矩阵论 第六章 矩阵的广义逆

(1) ；（2） ．
解（1）例4．9已求得
于是
（2）
由于 的惟一性，它所具有的一些性质与通常逆矩阵的性质相仿，归纳如下．
定理6．12设 ，则
(1) ；
(2) ，
(3) ，其中λ∈C，且 如式(6．3)；
(4) ；
(5) ；
(6) ；
(7) ， ；
(8)当U和V分别是m阶与n阶酉矩阵时，有
(9) 的充分必要条件是rankA=m；
则对任意 矩阵
是A的{1}-逆；当L=O时，X是A的{1，2}-逆．
证因为
容易验证，由式(6.1)给出的矩阵X满足AXA=A．所以X∈A{1}．
当L=O时，易知式(6.1)的矩阵X还满足XAX=A，故X∈A{1，2}．
证毕
需要指出的是，式(6.1)中矩阵L任意变化时，所得到的矩阵X并非是满足AXA=A的所有矩阵，即只是A{1}的一个子集．
则有
A=( )=AB( )=ABW
证毕
在式(6．1)中取L=O，即有X∈A{1，2}，此时rankX=r=rankA．这个结论具有一般性．
定理6．8设 ，则 的充分必要条件是rankX=rankA．
证若X∈A{1，2}，则有
rankA=rank(AXA)≤rankX=rank(XAX)≤rankA
即rankX=rankA．
第六章广义逆矩阵
当A是n阶方阵，且detA≠0时，A的逆矩阵 才存在，此时线性方程组Ax=b的解可以简洁地表示为x= ．近几十年来，由于解决各种问题的需要，人们把逆矩阵的概念推广到不可逆方阵或长方矩阵上，从而产生了所谓的广义逆矩阵．这种广义逆矩阵具有通常逆矩阵的部分性质，并且在方阵可逆时，它与通常的逆矩阵相一致；而且这种广义逆矩阵可以给出线性方程组(包括相容的和矛盾的方程组)各种“解”的统一描述．

55Eliakim Hastings Moore(1862-1932), 美国数学家, 是二十世纪初美国数学的奠基人, 曾任美国数学会主席. 56Sir Roger Penrose(1931-), 著名英国数学家, 物理学家, 哲学家. 1988 年 Wolf 奖得主. 与 Stephen Hawking (霍 金) 合作证明了广义相对论的奇点存在性.

100
= 0 1 0 .
000
由 例 6.1.3 可知, α 在 L 上的正交投影向量为


100
1
1
PLα = 0 1 0 0 = 0 .
000
1
0
(实际上 PLα 无需计算即可“猜”到, 为什么?)
定义 6.1.1 设矩阵 A ∈ Cm×n, 若矩阵 X ∈ Cn×m 满足 Penrose 方程组 (6.0.4), 则称 X 为 A 的一个 Penrose 广义逆 (矩阵).
(1) AXA = A
(2) XAX = X (3) (AX)∗ = AX (4) (XA)∗ = XA
(6.0.4)
则称 X 是矩阵 A ∈ Cm×n 的广义逆矩阵. 方程组 (6.0.3) 与 (6.0.4) 分别称为 Moore 方程组 与 Penrose 方程组. 注意, Moore 方
程组虽然只有两个方程, 却涉及了四个矩阵, 其中除了 A 之外, 其余三个均是未知的 (尽 管矩阵 PR(A) 仅与 A 有关), 而 Penrose 方程组尽管有四个方程, 但却仅涉及两个矩阵! 因 此 Penrose 方程组更易于研究和应用. 历史的进展正是如此, 自 Penrose 的广义逆矩阵的论文发
其中, X 的列是子空间 L 的任意一组基. 特别, 若 α1, α2, · · · , αr 是 L 的一组标准正交基,

矩阵论广义逆矩阵是线性代数中的重要概念，广义逆是矩阵论中的一个关键概念。

在矩阵论中，广义逆用于解决矩阵方程的求解问题。

本文将介绍矩阵论中的广义逆以及其应用。

1. 广义逆的定义在矩阵论中，矩阵的广义逆是指对于任意矩阵A，存在一个矩阵X，满足以下条件：1) AXA=A2) XAX=X3) (AX)^T=AX4) (XA)^T=XA广义逆的存在性和唯一性是矩阵论中的一个重要问题，对于满足以上条件的矩阵X，我们称其为A的广义逆，记作A⁺。

2. 广义逆的性质广义逆具有以下性质：1) AA⁺A=A2) A⁺AA⁺=A⁺3) (A⁺)^T=A⁺4) (AA⁺)^T=AA⁺广义逆的性质使得它在矩阵方程的求解中具有重要作用。

3. 广义逆的应用广义逆在矩阵方程的求解中有广泛的应用，下面介绍其中几个常见的应用：3.1 线性方程组的求解对于线性方程组Ax=b，如果A的广义逆A⁺存在，那么方程的解可以表示为x=A⁺b。

广义逆的存在性保证了线性方程组的解的存在性，并且通过广义逆的计算，可以得到解的一个特解。

3.2 最小二乘问题的求解最小二乘问题是指在给定线性方程组Ax=b无解时，求解使得||Ax-b||^2最小的x。

如果A的广义逆A⁺存在，那么最小二乘问题的解可以表示为x=A⁺b。

广义逆的计算可以通过奇异值分解等方法来实现。

3.3 线性回归分析线性回归分析是统计学中的一种重要方法，用于建立自变量与因变量之间的线性关系。

在线性回归分析中，广义逆可以用于求解回归系数，得到最佳拟合直线，并用于预测和推断。

4. 广义逆的计算方法广义逆的计算方法有多种，常见的包括伪逆法、奇异值分解法等。

伪逆法是通过对矩阵A进行分解或变换，得到A的伪逆矩阵。

奇异值分解法则是通过对矩阵A进行奇异值分解，得到A的伪逆矩阵。

这些计算方法都是基于矩阵的特征和性质进行推导和求解的。

5. 广义逆的应用举例以线性方程组的求解为例，假设有如下线性方程组：2x+y=3x+3y=9将其转化为矩阵形式为：A=[2 1; 1 3]b=[3; 9]求解线性方程组的解可以通过计算广义逆来实现。

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。