第三章广义反演法精选PPT.ppt
《第三章广义反演法精选PPT.ppt》由会员分享,可在线阅读,更多相关《第三章广义反演法精选PPT.ppt(58页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、第三章广义反演法第1页,本讲稿共58页内容内容1、广义逆矩阵的概念、广义逆矩阵的概念;2、奇异值分解(、奇异值分解(SVD)和自然逆)和自然逆;3、广义反演法;、广义反演法;4、数据分辨矩阵;、数据分辨矩阵;5、参数分辨矩阵;、参数分辨矩阵;6、特征值的应用;、特征值的应用;7、分辨力高低和方差大小的测度;、分辨力高低和方差大小的测度;8、最佳折衷解;、最佳折衷解;第2页,本讲稿共58页1、广义逆矩阵的概念、广义逆矩阵的概念前面我们讨论了解线性反演问题的长度法,无疑还可以定前面我们讨论了解线性反演问题的长度法,无疑还可以定义其他各式各样的长度,比如义其他各式各样的长度,比如 范数等。但是,由于
2、其范数等。但是,由于其他范数解的应用并非如此广泛,因而,没有必要在这里进他范数解的应用并非如此广泛,因而,没有必要在这里进一步加以论述了。一步加以论述了。这里我们将从另一个角度,即广义逆矩阵的角度讨论线性这里我们将从另一个角度,即广义逆矩阵的角度讨论线性反演问题,并称基于广义逆矩阵建立起来的线性反演法叫反演问题,并称基于广义逆矩阵建立起来的线性反演法叫广义反演法(广义反演法(Gener-alized Inversion),或广义线性反),或广义线性反演法(演法(Generalized Linear Inversion,缩写为,缩写为GLI)。)。第3页,本讲稿共58页设线性反演问题:如果把G看
3、成一个映射算子,那么正演问题就是将模型空间 中的m模型通过算子G映射到数据空间 中的观测数据d通过映射 到模型空间中的模型m的一种运算。第4页,本讲稿共58页第5页,本讲稿共58页 由矩阵理论可知,若G是非奇异矩阵,那么 。这里 是G的逆矩阵,且有:第6页,本讲稿共58页在G是奇异矩阵的情况下,G的逆 并不存在,故我们称 为矩阵G的广义逆。所谓广义逆是矩阵G在常规意义下的逆之推广。普通逆矩阵只是广义逆矩阵的一种特殊形式。显然,在奇异矩阵情况下,:第7页,本讲稿共58页2、奇异值分解(、奇异值分解(SVD)和自然逆)和自然逆为了更好地了解在线性反演中应用相当普为了更好地了解在线性反演中应用相当普
4、遍的奇异矩阵的奇异值分解(遍的奇异矩阵的奇异值分解(Singular Value Decomposition,缩写为缩写为SVD),),我们先从矩阵分解讲起。我们先从矩阵分解讲起。第8页,本讲稿共58页-实对称矩阵的正交分解;任何一个实对称矩阵G均可分解为三个矩阵之连乘积,第一和第三个矩阵分别为G的特征向量矩阵U和它的转置,而第二个矩阵则是G的特征值构成的对角线矩阵 。第9页,本讲稿共58页-非奇异且非对称矩阵的分解;第10页,本讲稿共58页-Lanczos的奇异值分解;(3.25)任何一个MxN阶的矩阵G,均可分解为(3.25)式,即可分解为三个矩阵之乘积。第11页,本讲稿共58页取:(3.
5、29)为矩阵G的逆算子,它被Lanczos称为“自然逆”(natural inverse)。Jackson又称它为Lanczos逆。尔后,大多数学者(如Aki),包括Penros在内都把它称为广义逆。而把基于(3.29)式建立起来的解线性反演问题的方法统称为广义反演法.第12页,本讲稿共58页因而Gm=d的解为:可以证明(3.29)式定义的自然逆满足Penros给出的四个条件。第13页,本讲稿共58页3、广义反演法;、广义反演法;在这节里,我们只涉及基于在这节里,我们只涉及基于Lanczos自然逆而建立起来的自然逆而建立起来的广义反演法,而不讨论基于一般广义逆(即不全部满足广义反演法,而不讨论
6、基于一般广义逆(即不全部满足Penros定义的四个条件的逆)的所谓广义反演法。定义的四个条件的逆)的所谓广义反演法。第14页,本讲稿共58页3、广义反演法;、广义反演法;在这节里,我们只涉及基于在这节里,我们只涉及基于Lanczos自然逆而建立起来的自然逆而建立起来的广义反演法,而不讨论基于一般广义逆(即不全部满足广义反演法,而不讨论基于一般广义逆(即不全部满足Penros定义的四个条件的逆)的所谓广义反演法。定义的四个条件的逆)的所谓广义反演法。第15页,本讲稿共58页设线性反演问题为:Gm=d根据自然逆的定义,有:下面,我们分如下四种情况分别讨论。第16页,本讲稿共58页(1)当M=N=r
7、时,和 均不存在,即 和 均不存在,即 和 都是标准的正交矩阵且:因此,第17页,本讲稿共58页(2)当 时,Gm=d是超定方程。不复存在,但 存在,此时 是正交矩阵,即:而U,是半正交矩阵,即:第18页,本讲稿共58页因此,在这种情况下,广义反演法的解为:第19页,本讲稿共58页(3)当 时,Gm=d是欠定方程。此时,不复存在,而 存在。是正交矩阵,且:而 是半正交矩阵,即:第20页,本讲稿共58页因此,广义反演法的解为:这就是欠定问题的最小长度解,而且解是惟一的。第21页,本讲稿共58页(4)当 时,和 都存在。因此,可以把广义反演解看成是同时在U空间极小 和在V空间极小 的结果。为了帮助
8、大家理解奇异值分解和广义逆的意义,现在分析两个简单的例子。例1:例2:第22页,本讲稿共58页4、数据分辨矩阵;、数据分辨矩阵;用广义反演法解线性反演问题,不但可以求得一个拟合观用广义反演法解线性反演问题,不但可以求得一个拟合观测数据的模型测数据的模型m,而且可以获得一些与观测数据,而且可以获得一些与观测数据d和模型和模型参数参数m有关的辅助信息,例如,数据分辨矩阵(有关的辅助信息,例如,数据分辨矩阵(data resolution matrix)等。)等。第23页,本讲稿共58页假定已经求得模型,即:这里,用 表示用广义反演法构制的模型,以示和真实模型m之区别。试问,能拟合观测数据吗?也就是
9、说,把代入线性方程D=Gm能获得与d相同的重建数据吗?第24页,本讲稿共58页若用 表示重建数据,则有:式中:是 阶方阵,叫数据分辨矩阵(data resolution matrix)或信息密度矩阵(information density matrix)。它是拟合观测数据好坏程度的标志,第25页,本讲稿共58页如图所示,矩阵F的第i行中诸要素 越接近于1,则 越接近于 ,即分辨力越高,因为:第26页,本讲稿共58页由于数据分辨矩阵F主对角线要素 表明 接近 的程度,因此又定义F的对角线矩阵 ,即:为重要性(importance)矩阵。第27页,本讲稿共58页5、参数分辨矩阵;、参数分辨矩阵;由
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 第三 广义 反演 精选 PPT
限制150内