补充关于矩阵的知识
矩阵知识点
矩阵知识点矩阵是一个按照行和列排列的数的矩形阵列。
矩阵在数学、工程学和计算机科学等领域中都有广泛的应用。
以下是一些与矩阵相关的主要知识点：1. 矩阵表示：矩阵通常使用方括号括起来，并按照行和列的顺序给出元素。
例如，一个3x3的矩阵可以表示为：[a11 a12 a13][a21 a22 a23][a31 a32 a33]这里的a11，a12，a13等表示矩阵中的元素。
2. 矩阵运算：矩阵可以进行加法和数乘等运算。
两个矩阵相加时，对应位置的元素相加；一个矩阵与一个标量相乘时，矩阵中的每个元素都乘以该标量。
3. 矩阵乘法：矩阵乘法是矩阵运算中的一个重要操作。
两个矩阵A和B相乘时，要求A的列数等于B的行数。
结果矩阵C的第i行第j列的元素是A的第i行与B的第j列对应元素的乘积之和。
4. 矩阵转置：矩阵的转置是将矩阵的行和列互换得到的新矩阵。
对于一个m×n的矩阵A，其转置矩阵记作A^T，是一个n×m的矩阵，其中A^T的第i行第j列的元素为A的第j行第i列的元素。
5. 单位矩阵：单位矩阵是一个方阵，对角线上的元素都是1，其它元素都是0。
单位矩阵一般用符号I表示。
6. 逆矩阵：对于一个可逆矩阵A，存在一个矩阵B，使得A 与B的乘积等于单位矩阵。
矩阵B被称为矩阵A的逆矩阵，记作A^(-1)。
7. 行列式：行列式是一个与方阵相关的特殊函数，用来判定方阵是否可逆。
如果一个方阵的行列式不等于0，则该方阵是可逆的。
8. 线性方程组：通过矩阵可以表示线性方程组。
例如，一个包含n个未知数和m个方程的线性方程组可以用形如AX=B的矩阵方程表示，其中A是一个m×n的系数矩阵，X是一个n 维列向量表示未知数，B是一个m维列向量表示常数项。
以上是一些基本的矩阵知识点，矩阵还有很多其他的应用和性质，如特征值、特征向量、对角化等。
矩阵的知识点总结
矩阵的知识点总结一、基本概念1.1 矩阵的定义矩阵是一个由数字排成的矩形阵列。
它由m行n列的数域（通常是实数域或复数域）中的元素所组成，用A=(aij)m×n表示。
1.2 矩阵的分类按行、列的数量可以将矩阵分为行矩阵、列矩阵和方阵；按元素的类型可以分为实矩阵和复矩阵。
1.3 矩阵的转置矩阵A的转置记作A^T，其中A^T的行数等于A的列数，A^T的列数等于A的行数。
1.4 矩阵的秩矩阵的秩是指矩阵中非零行的最大数目。
二、性质2.1 矩阵的加法性质设A、B是同一维数的矩阵，则它们的和A+B也是同一维数的矩阵，它的元素是A和B 对应元素的和。
2.2 矩阵的数乘性质设A是m×n的矩阵，k是数，则kA是m×n的矩阵，它的元素是k与A中对应元素的乘积。
2.3 矩阵的乘法性质设A是m×n的矩阵，B是n×p的矩阵，那么它们的乘积AB是m×p的矩阵。
2.4 矩阵的逆若存在一个矩阵B，使得AB=BA=I，其中I是单位矩阵，则称B是A的逆矩阵，记作A^-1。
2.5 矩阵的行列式对于n阶方阵A，其行列式是一个标量，通常用det(A)或|A|表示，代表了矩阵A的某种代数性质。
三、运算3.1 矩阵的加法设A=(aij)m×n，B=(bij)m×n，那么A+B=(aij+bij)m×n。
3.2 矩阵的数乘设A=(aij)m×n，k是数，则kA=(kaij)m×n。
3.3 矩阵的乘法设A=(aij)m×n，B=(bij)n×p，那么AB=(cij)m×p，其中cij=∑(k=1→n)aij*bkj。
3.4 矩阵的转置对于n×m的矩阵A，它的转置矩阵是m×n的矩阵，且满足(a^T)ij=aji。
四、特殊矩阵4.1 方阵每个元素是一个标量的矩阵，其中行数和列数相等。
4.2 零矩阵所有元素都是零的矩阵。
数学矩阵的基本知识点总结
数学矩阵的基本知识点总结一、矩阵的定义矩阵可以看作是一个二维数组，其中的每个元素都可以用一个变量表示。
一般来说，矩阵用大写字母表示，比如A、B、C等，而矩阵中的元素用小写字母表示，比如a、b、c等。
一个矩阵可以表示为一个m×n的矩阵，其中m表示矩阵的行数，n表示矩阵的列数，矩阵记作A=(aij)m×n。
例如，一个3×2的矩阵可以表示为：A = \begin{bmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ a_{31} & a_{32} \end{bmatrix}其中a_{11}、a_{12}、a_{21}、a_{22}、a_{31}、a_{32}分别表示矩阵A的元素。
二、矩阵的基本运算1. 矩阵的加法矩阵的加法定义为：若A=(aij)m×n和B=(bij)m×n是两个m×n的矩阵，则它们的和记作A+B，其元素为：(A+B)_{ij}=a_{ij}+b_{ij}即两个矩阵的对应元素相加得到的矩阵。
例如：A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \\ 5 & 6 \end{bmatrix}B = \begin{bmatrix} 2 & 1 \\ 4 & 3 \\ 6 & 5 \end{bmatrix}则A+B=\begin{bmatrix} 3 & 3 \\ 7 & 7 \\ 11 & 11 \end{bmatrix}2. 矩阵的数乘矩阵的数乘定义为：若A=(aij)m×n是一个m×n的矩阵，k是一个数，则kA记作数k与矩阵A的乘积，其元素为：(kA)_{ij} = k⋅a_{ij}即数k乘以矩阵A的每一个元素得到的矩阵。
例如：A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \\ 5 & 6 \end{bmatrix}k=2则kA=\begin{bmatrix} 2 & 4 \\ 6 & 8 \\ 10 & 12 \end{bmatrix}3. 矩阵的乘法矩阵的乘法定义为：若A=(aij)m×n和B=(bij)n×p是一个m×n的矩阵和一个n×p的矩阵，则它们的乘积记作AB，其元素为：(AB)_{ij}=\sum_{k=1}^{n}a_{ik}b_{kj}即第i行的每个元素与第j列的对应元素相乘再相加得到的矩阵。
矩阵的基本知识
矩阵的基本知识矩阵是一个数学概念，它是一个二维数组，由行（横向）和列（纵向）组成。
矩阵的元素通常用双引号括起来，如'"a11"', '"a12"'等。
矩阵的维度可以表示为'(m, n)'，其中m表示行数，n表示列数。
矩阵在许多科学领域中都有广泛的应用，包括线性代数、线性方程组、计算机图形学、机器学习等。
下面介绍一些矩阵的基本知识：1. 矩阵的维度矩阵的维度可以通过其行数和列数来描述。
一个'(m, n)'的矩阵有m行n列。
2. 矩阵的加法两个相同维度的矩阵可以进行加法运算。
矩阵的加法是将对应位置的元素相加，得到的结果是一个新的矩阵。
例如，两个'(2, 2)'的矩阵相加，得到的结果也是一个'(2, 2)'的矩阵。
3. 矩阵的乘法两个矩阵可以进行乘法运算，但并不是任意两个矩阵都可以相乘。
两个矩阵相乘的条件是第一个矩阵的列数等于第二个矩阵的行数。
矩阵乘法的结果是一个新的矩阵，其行数等于第一个矩阵的行数，列数等于第二个矩阵的列数。
4. 转置矩阵将矩阵的行和列互换可以得到其转置矩阵。
一个'(m, n)'的矩阵的转置是一个'(n, m)'的矩阵。
5. 逆矩阵对于一个方阵（行数和列数相等的矩阵），存在一个逆矩阵，使得二者乘积等于单位矩阵。
逆矩阵的求法可以通过高斯消元法或拉普拉斯展开式等方法得到。
6. 矩阵的主元素矩阵的主元素是指位于对角线上的元素。
对于一个方阵，主元素是唯一存在的，并且可以通过对角线上的元素来确定该矩阵。
7. 矩阵的特征值和特征向量矩阵的特征值和特征向量是矩阵分析中非常重要的概念，它们在许多数学和物理问题中都有广泛的应用。
特征值是指满足方程组Ax = λx的实数λ，其中A为矩阵，x为向量。
特征向量是指满足方程组Ax = λx的非零向量x。
高中数学矩阵知识点
高中数学矩阵知识点一、矩阵的定义矩阵是一个由数字排列成的矩形阵列，通常用大写字母表示，如A、B、C等。
在高中数学中，我们主要处理的是二维矩阵，即有行和列的矩阵。
二、矩阵的表示矩阵的元素可以用a_{ij}表示，其中i表示行号，j表示列号。
例如，矩阵A的第2行第3列的元素记作a_{23}。
三、矩阵的类型1. 零矩阵：所有元素都是0的矩阵。
2. 单位矩阵：主对角线上的元素为1，其余元素为0的方阵。
3. 对角矩阵：主对角线上的元素可以是任意数，其余位置为0的矩阵。
4. 行矩阵：行数为1的矩阵。
5. 列矩阵：列数为1的矩阵。
四、矩阵的加法和减法两个矩阵相加或相减，必须具有相同的行数和列数。
对应位置的元素相加或相减得到新的矩阵。
五、矩阵的乘法1. 两个矩阵相乘，第一个矩阵的列数必须等于第二个矩阵的行数。
2. 乘积矩阵的元素c_{ij}由第一个矩阵的第i行与第二个矩阵的第j列对应元素相乘后求和得到。
六、矩阵的转置矩阵的转置是将矩阵的行变成列，列变成行得到的新矩阵。
记作A^T。
七、行列式行列式是一个与方阵相关的标量值，它提供了矩阵是否可逆的重要信息。
行列式的值可以通过拉普拉斯展开或对角线乘积减去小对角线乘积的方法计算。
八、逆矩阵一个矩阵A的逆矩阵记作A^-1，它满足以下条件：AA^-1 = A^-1A = I，其中I是单位矩阵。
并非所有矩阵都有逆矩阵，只有可逆矩阵（或称为非奇异矩阵）才有逆矩阵。
九、矩阵的应用矩阵在现实生活中有广泛的应用，如在解决线性方程组、图像处理、金融建模、物理学中的向量分析等领域。
十、常见矩阵运算性质1. 交换律：矩阵加法不满足交换律，即A + B ≠ B + A。
2. 结合律：矩阵加法满足结合律，即(A + B) + C = A + (B + C)。
3. 分配律：矩阵乘法满足分配律，即(A + B)C = AC + BC。
4. 单位元：矩阵乘法满足单位元的存在，即IA = AI = A，其中I是单位矩阵。
矩阵知识点完整归纳
矩阵知识点完整归纳矩阵是大学数学中比较重要和基础的概念之一，具有广泛的应用领域，例如线性代数、微积分、计算机科学等。
本文将全面归纳和总结矩阵的基本概念、性质以及相关应用，旨在帮助读者更好地理解和掌握矩阵知识。
一、基本概念1.矩阵的定义矩阵是由一个$m\times n$ 的矩形阵列（数组）表示的数表，其中$m$ 表示矩阵的行数，$n$ 表示矩阵的列数。
如下所示：$$A = \begin{bmatrix}a_{11} & a_{12} & \cdots & a_{1n} \\\a_{21} & a_{22} & \cdots & a_{2n} \\\\vdots & \vdots & \ddots & \vdots \\\a_{m1} & a_{m2} & \cdots & a_{mn}\end{bmatrix}$$其中，$a_{ij}$ 表示矩阵的第$i$ 行、第$j$ 列元素。
2.矩阵的分类矩阵根据其元素的性质可以分为不同类型，主要有以下几种：（1）行矩阵（行向量）：只有一行的矩阵，例如$[a_1,a_2,\cdots,a_n]$。
（2）列矩阵（列向量）：只有一列的矩阵，例如$\begin{bmatrix}a_1\\\ a_2\\\ \vdots\\\ a_m\end{bmatrix}$。
（3）方阵：行数等于列数的矩阵，例如$A=\begin{bmatrix}1 & 2 & 3\\\ 4 & 5 & 6\\\ 7 & 8 & 9\end{bmatrix}$。
（4）零矩阵：所有元素都为$0$ 的矩阵，例如$\begin{bmatrix}0 & 0 & 0\\\ 0 & 0 & 0\\\ 0 & 0 & 0\end{bmatrix}$。
矩阵知识点总结简单
矩阵知识点总结简单一、矩阵的定义和基本概念1.1 矩阵的定义矩阵是一个按行列排列的数字或符号构成的矩形阵列。
通常用大写字母表示，如A、B、C 等。
1.2 矩阵的元素矩阵中的每一个数字都称为元素。
第i行第j列的元素称为a_ij，表示第i行第j列位置上的数字。
1.3 矩阵的维数矩阵的维数是指矩阵的行数和列数，通常用m×n表示，其中m表示行数，n表示列数。
如果一个矩阵的行数和列数相等，称为方阵。
方阵的阶数就是它的行数或列数。
1.4 矩阵的转置矩阵A的转置记作A^T，就是将矩阵A的行列互换得到的新矩阵。
即如果A=(a_ij)是一个m×n的矩阵，那么A^T=(b_ij)是一个n×m的矩阵，其中b_ij=a_ji。
1.5 矩阵的零矩阵和单位矩阵全是零的矩阵称为零矩阵，记作0。
对角线上都是1，其余都是0的矩阵称为单位矩阵，记作I。
1.6 矩阵的相等如果两个矩阵A和B的对应元素都相等，那么它们是相等的，记作A＝B。
换句话说，只要两个矩阵A和B的维数相同，而且对应元素相等，那么它们就是相等的矩阵。
二、矩阵的运算2.1 矩阵的加法和减法设A=(a_ij)和B=(b_ij)是两个相同维数的矩阵，那么它们的和A＋B=(c_ij)和差A－B=(d_ij)分别定义为：c_ij=a_ij+b_ij， d_ij=a_ij-b_ij2.2 矩阵的数乘设A=(a_ij)是一个m×n的矩阵，k是一个数，那么kA=(b_ij)定义为：b_ij=k*a_ij2.3 矩阵的乘法设A是一个m×n的矩阵，B是一个n×p的矩阵，那么它们的乘积AB=C是一个m×p的矩阵，C的第i行第j列元素c_ij如下求得：c_ij=a_i1b_1j+a_i2b_2j+…+a_i nb_nj2.4 矩阵的逆若m阶方阵A的逆矩阵存在，即存在一个m阶矩阵B，使得AB=BA=I，则称A可逆，B称为A的逆矩阵，记作A^(-1)。
矩阵分析知识点总结
矩阵分析知识点总结一、矩阵的基本概念1.1 矩阵的定义矩阵是由数个数排成的矩形阵列。
矩阵可以用大写字母表示。
1.2 矩阵的基本要素- 元素：矩阵中的每一个数称为矩阵的元素。
- 维数：矩阵的行数和列数称为矩阵的维数。
行和列的个数分别称为行数和列数。
1.3 矩阵的类型- 方阵：行数等于列数的矩阵称为方阵。
- 零矩阵：所有元素都是 0 的矩阵称为零矩阵。
- 对角矩阵：除了主对角线上的元素外，其它元素都是 0 的矩阵称为对角矩阵。
1.4 矩阵的表示- 横标法：按行标的顺序把元素排列成一串数，两个 4× 3 的矩阵可以表示为 12 个数。
- 纵标法：按纵标的顺序把元素排列成一串数。
1.5 矩阵的运算- 矩阵的加法- 矩阵的数乘- 矩阵的乘法1.6 矩阵的转置- 行变列，列变行，得到的新矩阵称为原矩阵的转置。
- 性质： (AT)T = A1.7 矩阵的逆- 若矩阵 A 有逆矩阵 A-1, 则 A × A-1 = A-1 × A = E- 矩阵 A 有逆矩阵的充分必要条件是 A 是可逆的。
- 克拉默法则：若一个 n 阶矩阵可逆，且 Ax = b，则 x = A-1b1.8 矩阵的秩- 行最简形矩阵都是行等价的。
其秩等于不为零的行数。
- 同样列最简形矩阵都是列等价的。
其秩等于不为零的列数。
- 行秩等于列秩。
1.9 矩阵的特征值和特征向量- 特征值：如果数λ和非零向量 x ,使得Ax = λx 成立，则称λ 是矩阵 A 的特征值。
非零向量x 称为特征值λ 对应的特征向量。
- 矩阵 A 所有特征值的集合称为 A 的谱。
- 若λ1，λ2，···，λn 互不相同，相应的特征向量组 x1，x2，···，xn 线性无关，则它们构成一组 A 的特征向量基。
1.10 矩阵的奇异值- 奇异值：对于矩阵A(λ1, λ2, ···, λn)，λ1，λ2，···,λn称为矩阵 A 的奇异值。
- 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)。
定义：设n×n阶方阵A，每行每列元素的平方和 为1，每两列相应相应元素的积之和为0。
-1 T T ( 1 ) 、非奇异，且 A A 、 A A I、 det(A) 1 性质：
(2)、A是正交阵，AT 也是正交阵 (3)、正交阵未必是对称阵
cos A sin
(2)、满足（ 1）（2）的G P 称为加权自反广义逆， 记为 APr 1 ）（3）的G P 称为加权LS广义逆，记为 APl (3)、满足（ ( 4 ) 、满足（ 1 ）（ 4 ）的 G 称为加权 MN 广义逆，记为 A P Pm T T A ( A PA) A P
四、ห้องสมุดไป่ตู้他广义逆
(1)、AGA A (2)、GAG G 四个条件 T ( 3 ) 、 ( AG ) AG T (GA) GA (4)、
(1)、仅满足（ 1）的G称为广义逆，记为 A 1）（2）的G称为自反广义逆，记为 Ar (2)、满足（ 1）（3）的G称为LS广义逆，记为 Al (3)、满足（ (4)、满足（ 1 ）（ 4 ）的 G 称为 MN 广义逆，记为 A m (5)、全满足的G称为伪逆或LSMN广义逆，记为 A 1 ( 6 ) 、满秩方阵的逆称为正 则逆或凯莱逆，记为 A
思考4：奇异值分解（SVD）
补充三： 广义逆矩阵
一、满秩长方阵的逆 1、列满秩 nA m 的逆： -------左逆
1 L
A A A
T
1
AT
左逆不唯一： 一般式： A A PA P
1 L T 1
AL A I
1
-------右逆 2、行满秩 nA 的逆： m
A A AA
sin cos
(4)、A、B是正交阵，AB、BA也是正交阵
五、幂等矩阵
定义：方阵 A，满足A2 A
性质：（ 1 ）特征值非0即1 （2）R( A) tr ( A) （3） ( I A) 2 I A （4）设R( A) r , 则R( I A) n r （5）设 A B I m , 则BA C 为幂等
②令B A1
③求B B B
T
1
B
T
④求C BL A
⑤求C
1 R
1
C CC
T
mr r n
T 1
1 1 ⑥得A C R BL
3、广义逆的性质
（ 1） ( AT ) ( A ) T
其中之一
1 （2）设k 0的常数， (kA) A k （3）A( AT A) AT A A; AT A( AT A) AT AT （4）若P正定， A( AT PA) AT PA A; AT PA( AT PA) AT AT （5）R ( A) R ( A - ) min（n，m） （6）A A是幂等阵，且R A A R ( A) (7)G为AT A的广义逆，则， G T 也是AT A的广义逆
2、伪逆的计算 1）特殊的伪逆
A
1
A
1 L
A
1 R
2）当A为对角阵时
a11 A
a 22
a nn
0 a 1 a ii
ii
a11 A
a 22
a nn
当aii 0 当aii 0
A
1 1 R 1 1 L
4、奇异单位矩阵 A 0 ：
1 A为列满秩， A0 A AL 1 A为行满秩， A AR A
注意与定义式的区别： AL 1 A I
AAR
1
I
核心是矩阵的维数与奇异性
二、广义逆(General inverse)
A
1、定义
T
1 R
T 1
右逆不唯一： 一般式：A QA AQA
1 R T
AAR
1
I
T 1
一、满秩长方阵的逆 3、满秩长方阵逆的性质：
(1) (2)
A
A A A为列满秩， AA A为行满秩，
T 1
A
1 T
T
1
A A A
1 R
1 L
T 1
1 当A22 可逆， det(A) det(A22 ) det(A11 A12 A22 A21 )
思考1：如何证明？
三、迹 （trace)
定义：方阵A，tr ( A) aii
i 1
n
性质：（ 1 ）tr ( AB) tr ( BA)
思考2：
12 12 2 2 已知： X , E ( X ) , D( X ) 21 n ,1 n ,1 n1 n 2 求MSE （X） ?
n m
A R( A) r min(m, n)
AA A A
满足
总存在，但不唯一 右逆、左逆、凯利逆均是广义逆（特殊逆）
A
2、广义逆的求法
1）降秩法
A 11 A r*r A 21 ( nr )*r ( n r )*( m r ) A22 ( n r )*( m r )
1 R
1 L
2 1 1 N AT A 1 2 1 1 1 2 2 1 0 1 ( NN ) 1 2 0 9 0 0 0 1 1 0 1 A N AT 1 1 0 3 1 1 0
Pl
A
Pm
QA ( AQA )
T T
1980
六、用广义逆解线性方程组（布耶哈马Bjerhammar理论）
定义：方阵A，Ax x
思考3：特征值与特征向量在求误差椭圆 中的应用
六、奇异值 （Singular value)
定义：设A为m n的矩阵，则AT A为对称阵， 其特征值为非负，
2 2 记其n个特征值为1 2 2 n，
设k min(m, n), 称1，, 2， ，n为A的奇异值
A ( A A) A A A ( AA )
T T
m T T
l
A A A
m
l
五、加权广义逆 (1)、仅满足（ 1 ）的 G称为广义逆，记为 (1 ) 、AG A A
A P GAG 称为自反广义逆，记为 Ar (22 )）的 、G P G (2)、满足（ 1）（ P P 四个条件 , P, Q X 为正定阵 T ( 3 ) 、满足（ 1 ）（ 3 ）的 G 称为 LS 广义逆，记为 A l ( 3 ) 、 ( PAG ) PAG P P (4)、满足（ 1 ）（ 4 ）的 G 称为 MN 广义逆，记为 A T m ( 4 ) 、 ( G AQ ) G AQ P X P X (5)、全满足的G称为伪逆或LSMN广义逆，记为 A 1 ( 6 ) 、满秩方阵的逆称为正 则逆或凯莱逆，记为 A
三、伪逆(pseudoinverse )
A
1、定义
n m
A
R( A) r min(m, n)
满足 (1)、AGA A (2)、GAG G T ( AG) AG (3)、 T ( 4 ) 、 ( GA ) GA
A G
是唯一的
Moore(1920年)和Penrose(1955年)提出！
性质：（ 1 ）R ( A) R( AT A) R ( AAT ) R ( AT ) （2）R ( A1 A2 ...Am ) min(R ( A1 ), R ( A2 ),...R( Am )) （3）Q为满秩方阵，则 R (QA) R ( A) （4）R ( A ) t , R ( B ) t , 则R ( AB) t
1n 2n , 2 n
四、范数 （Norm)
负性、齐次性、三角不 等式 向量：（三个条件）非 （四个条件） . ..... ，相容性 矩阵：
分类：二范数、一范数 、无穷范数、 P范数
五、特征值 （Eigenvalue)；特征向量（Eigenvector）
主要内容
问题的引入 秩亏自由网平差的原理 广义逆的补充知识 秩亏自由网平差的解法 秩亏自由网平差解的性质
补充一： 六种常用的矩阵
一、三角形矩阵
迭代法解方程组； 高斯消去法； 矩阵的三角形分解（LU）：
任一非奇异矩阵可分解为：A=LU，其中一个是单位 三角矩阵
二、对称矩阵
一定是方阵 特征值均为实数 特征向量正交 其逆也对称
A12
1 A11 A 0
0 0
2、广义逆的求法 1）满秩分解法
n*m
A B C
nr r m
A C
1 1 R L mr r n
B
思考5：两种解法如何证明？
满秩分解法的步骤
① A A 1 n*m n*r
1 L
A2 , 其中R( A1 ) r n*( m r )
0 .5 A 0 0.25
例1：
2 A
0
4
3）一般矩阵的伪逆
A A ( AA ) A( A A) A
T T T
T
( AAT ) 和( AT A) 不唯一，但
4）当N为对称方阵
A G 是唯一的
5）设