值的倒数填充到对角位置
np.fill_diagonal(D4p, 1/s4)

# 计算广义逆A⁺
A4plus = V4.T @ D4p @ U4.T

# 验证广义逆性质
print("A⁺A（5×5正交投影矩阵）：")
print(np.round(A4plus @ A4, 2))
print("\nAA⁺（3×3单位矩阵，因A行满秩）：")
print(np.round(A4 @ A4plus, 2))

关键说明 #

1. 广义逆的性质：

   • 当A是行满秩（你的3×5矩阵秩为3），$AA^+$是$m \times m$的单位矩阵，这是正常结果。
   • $A^+A$是$n \times n$的正交投影矩阵（不是单位矩阵），它负责将向量投影到A的列空间，这是行满秩矩阵广义逆的固有特性，并非代码错误。

2. 正确性验证：
   可以用numpy内置伪逆函数对比结果，确认实现无误：

   A4plus_np = np.linalg.pinv(A4)
   print("\n与numpy内置伪逆的最大误差：")
   print(np.max(np.abs(A4plus - A4plus_np)))  # 误差应接近1e-15量级
   

内容的提问来源于stack exchange，提问作者Ginto