矩阵的广义逆
第4章 矩阵的广义逆
例题1 设W是C n 的子空间，证明 存在到W的投影 变换， 使R（）=W。
3、正交投影的性质
定理4.16（P . 104）设W是C n的子空间，x0C n， x 0 W，如果是空间C n向空间W的正交投影， 则
( x0 ) x0 y x0
y W
含义：点（x0）是空间 W 中与点x 0距离最近的点。
讨论：对任何满足式( ¤) 的左逆B，X=Bb都是方程组的
解，如何解释方程组的解是惟一的？
§ 4. 2 广义逆矩阵
思想：用公理来定义广义逆。 一、减号广义逆 定义4 . 2 (P . 95) A C m n ，如果，G C n m使得，
AGA=A，则矩阵G为的A减号广义逆。或{1}逆。A的 减号逆集合A{1}={A1–1，A2–1， ， Ak–1} 例题1 A C nn可逆，则A–1 A{1}； A单侧可逆，则A –1LA{1}；A–1RA{1}。 减号逆的求法：定理4.5（P . 95） 减号逆的性质：定理4.6 (P . 96)
• 设A满秩分解A=BC， 则A + =CH （CCH ）–1（BH B）–1BH 。 • （定理4.9）设A奇异值分解 ：
H A U V ，则 0 0
1 0 H A V U 0 0
例题1 求下列特殊矩阵的广义逆；
零矩阵0； 1阶矩阵( 数) a； a1 对角矩阵
4、A + A与AA +的性质 定理4.15（P . 104）
A + A的性质：
• （A + A）2 = A + A，（A + A）H = A + A • C n =R（A + ） N（A） • R （A + ）= N（A）
第4章 矩阵的广义逆
定义 3 设 A 为一个 m n 复矩阵，若有一个 n m 复矩阵 G 存在， 使（ 1 ）成立，即 AGA A ，则称 G 为 A 的一个 {1}-广义逆，记为
G A{1} 或 G A{1} ，也称 G 为 A 的一个减号广义逆，记为 G A ， 即有 AA A A ． （5）
A为列满秩
7
推论 设 A C mn , 则
(1) A左可逆的充要条件是 N ( A) {0};
( 2) A右可逆的充要条件是 R( A) C m .
证 充分性：N ( A) {0}
rank ( A) n
必要性： A左可逆
Ax 0只有零解
A为列满秩
1 ALபைடு நூலகம்A En
x N ( A)
由于 M-P 的 4 个方程都各有一定的解释，并且应用起来各有方 便之处，所以出于不同的目的，常常考虑满足部分方程的 G ，总之， 按照定义 2 可推得，满足 1 个，2 个，3 个，4 个 M-P 方程的广义逆 矩阵共有 15 类，即
1 2 3 4 C4 C4 C4 C4 15 ．
使得
AGb b ( b R( A))
m n
则称G为A的广义逆矩阵 , 记为G A .
定理1设 A C
, 则A 存在广义逆矩阵A 的
充要条件是存在 G C nm , 使其满足AGA A
14
定理1 设 A C
m n
, 则A 存在广义逆矩阵A 的
nm
充要条件是存在 G C
15
由AGA A可得： AGAx0 Ax0 b 即，AGb b, 说明x Gb是方程 Ax b 的解. G是A的减号逆 , G A . m n nm 设 A C , 且 A C 是A的一个广义 推论 1 逆矩阵A , 则
矩阵的广义逆
矩阵的广义逆矩阵的广义逆，也称为矩阵的伪逆或摩尔-彭若斯广义逆，是指对于任意一个矩阵A，存在一个矩阵A+，使得满足AA+A = A和A+AA+ = A+。
有时也会写作A†来表示矩阵A的广义逆。
对于一个非方阵矩阵，它的伪逆可以分为两种情况：1. 如果矩阵 A 的行数小于列数，那么 A 的伪逆定义为满足 A A+ A = A 的矩阵 A+。
而对于方阵矩阵，它的伪逆和逆矩阵可以等价。
即 A A-1 A = A。
矩阵的广义逆具有以下的性质：1. A+ 也是广义逆矩阵。
即 A++ = A+。
2. A+ 的列空间就是 A 的列空间的伪逆。
即Col(A+) = Col(A)⊥。
其中⊥ 表示正交补。
6. 若 A 是满秩的，则其广义逆 A+ 就是其逆 A-1。
广义逆的应用相当广泛，其中一个典型的例子就是矩阵最小二乘问题。
在最小二乘问题中，我们需要求解一个线性方程组 Ax = b，其中矩阵 A 不一定满秩。
在这种情况下，我们可以使用广义逆来求解这个问题。
具体方法是通过求解矩阵 (ATA)+ ATb 来得到线性方程组的近似解。
由于经过广义逆变换后的矩阵 A+ 可以在秩不足的情况下仍然存在，因此我们可以使用广义逆来获得一个较好的近似解。
同时，广义逆还可以用于求解线性回归、广义线性回归和主成分分析等问题。
总之，矩阵的广义逆是线性代数中一个非常常用的概念，具有广泛应用和重要的数学意义。
通过理解和掌握广义逆的性质和应用，可以帮助我们更好地处理线性方程组等问题，从而有效提高数据分析和科学计算的效率和准确性。
广义逆矩阵
广义逆矩阵矩阵（Matrix）是数学中使用最广泛的数据结构，它包含了数学中许多基本概念，比如向量、空间、线性变换等，矩阵被广泛应用到物理、生物、经济、工程等领域。
广义逆矩阵（Generalized Inverse Matrix）是矩阵的基本概念，它的存在及性质的研究是现代矩阵论的一个重要分支，它在科学研究和工程应用中扮演着重要的角色。
一般而言，矩阵逆等价于矩阵乘积为单位矩阵。
矩阵A的逆被称为A的广义逆，它可以被定义为一个或多个矩阵变化，使得结果等于单位矩阵。
矩阵求逆是现代数学中最重要的问题之一，它是线性代数和几何学的基础。
只有求出矩阵的逆，才能对矩阵进行变换，从而更好地理解线性变换的意义。
此外，求逆矩阵的过程中存在极大的数学难题和技术挑战，尤其是当矩阵维度较高、矩阵元素灵活变化时，实际问题求解更为困难。
广义逆矩阵不仅仅能够分解矩阵，它还能够用来处理矩阵的特殊情况，比如非方阵、正定矩阵以及秩不足的情况，这些现实中的应用情况都可以有效的利用广义逆矩阵来进行处理。
例如，当求解矩阵的某些特殊情况时，矩阵的逆就可以使用广义逆矩阵：如果矩阵的秩不足，那么将该矩阵的广义逆算出来，就可以求出该矩阵的解析解；同理，当求解矩阵的特征值时，通过广义逆矩阵可以求出所有特征值，而不受矩阵形状限制。
另外，广义逆矩阵在数值计算中也有着巨大的用处，当用有限精度浮点数方式实现函数f(x)时，可以用广义逆矩阵来表示该函数，从而提高计算效率。
从上面可以看出，广义逆矩阵在现代数学和高等数学的研究中扮演着重要的角色，它可以用来求解矩阵的特殊情况，求解一般线性方程，甚至可以应用到数值计算中，极大的提高效率和准确度。
研究广义逆矩阵的方法非常多，主要有矩阵分解法、特征值分解法和最小二乘法等，其中，矩阵分解法是求解广义逆矩阵最常用的方法，它可以利用“矩阵特征分解法”来求得一个矩阵的广义逆，这种方法简单、高效、计算量小，所谓的“矩阵特征分解法”实质上是将n×n矩阵A分解为“固定矩阵M”和“可逆矩阵X”的乘积，即AX=M，可以看出，X就是A的广义逆，也就是说，广义逆矩阵可以通过将一个n×n矩阵分解成M和X两个矩阵得到。
广义逆矩阵
广义逆矩阵许多书籍和期刊文章都提到了广义逆矩阵，或者称之为广义反矩阵。
它是一种强大而又具有广泛应用的数学工具，用于解决复杂的方程组。
广义逆矩阵概念最初源自20世纪30年代，最初是由美国数学家和物理学家约翰芬奇发明的。
他称其为“广义反矩阵”，它和传统的逆矩阵有很多共同点，但也有很多不同之处。
广义逆矩阵是指一个任意维数的方阵，该方阵乘以之前的方阵可以得到一个对角矩阵，称作对角矩阵的逆矩阵。
它也可以描述为一个方阵，该方阵乘以另一个方阵给出一个单位矩阵，称作单位矩阵的逆矩阵。
表达式一般可以写作A^-1=B，其中A是一个任意维数的方阵，B是A的广义逆矩阵。
广义逆矩阵有许多应用，它可以用于求解方程组，而无需解析解的方法。
也可以用于信号处理和图像处理，以及几何建模。
此外，它还可以用于机器学习，深度学习和神经网络。
许多学术期刊上的文章都着重讨论了广义逆矩阵的特性、表示形式和应用。
其中包括《The Journal of Mathematical Analysis and Applications》中的《An Efficient Algorithm for Computing Generalized Inverse Matrices》，该文章探讨了一种计算广义逆矩阵的有效算法；《 Linear Algebra and Its Applications》中的《On Computing the Generalized Inverse Matrix》，则讨论了计算广义逆矩阵的一些经典算法；《Journal of Computational and Applied Mathematics》中的《A Generalized Inverse Matrix Algorithm andIts Application in Image Processing》则探讨了广义逆矩阵在图像处理中的应用。
总之，广义逆矩阵是一种强大的数学工具，它可以用于求解复杂的方程组，可以应用于信号处理、图像处理、机器学习和神经网络等领域。
工程矩阵理论(第6章-矩阵的广义逆)
矩阵的广义逆可以用于求解线性方程组，特别是当系数矩阵奇异或接近奇异时，广义逆提供了有效的 解决方案。
最小二乘解
在最小二乘问题中，广义逆可以找到使得残差平方和最小的解，这在数据分析和统计中非常有用。
在控制论中的应用
系统稳定性分析
在控制系统中，广义逆可以用于分析 系统的稳定性，通过计算系统的极点 来评估系统的动态行为。
04
矩阵的广义逆的存在性条件
存在性条件
矩阵A的秩为n
矩阵A的秩必须等于其维数n，即 $rank(A) = n$，以保证存在一个广义逆 矩阵。
VS
线性方程组有解
矩阵A所对应的线性方程组必须有解，即 系数矩阵A的行列式值不为零，即 $det(A) neq 0$。
唯一性条件
要点一
矩阵A为非奇异矩阵
矩阵A必须是非奇异矩阵，即其行列式值不为零，即 $det(A) neq 0$，以保证广义逆矩阵的唯一性。
程实际需求。
工程实例三：最优化问题求解
总结词
最优化问题求解是矩阵广义逆的一个重要应用方向。
详细描述
在工程领域中，经常需要解决各种最优化问题，如线 性规划、二次规划、非线性规划等。这些问题的数学 模型通常可以转化为矩阵形式。通过利用矩阵的广义 逆，可以高效地求解这些最优化问题，为工程实践提 供更好的解决方案。
最小二乘法的优点是简单易行，适用于大规模数据的计算。 但是，它只能找到一个近似解，而不是精确解。
迭代法
迭代法是一种通过不断迭代来逼近解的方法。在矩阵的广 义逆中，迭代法可以用来求解线性方程组的迭代解。通过 不断迭代更新解向量，最终逼近方程组的解。
迭代法的优点是适用于大规模数据的计算，且可以找到精 确解。但是，迭代法的收敛速度较慢，需要多次迭代才能 得到满意的结果。
广义逆矩阵
第六章 广义逆广义逆矩阵的概念是方阵逆矩阵概念的推广，广义逆矩阵的基本知识是矩阵理论的重要组成部分，其在数理统计、数值分析、博弈论、控制论、计量经济、电网理论等中有重要的应用。
本章首先给出各种广义逆矩阵的概念，重点介绍矩阵{}1-逆及矩阵Moore-Penrose 逆的性质、计算方法及这两种广义逆矩阵在线性方程组求解中的应用，最后给出方阵的群逆与Drazin 逆的基本性质。
§ 广义逆矩阵的概述广义逆矩阵的概念渊源于线性方程组的求解问题。
设n C 为复n 维向量空间，m n C ⨯为复m n ⨯矩阵全体。
设矩阵m n A C ⨯∈，考虑线性方程组Ax b = （6-1） 其中，m b C ∈为给定的m 维向量，n x C ∈为待定的n 维向量。
定义1 若存在向量n x C ∈满足线性方程组（6-1），则称线性方程组（6-1）是相容的；否则称线性方程组（6-1）是不相容的。
众所周知，当A 为可逆矩阵时，线性方程组（6-1）有唯一解1x A b -=，其中1A -是A 的逆矩阵。
当A 为不可逆矩阵或长方矩阵时，相容线性方程组（6-1）有无数解；不相容线性方程组（6-1）无解，但它有最小二乘解，即求n x C ∈，使得()min y R A Ax b y b ∈-=- （6-2）成立，其中代表任意一种向量范数，{}(),m n R A y C y Ax x C =∈=∀∈。
上述两种情况的解是否也能表示成一种紧凑的形式x Gb =，其中，G 是某个n m ⨯矩阵？ 这个矩阵G 是通常逆矩阵的推广。
1920年，. Moore 首先提出广义逆矩阵的概念，由于Moore 的方程过于抽象，并未引起人们的重视。
1955年，R. Penrose 给出如下比较直观和实用的广义逆矩阵的概念。
定义2 设矩阵m n A C ⨯∈，若存在矩阵n m X C ⨯∈满足下列Penrose 方程（1）AXA A =； （2）XAX X =； （3）()H AX AX =； （4）()H XA XA =则称X 为A 的Moore-Penrose 逆，记为A +。
第8章广义逆矩阵及其应用
同理可证（2）．
这里要特别指出的是，对于行或列满秩的矩阵 A ， AR1 与 AL1 是不可能同时存在的，当且仅当 A 为满秩矩阵时 AR1 与 AL1 才同时存在，并且都等于逆矩阵 A1 ，另外，由右逆与左逆的定
义不难看出右逆与左逆满足 M-P 方程（8.1.1），（8.1.2），从而有 下面结论．
( AG) H AG ，
（8.1.4）
4 个方程的全部或一部分，则称 G 为 A 的一个广义逆矩阵，并把上
面 4 个方程叫做穆尔-彭诺斯（M-P）方程．进一步，如果 G 满足
M-P 的 4 个方程式，则称 G 为 A 的穆尔-彭诺斯广义逆，记为
G A{1,2,3,4} ，一般地，如果 G 满足 4 个 M-P 方程式中的第
在，使（8.1.1）与（8.1.2）都成立，即
AGA A GAG G
则称 G 为 A 的一个{1,2}-广义逆，记为 G A{1, 2} 或 G A{1,2} ，也称 G
为 A 的一个自反减号广义逆，记为 G Ar ，即有
AAr A A ， Ar AAr Ar ．
（8.1.10）
显 然 ， 自 反 减 号 逆 Ar 是 一 种 特 殊 的 减 号 逆 A ， 它 满 足 自 反 性
P C mm , Q C nn 使得
PA
Q
Er 0
00 ，
则 A 的减号逆矩阵存在，且可表示为
（8.1.7）
A
Q
Er G21
G12 G22
P
，
（8.1.8）
其中 G12,G21,G22 分别是 r (m r) ，(n r) r ，(n r) (m r) 的任意
矩阵．