第 13 讲 广义逆矩阵 (1)
广义逆矩阵

广义逆矩阵矩阵是数学中的一种重要的概念,矩阵的逆矩阵也是非常重要的概念。
它们是数学中通常用来解决一些复杂问题的有效工具,而广义逆矩阵(Generalized Inverse Matrix)则是在这一领域中一种更加复杂的概念。
在本文中,我将对广义逆矩阵的定义,性质,求解方法等内容进行详细的介绍。
一、定义广义逆矩阵是在数学的线性代数中使用的一种概念,它是一种用于求解矩阵的新概念,它是一种非可逆矩阵。
首先,它是一种可以逆矩阵,但不能逆矩阵,它不能通过乘法求解,而是通过复合函数求解。
在定义广义逆矩阵之前,我们必须先定义矩阵和普通逆矩阵,因为广义逆矩阵是基于矩阵和普通逆矩阵所定义的。
矩阵是数学中的一种重要的概念,它是一种用数字表示空间或者抽象概念的表示方法,矩阵的相反数是普通逆矩阵,它具有与矩阵相反的定义,可以把矩阵的表达式变换为普通逆矩阵的形式。
而定义广义逆矩阵的免则如下:如果A是矩阵,那么A的广义逆矩阵记为A1,是满足以下条件的非可逆矩阵:AA1A=A。
二、性质研究广义逆矩阵的性质是必不可少的,因为它在数学上具有很多重要的性质。
(1)具有不可逆性:只有当矩阵A是可逆的时候,才能确定其广义逆矩阵;(2)具有自反性:设A为矩阵,则A1是A的广义逆矩阵,而A1的广义逆矩阵却是A本身;(3)具有可转性:设A和B分别为两个矩阵,则AB的广义逆矩阵等于B的广义逆矩阵乘以A的广义逆矩阵。
(4)具有保持秩性:设A为矩阵,则A的广义逆矩阵A1具有与A相同的秩。
三、求解方法由于广义逆矩阵是一种特殊的矩阵,其解决方案也是复杂的,因此,在求解广义逆矩阵时,我们可以使用一些特殊的方法。
(1)谱分解法:谱分解法是求解广义逆矩阵的一种有效的方法,它是把矩阵A分解成三个矩阵的乘积,即A=UDUT,其中U和D的元素分别为A的奇异值和奇异值的平方根。
由于A的特征值是不变的,而特征向量是可变的,因此矩阵D的逆矩阵可以由特征向量得到,并且可以得到A1=UD1UT。
广义逆矩阵

广义逆矩阵
广义逆矩阵是指一个非奇异的复矩阵的逆矩阵,这种逆矩阵可以使得不同的矩阵进行运算。
广义逆矩阵可以分为两类:一类是经典矩阵,即特定的正交矩阵;另一类是非正交矩阵,即一般矩阵。
经典矩阵的广义逆矩阵可以用某种特殊的正交矩阵表示,这种正交矩阵是矩阵的逆,可以使任意矩阵进行运算。
此外,经典矩阵的广义逆矩阵也满足下列几个性质:(1)它是一个对称矩阵;(2)它是一个非奇异矩阵;(3)它的转置是它的逆;(4)它的乘法是广义乘法的结果;(5)它的乘积满足基本乘法定理。
非正交矩阵的广义逆矩阵也有一些和经典矩阵相似的特点:(1)它是一个对称矩阵;(2)它是一个非奇异矩阵;(3)它的转置是它的逆;(4)它的乘法是广义乘法的结果;(5)它的乘积满足基本乘法定理。
然而,经典矩阵和非正交矩阵的广义逆矩阵也有一些不同之处。
例如,非正交矩阵的广义逆矩阵可以使不可逆的矩阵变成可逆的矩阵,而经典矩阵的广义逆矩阵不能实现这一点。
此外,非正交矩阵的广义逆矩阵还具有长时间计算性质,而经典矩阵的广义逆矩阵则不具备这种性质。
上述介绍了广义逆矩阵的定义和特性。
可以看出,广义逆矩阵是一种可以使任意矩阵进行运算的矩阵,它具有很多性质,特别是可以使不可逆的矩阵变成可逆的矩阵,并具有长时间计算性质,所以广义逆矩阵在矩阵数学的应用中非常重要。
总的来说,广义逆矩阵是一种重要的矩阵,它可以使任何类型的矩阵进行计算,具有非常重要的应用价值。
如果我们能够更好地理解它的性质,也许我们就能更好地利用它来解决数学问题。
广义逆矩阵与线性最小二乘

广义逆矩阵与线性最小二乘广义逆矩阵及其应用是线性代数中一个重要的研究方向。
在许多实际问题中,我们需要找到一种方法来解决超定方程组的问题。
而广义逆矩阵就是解决这类问题的有效工具之一。
本文将介绍广义逆矩阵的定义和性质,并探讨其在线性最小二乘问题中的应用。
一、广义逆矩阵的定义广义逆矩阵,也被称为伪逆矩阵,是矩阵理论中的一种扩展。
对于任意的实矩阵A,它的广义逆矩阵记作A⁺。
如果存在一个矩阵B,满足以下条件:1)ABA=A;2)BAB=B;则矩阵B为A的广义逆矩阵。
二、广义逆矩阵的性质广义逆矩阵具有以下性质:1)(A⁺)⁺=A,即广义逆矩阵的广义逆矩阵等于原矩阵本身;2)(AB)⁺=B⁺A⁺,即矩阵乘法的广义逆等于矩阵广义逆的乘法;3)(Aᵀ)⁺=(A⁺)ᵀ,即转置矩阵的广义逆等于广义逆的转置;4)如果A是满秩矩阵,则A⁺=A⁻¹,即广义逆矩阵等于逆矩阵。
三、广义逆矩阵的应用1. 线性最小二乘线性最小二乘问题是指在一组超定方程中,通过最小化误差的平方和,找到最佳的解。
设A为一个m×n的实矩阵,b为一个m维实向量,我们的目标是找到一个n维实向量x,使得||Ax-b||²取得最小值。
利用广义逆矩阵,线性最小二乘问题可以转化为求解如下方程的问题:A⁺Ax = A⁺b其中,A⁺表示A的广义逆矩阵。
解x = A⁺b即可得到最小二乘解。
2. 线性方程组的逼近解对于一个不一定可逆的矩阵A,我们可以通过广义逆矩阵来逼近求解线性方程组Ax=b。
即使A不是方阵,也可以通过广义逆矩阵来找到一个近似解。
通过求解A⁺Ax=A⁺b,我们可以得到一个逼近解x = A⁺b。
这在实际问题中往往是非常有用的,特别是当我们无法求解方程组的精确解时。
四、总结广义逆矩阵是一种重要的工具,在线性代数中广泛应用于解决超定方程组的问题。
它具有许多重要的性质,使得它成为线性最小二乘和逼近解的有力工具。
通过合理利用广义逆矩阵,我们可以在实际问题中找到最佳的解,为相关领域的研究和应用提供了新的途径。
广义逆矩阵的计算方法及意义

广义逆矩阵的计算方法及意义广义逆矩阵是矩阵理论中的一个非常重要的概念,它不仅在数值计算中具有重要意义,而且在优化理论、信号处理以及系统控制等领域也广泛应用。
本文将从广义逆矩阵的定义、计算方法及其意义等方面阐述这一重要概念。
一、广义逆矩阵的定义广义逆矩阵的定义是指,对于任意的一个矩阵A ∈ Rm×n,若存在一个矩阵A+ ∈ Rn×m,使得下列两个条件成立,即:A × A+ × A = AA+ × A × A+ = A+则称A+为A的广义逆矩阵。
其中,A+也满足下列两个条件:(A × A+)T = A × A+(A+ × A)T = A+ × A需要注意的是,如果A的列线性无关,则A+实际上就是A的逆矩阵。
二、广义逆矩阵的计算方法广义逆矩阵的计算方法有以下几种:(1)矩阵求导法矩阵求导法是一种比较简单的计算广义逆矩阵的方法。
它的基本思想是,将A与A的转置相乘,得到一个对称矩阵B,然后对B进行求导,最终就可以得到广义逆矩阵A+。
但是,这种方法的计算复杂度较高,适用范围也比较狭窄。
(2)奇异值分解法奇异值分解法是一种较广泛使用的计算广义逆矩阵的方法。
该方法的基本思想是,将A进行奇异值分解,得到A = UΣVT,然后对Σ进行逆运算,得到Σ+,最后通过A+ = VΣ+UT,就可以得到广义逆矩阵A+。
(3)正交交替投影法正交交替投影法是一种可以解决较大规模矩阵计算问题的方法。
该方法的基本思想是,通过Von Neumann展开,将广义逆矩阵的计算转化为一个正交投影问题,然后利用正交的性质以及平衡收敛的原理,不断迭代求解,最终得到广义逆矩阵A+。
三、广义逆矩阵的意义广义逆矩阵作为一种重要的矩阵理论工具,具有许多重要的应用意义,下面我们对其进行简单的介绍:(1)最小二乘法在数据处理的过程中,经常会出现数据不完备或者存在噪声的情况。
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。
矩阵偏序与广义逆

矩阵偏序与广义逆矩阵偏序与广义逆矩阵理论作为数学的一个重要分支,涉及到众多重要的概念和定理。
在研究矩阵的性质与特征时,我们不可避免地要涉及到矩阵之间的偏序关系以及广义逆的概念。
本文将探讨矩阵偏序与广义逆的关系,并对其进行深入的分析和解释。
在矩阵理论中,矩阵之间存在着偏序关系,即一个矩阵可以被另一个矩阵所包含。
具体而言,对于两个m×n维的矩阵A和B,如果A中的每个元素都小于等于B中对应位置的元素,则称A为B的偏序矩阵,记作A≤B。
例如,矩阵A=[2 1 3,4 2 1]和B=[3 2 4,5 3 2],则A≤B。
偏序关系在矩阵的比较和排序中起到重要的作用,能够帮助我们判断矩阵的重要性和优劣性。
广义逆是矩阵理论中的另一个重要概念,广义逆是对于任意一个矩阵A都存在这样一个矩阵B,使得A与B的乘积是一个特殊的矩阵,称为广义逆矩阵。
在一般情况下,矩阵乘积并不满足交换律,即AB≠BA,而广义逆矩阵的定义则允许我们得到一个矩阵乘积满足交换律的特殊情况。
广义逆矩阵在最小二乘法、线性回归以及伪逆矩阵等问题中有广泛的应用。
矩阵偏序与广义逆之间存在着密切的联系。
首先,对于任意一个矩阵A,其广义逆矩阵A+满足A+A+A=A,即广义逆矩阵的一个基本性质。
进一步地,我们可以证明对于任意一个矩阵A和B,如果A≤B,则A+≤B+。
这是因为矩阵偏序关系的定义要求A中的每个元素都小于等于B中对应位置的元素,而广义逆矩阵的定义要求A与A+的乘积等于一个特殊的矩阵I。
所以,如果A≤B,则A与A+的乘积小于等于B与B+的乘积,即A+≤B+。
利用矩阵偏序与广义逆的关系,我们可以进一步研究广义逆矩阵的性质和特征。
通过将矩阵A视为B的偏序矩阵,我们可以得到A+≤B+。
将自身视为偏序矩阵的广义逆矩阵可以帮助我们研究矩阵的一些重要性质,如最大奇异值和最小奇异值。
此外,通过矩阵偏序的思想,我们还可以推广广义逆的定义,如行广义逆、列广义逆等。
线性代数中的广义逆

线性代数中的广义逆线性代数中的广义逆是一种特殊的矩阵运算,它在解决线性方程组、最小二乘问题以及矩阵逆的计算中具有重要作用。
本文将详细介绍广义逆的定义、性质和应用,以加深对该概念的理解。
一、广义逆的定义与性质广义逆是针对非方阵而言的。
对于一个m×n的矩阵A,在矩阵A的扩展实数域中,若存在一个n×m的矩阵B,使得AB和BA均为投影矩阵,则称B为A的广义逆,记作A^+。
广义逆具有以下性质:1. 幂等性:(A^+)^+ = A^+2. 逆性:(AB)^+ = B^+A^+3. 秩性:(A^+)A和A(A^+)的秩相等4. 唯一性:若A^+和B^+都是A的广义逆,则A^+ = B^+二、广义逆的应用广义逆在线性方程组的求解中扮演着重要角色。
对于一个m×n的线性方程组Ax=b,其中A为系数矩阵,x为未知数向量,b为已知向量。
若A的行秩等于列秩,则该方程组有唯一解。
然而,在实际问题中,方程组常常出现行秩小于列秩的情况,此时无法直接求解。
利用广义逆的概念,我们可以构造最小二乘解。
最小二乘解是指使得||Ax-b||^2(欧氏范数下的二范数)最小的解。
通过广义逆的求解方法,可以找到最接近方程组Ax=b的解x*,即使得||Ax*-b||^2取得最小值。
特别地,当A的列秩等于n(A是满秩列)时,最小二乘解与精确解重合。
广义逆还在矩阵逆的计算中起到重要作用。
当方阵A不可逆时,可以使用广义逆来近似计算逆矩阵。
通过广义逆的逆性质,我们可以得到A的近似逆矩阵A^+的逼近解析表达式。
三、广义逆的计算方法1. 伪逆法:通过奇异值分解(SVD)求解广义逆,即A^+=VΣ^+U^T,其中U、Σ、V分别是A的左奇异向量矩阵、对角奇异值矩阵和右奇异向量矩阵。
2. 矩阵分块法:将矩阵A分块,利用分块矩阵性质求解广义逆。
3. Moore-Penrose逆矩阵:Moore-Penrose逆矩阵是一种特殊的广义逆矩阵,是广义逆的一种常用表示形式。
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。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
矩阵理论及其应用
第十三讲广义逆矩阵(1)
李东
重庆大学数学与统计学院
CQU
◆广义逆矩阵的定义与分类
◆A-的性质与计算
CQU
◆广义逆矩阵的定义与分类
◆A-的性质与计算
CQU
CQU
广义:推广了原有概念或结果。
原逆矩阵:是针对非奇异的(或称为满秩的)方阵。
推广到:(1)奇异方阵;(2)非方矩阵。
定义7.1 设A ∈K m×n ,若存在G ∈K n×m 满足Penrose-Moor 方程:的全部或一部分,称G 为A 的广义逆矩阵。
H H (1) AGA A (2) GAG G (3) (GA)GA (4) (AG)AG =⎧⎪=⎪⎨=⎪⎪=⎩
显然有多种类型(15类)的广义逆矩阵。
(1) 如果G是满足第i个方程的广义逆矩阵,就记为
G=A(i)(i=1,2,3,4)。
(2) 如果G是满足第i,j两个方程的广义逆矩阵,就记为
G=A(i,j)(i,j=1,2,3,4)。
(3) 如果G是满足第i,j,k三个方程的广义逆矩阵,就记为
CQU
G=A(i,j,k)(i,j,k=1,2,3,4)。
(4) 如果G是满足全部四个方程的广义逆矩阵,就记为
G=A(1,2,3,4)=A+。
注1:只有A+是唯一确定,其它各类广义逆矩阵都不是唯一确定的,每种广义逆矩阵都包含着一类矩阵,分别记为
A i,A i,j,A{i,j,k}。
注2:A(i)∈A i,A(i,j)∈A i,j,A(i,j,k)∈A{i,j,k}。
CQU
在15类广义逆矩阵中,应用最多的是以下5种:
(1)A1,其中任意一个固定的广义逆矩阵记为A−;
(2)A1,2,其中任意一个固定的广义逆矩阵记为A r−;
(3)A1,其中任意一个固定的广义逆矩阵记为A m−;
(4)A1,其中任意一个固定的广义逆矩阵记为A l−;
(5)A+;
注3: A+∈A1等,故A+在广义逆矩阵很重要。
CQU
◆广义逆矩阵的定义与分类
◆A-的性质与计算
CQU
一、A−的计算
A−与线性方程组Ax=y的解的表示有关。
设A∈K m×n,记R A={y∈K m|rank A=rank A,y},则Ax=y有解的充要条件是y∈R A。
定理7.2.1 设A∈K m×n,对任意的y∈R A,存在G∈K n×m,使得Gy是方程组Ax=y的解的充分必要条件是AGA=A。
证明:(必要性)对∀σ∈K n,令y=Aσ∈R A,于是
CQU
Gy=G(Aσ)是Ax=y的解,
所以,A G Aσ=Aσ。
故AGA=A。
(充分性)若AGA=A,对任意的y∈R A,存在σ∈K n,使得y=Aσ,⇒y=AGAσ,⇒y=AG(Aσ),⇒y=A[G Aσ]
⇒y=A[Gy]
故Gy是Ax=y的解。
CQU
定理1(7.2.2 部分)设A∈K m×n,rank(A)=r,则存在可逆矩阵P∈K m×m和Q∈K n×n,使得
PAQ=E r0 00
则A1=Q E r G12
G21G22Pተ
G12∈K r×(m−r)
G21∈K(n−r)×r
G22∈K(n−r)×(m−r)。
注:和教材定理略有不同,关键在于如何计算A−。
CQU
证明:由PAQ=E r0
00,得A=P−1E r0
00
Q−1。
又由于AA−A=A,于是
P−1E r0
00
Q−1A−P−1
E r0
00
Q−1
=P−1
E r0
00
Q−1
即:E r0
00Q−1A−P−1
E r0
00
=
E r0
00
CQU
令Q−1A−P−1=G11G12
G21G22
,其中G11∈K r×r,
G12∈K r×m−r,G21∈K(n−r)×r,G22∈K(n−r)×(m−r)
则E r0
00=
E r0
00
Q−1A−P−1
E r0
00
=
E r0
00
G11G12
G21G22
E r0
00
=
G110
00。
CQU
从而G11=E r,Q−1A−P−1=E r G12
G21G22。
故A−=Q E r G12
G21G22
P。
即A1=Q E r G12
G21G22Pተ
G12∈K r×(m−r)
G21∈K(n−r)×r
G22∈K(n−r)×(m−r)。
CQU
定理1 给出了计算A−的方法,这里的关键是P∈K m×m和Q∈K n×n的求法。
我们给出以下计算方法。
构造A E m
E n0
,E m记录对A实施的初等行变换,E n记录对A实施的初等列变换。
A E m E n0elementary tansformation
−−−−−−−−−−−−−−→
E r0P1
00P2
Q1Q20
CQU
⇒P=P1
P2,Q=
Q1Q2。
当初等变换把A变成最简形时,相应的初等行变换把E m 变成了P,相应的初等列变换把E n变成了Q。
例1 设A=001
110
110
,求A−
CQU
解:
所以,P=100
010
0−11
,Q=
001
01−1
100
CQU
从而,A1=Q E r G12
G21G22Pተ
G12∈K r×(m−r)
G21∈K(n−r)×r
G22∈K(n−r)×(m−r)
=Q 10g1
01g2
g1g4g5
P|g i∈R,i=1,2,3,4,5。
A−∈A1。
CQU
二、A−的性质
设A∈K m×n,从A−的定义可以得到如下的一些性质。
(i) rank(A−)≥rank(A);
证明:rank(A)=rank(AA−A)≤rank(A−)。
(ii) (A−)H=(A H)−,(A−)T=(A T)−;
证明:AA−A=A⇒(AA−A)H=A H⇒A H(A−)H A H=A H
CQU
⇒(A−)H=(A H)−
(iii) 若A可逆,则A1=A−1;
证明:AA−A=A⇒A−A=E⇒A−=A−1。
(iv) AA−和A−A均为幂等矩阵,且rank(A)=rank AA−= rank(A−A);
证明:AA−AA−=AA−AA−=AA−A A−=AA−;
A−A A−A=A−AA−A=A−AA−A=A−A;
CQU
rank AA−≤rank(A)=rank(AA−A)≤rank(A−A)
rank A−A≤rank(A)=rank(AA−A)≤rank(AA−);
从而rank(A)=rank AA−=rank(A−A)。
(v) 若rank(A)=n,即A是列满秩的(称高矩阵)充分必要条
件是A−A=E n,此时A−=(A H A)−1A H称A的一个左逆,记
为A L−1。
证明:(充分性)rank A=rank A−A=rank(E n)=n;(必要性)rank(A)=n,由定理1,
CQU
取可逆矩阵P∈K m×m和Q∈K n×n,使得PAQ=E n。
从而,A=P−1E n
Q−1,且
A1=Q E n G12PቚG12∈K n×(m−n)
故A−=Q E n G12P,于是
A−A=Q E n G12PP−1E n
Q−1=E n。
CQU
又因为rank(A H A)=rank A=n. (注:只需证明N(A H A)=N(A))
故A H A可逆,则
(A H A)−1(A H A)=E n
于是A[(A H A)−1(A H A)]=A,从而
A L−1=A−=(A H A)−1A H
(vi) 若rank(A)=m,即A是行满秩的充分必要条件是AA−=
CQU
E m,此时A−=A H(AA H)−1称A的一个右逆,记为A R−1。
(证明略)
(vii)对于λ∈K,λ≠0,(λA)−=1
λ
A−。
证明:(λA)(1
λA−)(λA)=λA,故(λA)−=1
λ
A−。
CQU
P169:3 4 7
CQU。