第六章 广义逆矩阵

合集下载

矩阵论广义逆

矩阵论广义逆

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

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。

矩阵的广义逆的定义与性质

矩阵的广义逆的定义与性质

矩阵的广义逆的定义与性质矩阵的广义逆是矩阵理论中的一个重要概念。

在实际应用中,经常遇到矩阵求逆运算的情况,但并不是所有的矩阵都存在逆矩阵。

广义逆的引入扩展了矩阵逆的概念,使得更多的矩阵问题得以解决。

1. 广义逆的定义对于任意一个矩阵A,如果存在一个矩阵X,使得AXA=A,那么称X是A的一个广义逆。

通常用符号A+表示矩阵A的广义逆。

注意到,当A存在逆矩阵时,A的广义逆即为它的逆矩阵。

但当A不存在逆矩阵时,仍然可以存在广义逆,用来解决求逆运算的问题。

2. 广义逆的性质(1)广义逆的基本性质如果X是矩阵A的一个广义逆,则满足以下性质:① XAX=X;② (AX)T=AX;③ (XA)T=XA;④ X和A的秩分别为r和k,则XAX和AXA的秩均为r。

(2)广义逆的存在性与唯一性矩阵A的广义逆存在的充要条件是A的列秩等于A的行秩。

此时A的广义逆是唯一的。

上述条件的证明比较复杂,可以简单地介绍一下:假设矩阵A的列秩为r,行秩为k,不失一般性地假设r<=k。

设A的一个秩为r的列子矩阵为B,满秩列子矩阵为C,则有C=BQ,其中Q为r*k的满秩子矩阵。

因为C的列向量线性无关,所以存在一个r*k矩阵Y,满足CY=I。

对于任意一个矩阵X,我们可以分解成两部分:X=XBC+X(1-BC),其中X(1-BC)表示X中不在B和C的列向量。

由于C=BQ,我们有:XA=XBCA+X(1-BC)A,AX=AXB+AX(1-B)。

由于BCA和XB线性无关,所以XBCA+XB=0的充要条件是XBCA+XB=0。

同理可得AX(1-B)=0的充要条件是AX(1-B)=0。

因此,矩阵A的广义逆可以表示为:A+=C((BTA-1B)-1BT)+M,其中M是任意r*(n-r)矩阵。

(3)广义逆的计算求矩阵A的广义逆,一种简单的方法是使用Moore-Penrose广义逆公式:A+=(ATA)-1AT。

该公式的正确性可以通过验证性质①得到,即有XAX=X,因此X=(ATA)-1AT满足广义逆定义。

广义逆矩阵

广义逆矩阵

广义逆矩阵广义逆矩阵是数学中常见的一种概念,它也被称为奇异值分解(SVD)或反矩阵(INV)。

它的定义可以用矩阵的形式表示:它是一个方阵A的反函数,可以把方阵A的列投影到A的行上,并且,A的行可以投影到A的列上。

广义逆矩阵可以用来求解线性方程组,而且还有许多应用,比如科学数值计算和模式识别等都要用到它。

广义逆矩阵最早被提出于1890年,由英国数学家哈密尔顿发现,他发现了一个定理:任何原矩阵A可以化简为一个单位矩阵U和一个单位对称矩阵V的乘积,其中U和V的乘积就是A的广义逆矩阵。

这个定理是有益的,可以极大地简化计算乘积的过程,使得求解大型矩阵的逆矩阵成为可能。

为了更好地理解广义逆矩阵,我们可以用一个实际的例子来说明:假设有一个5x5的方阵A,它的第一行是:a11, a12, a13, a14, a15如果我们求这个方阵A的广义逆矩阵,则我们需要将该矩阵A化简为单位矩阵U和单位对称矩阵V的乘积,同时要求U和V分别除以矩阵A的每一行:u1/a11, u2/a12, u3/a13, u4/a14, u5/a15v1/a11, v2/a12, v3/a13, v4/a14, v5/a15最后,乘积U和V就是方阵A的广义逆矩阵了。

广义逆矩阵也可以用来求解一般的线性方程组。

假设要求解一元n次方程组ax+by=c,其中a,b和c是实数,x和y是未知数。

首先,我们可以把方程组以矩阵形式写出:A = [ a b ; c 1 ]然后可以计算A的广义逆矩阵A^-1,关于x和y的一元n次方程组的解就是A^-1中的每一列向量:x = [ x ; y]因此,我们只要计算出A的广义逆矩阵,就可以得到方程组的解。

此外,广义逆矩阵在科学数值计算和模式识别中也有重要的应用。

在科学数值计算中,它可以用来简化符号计算,以及求解矩阵的积分。

在模式识别中,它可以用来求解线性模型,如最小二乘拟合,和多变量模型,从而用于数据分析和建模等。

综上所述,广义逆矩阵是一个极其重要的概念,它在数学、科学计算和科学模式识别中都有着重要的应用,可以大大简化计算过程,使得解决大型矩阵的问题成为可能。

矩阵广义逆求法

矩阵广义逆求法

推论:设A Cmn, 1 )当r n时(列满秩),A+ =(AH A)1 AH, r 2)当r m时(行满秩),A+ =AH (AAH )1.
证明:当r n时, A AI n BC为A的满秩分解,由定理可得 1) A + =(A H A) 1 A H; 2)当r m时, A I m A BC ,
54 75 33 1 32 43 1 BH 234 130 182 78 34 53 15
3 1 2)因B列满秩,B =(B B) B = (1,3) (1,3) (1,3). 10 1
注:当r ( A) 1时,非零特征值只有1个,则A =
+
1
1
AH .
此时,设A=(aij ) mn , r ( AH A) r ( A) 1, 可知 1 n 0 H tr ( A A) 1 =tr j 1 0
a
i 1
利用奇异值分解求A +的简化步骤: 1)求出A H A的r个非零特征值1, , r , i 0; 2)求出A H A对应于特征值1, , r的标准正交特征向量
1 , , r .令V1 =(1 , , r );
1-1 H H + 3)则A V1 V1 A r-1
1 2 1 解:A 0 1 -1 0 1 -1 1 2 1 B= 2 5 ,C= 0 4 9 5 1 0 3 -3 4 0 1 -1 4 ,令 4 0 0 0 0 0 3 -3 . 1 -1 4
上述定理可简化:
Sr 定理3:设A C ,在A奇异值分解A=U 0 令V=(x1 , , x r ,x r 1 , ,x n )=(V1 ,V2 ).则

广义逆矩阵

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。

矩阵广义逆

矩阵广义逆

矩阵广义逆
1 矩阵广义逆
什么是矩阵广义逆?矩阵广义逆,又称为双射矩阵(Bidiagonal Matrix),是指一个n阶方阵A,对于该矩阵有一个n阶矩阵B满足
AB=BA=E,其中E为n阶单位矩阵,那么矩阵B就叫做矩阵A的广义逆。

记B为A^#。

2 求解矩阵广义逆
矩阵A的广义逆矩阵B存在,当且仅当A^*A存在逆矩阵,即A^*A 的逆矩阵为:(A^*A)^-1=A^-1*(A^*)^-1,其中A^*为A的共轭转置。

那么矩阵A的广义逆矩阵变成B=(A^*)^-1*A^-1。

这样,就可以使用共轭转置和逆矩阵的公式将矩阵A的广义逆矩阵B计算出来。

3 应用
矩阵广义逆在线性数学中有广泛的应用,例如在图像处理和微分
方程求解中都有广泛的应用。

在求解复杂的线性方程组时,通常也会
使用矩阵的广义逆来求解,从而简化求解的步骤。

在框架计算中,矩
阵的广义逆也被用来构建有效的模型,以了解问题的最优解。

因此可以看出,矩阵广义逆在线性数学中有着重要的作用,其计
算方法也非常简便,是一种重要的数学工具。

广义逆矩阵作用

广义逆矩阵作用

广义逆矩阵作用广义逆矩阵是矩阵理论中的一个重要概念,它在多个领域中都有广泛的应用。

本文将介绍广义逆矩阵的定义、性质以及应用,并探讨其在实际问题中的作用。

一、广义逆矩阵的定义在矩阵理论中,矩阵A的广义逆矩阵,记作A⁺,是满足以下条件的矩阵:1. AA⁺A = A,即A乘以广义逆矩阵再乘以A等于A本身。

2. A⁺AA⁺= A⁺,即广义逆矩阵乘以A再乘以广义逆矩阵等于广义逆矩阵本身。

二、广义逆矩阵的性质1. 广义逆矩阵的广义逆矩阵是它本身,即(A⁺)⁺ = A⁺。

2. (AB)⁺= B⁺A⁺,即两个矩阵的乘积的广义逆矩阵等于右边矩阵的广义逆矩阵乘以左边矩阵的广义逆矩阵。

3. (A⁺)ᵀ= (Aᵀ)⁺,即广义逆矩阵的转置等于原矩阵的转置的广义逆矩阵。

4. (AᵀA)⁺Aᵀ= A⁺,即矩阵A的转置与A的乘积的广义逆矩阵等于A的广义逆矩阵乘以A的转置的广义逆矩阵。

三、广义逆矩阵的应用1. 线性方程组的求解:对于一个线性方程组Ax = b,如果A是列满秩矩阵(即A的列向量线性无关),则方程组有唯一解x = A⁺b。

如果A不是列满秩矩阵,方程组可能有无穷多解,此时可以通过最小二乘法求解,即x = A⁺b是方程组的最小二乘解。

2. 伪逆最小二乘法:当矩阵A不是一个方阵时,无法求出其逆矩阵。

此时可以使用广义逆矩阵来进行最小二乘拟合,例如曲线拟合和数据降维等问题。

3. 线性回归分析:广义逆矩阵可以用于线性回归模型的参数估计,通过最小化残差平方和来求解回归方程的参数。

4. 信号处理:广义逆矩阵可以用于信号处理中的滤波、降噪和频谱估计等问题,提高信号处理的精度和效果。

5. 图像处理:广义逆矩阵可以应用于图像处理中的去噪、图像复原和图像压缩等问题,提高图像处理的质量和效率。

6. 线性规划:广义逆矩阵可以用于线性规划问题的求解,例如最优化问题和约束优化问题等。

7. 控制系统:广义逆矩阵在控制系统中有广泛的应用,如系统辨识、状态估计、控制器设计和自适应控制等方面。

  1. 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. 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. 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)。

1 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。 §6.1 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nC为复n维向量空间,mnC为复mn矩阵全体。设矩阵mnAC,考虑线性方程组

Axb (6-1) 其中,mbC为给定的m维向量,nxC为待定的n维向量。 定义1 若存在向量nxC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1xAb,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nxC,使得 ()minyRAAxbyb (6-2)

成立,其中代表任意一种向量范数,(),mnRAyCyAxxC。上述两种情况的解是否也能表示成一种紧凑的形式xGb,其中,G是某个nm矩阵? 这个矩阵G是通常逆矩阵的推广。 1920年,E.H. 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mnAC,若存在矩阵nmXC满足下列Penrose方程 (1)AXAA; (2)XAXX; (3)()HAXAX; 2

(4)()HXAXA 则称X为A的Moore-Penrose 逆,记为A。 例1 由Moore-Penrose逆的定义不难验证

(1) 若1100A,则102102A;

(2) 若naC,则2Haaa,其中2Haaa; (3) 若nmCOOOBA,其中rrCB是可逆矩阵,则 1BOAOO





mnC;

(4) 若A是可逆矩阵,则1AA。 定理1 对于任意矩阵mnAC,其Moore-Penrose逆存在并且唯一。 证明 存在性。设矩阵mnAC有奇异值分解

HOAPQOO





其中mmPC,nnQC为酉矩阵,1diag(,,)r,A的正奇异值为1,,r,rank()Ar。容易验证 1HOXQPOO





满足定义2中的四个Penrose方程,所以,A总是存在的。 唯一性。设,XY均满足定义2中的四个Penrose方程,则 ()()()HHHHHHHHHXXAXXXAXXAYAXAXAY ()()=()HHHHHHHHHXAXAYXAYXAYAYXAYAYAXAYYAYYYAYYAYY

所以A是唯一的。 更一般的,为了不同的目的,人们定义了满足Penrose方程中任意若干个方 程的广义逆。 3

定义3 设矩阵mnAC,若矩阵nmXC满足Penrose方程中的(i),(j), ,(l)等方程,则称X为A的,,,ijl-逆,记为(,,,)ijlA。 由定义3与定义1可知,(1,2,3,4)AA。因为对于任意,,,1,2,3,4ijl都 有A为A的,,,ijl-逆,所以利用定理1可知(,,,)ijlA总是存在的。但是除了A

是唯一确定的之外,其余各种,,,ijl-逆矩阵都不是唯一确定的,因此将A的,,,ijl-逆全体记为,,,Aijl。如果按照满足Penrose方程个数进行分类,

,,,ijl-逆矩阵共有1234444415CCCC种。但应用较多的是以下5种:

{1},{1,2},{1,3},{1,4},{1,2,3,4}AAAAA, 其中,(1){1}AAA最为基本,{1,2,3,4}AA最为重要。(1,2){1,2}rAAA称为自反广义逆,(1,3){1,3}lAAA称为最小二乘广义逆,(1,4){1,4}mAAA为极小范数广义逆。

例2 设矩阵11122122AAAAA,其中11A为可逆矩阵,且122211112AAAA,则容

易验证1111AOAOO。 例3 设矩阵mnAC。 (1)若rank()Am,此时HmmAAC为可逆矩阵,容易验证 1(){1,2,3}HHXAAAA;

(2)若rank()An,此时HnnAAC为可逆矩阵,容易验证 1(){1,2,4}HHXAAAA。

除了以上,,,ijl广义逆矩阵之外,还有群逆、Drazin逆等另外一些广义逆矩阵。1967年,Erdelyi给出如下群逆的概念。 定义4 设矩阵nnAC,若矩阵nnXC满足 (1)AXAA; (2)XAXX; (3)AXXA; 则称X为A的群逆,记为#A。 4

从定义4可以看出,群逆#A是一个特殊的(1,2)A,虽然(1,2)A总是存在的,但是这种群逆未必存在。 为了介绍Drazin逆的定义,下面先给出方阵指标的概念。 定义5 设矩阵nnAC,称满足 1rank()rank()kkAA

的最小非负整数k为A的指标,记作Ind()Ak。 若矩阵A是非奇异的,则Ind()0A,若矩阵A是奇异的,则Ind()1A。 1958年,Drazin给出如下Drazin逆的概念。 定义6 设矩阵nnAC,其指标为k,若存在矩阵nnXC满足 (1)kkAXAA; (2)XAXX; (3)AXXA; 则称X为A的Drazin逆,记作DA。 易见,若矩阵A的指标为1,则A的Drazin逆就是群逆。 §6.2 1-逆的性质与计算

由于1-逆是最基本、最重要的一种广义逆,本节将给出1-逆的基本性质与计算方法。 6.2.1 1-逆的存在性 定理1设矩阵mnAC,其秩为r。若矩阵A的等价标准形为 rEOPAQOO



其中,PQ分别为m阶和n阶可逆矩阵,则矩阵A的所有1-逆的集合为 12(1)()()()()1221222122{1},,rrmrnrrnrmrEBAAQPBCBCBCBB







证明 设矩阵X为A的任意一个1-逆,则其满足 AXAA。 于是, 5

111111rrrEOEOEOPQXPQPQOOOOOO



因为,PQ分别为m阶和n阶可逆矩阵,上式等价于 11rrrEOEOEOQXPOOOOOO



令1112112122BBQXPBB,则由上式可以推出11rBE,而122122,,BBB是任意的,故 12112122rEBQXPBB



即 122122rEBXQPBB



因此,此定理结论成立。 由此定理的证明过程可知矩阵A的1-逆一定存在,但由于122122,,BBB的任意性得矩阵A的1-逆不唯一。 6.2.2 1-逆的基本性质 关于1-逆的基本性质,有如下定理。 定理2 设矩阵mnAC,R,则 (1)(1)(1)(1)(1)()(),()()TTHHAAAA; (2)若矩阵nnnAC,则(1)1AA,并且A的1-逆是唯一的;

(3)(1)(1)()AA,其中1000; (4)设,PQ分别为m阶和n阶可逆矩阵,则 (1)1(1)1()PAQQAP;

(5)(1)rank()rank()AA; (6)(1)AA与(1)AA都是幂等矩阵,且 (1)(1)rank()rank()rank()AAAAA。 6

证明 利用6.1节定义3,可以直接验证此定理的(1)-(4)成立。 (5) 由于 (1)(1)(1)rank()rank()rank()rank()AAAAAAA,

所以结论成立。 (6) 由于 (1)2(1)(1)(1)()AAAAAAAA,

(1)2(1)(1)(1)()AAAAAAAA,

所以,(1)AA与(1)AA都是幂等矩阵。 又由于 (1)(1)rank()rank()rank()rank()AAAAAAA,

所以 (1)rank()rank()AAA,

同理 (1)rank()rank()AAA,

因此,结论成立。 6.2.3 1-逆的计算 定理1给出利用等价标准形求1-逆的方法。

例1 已知矩阵0130241545710A,求{1}A,并具体给出一个(1)A。 解答 由于

34

01301002415010457100011000000010000000100000001000AEEO













相关文档
最新文档