【矩阵论】4.广义逆矩阵

4. 广义逆矩阵

在线性代数里，对于线性方程组 $Ax=b$ ,如果方阵$A$是非奇异的，则存在唯一的 $A$ 的
逆矩阵 $A^{-1}$, 满足等式 $A{A}^{-1}=A^{-1}A=E,$ 从而该线性方程组具有唯一的解 $x=A^{-1}b$ .

逆矩阵具有许多良好的性质和用途.遗憾的是，现实经常遇到奇异方阵或 $m\times n(m\ne n)$ 的长方形矩阵 $A$ . 对于这样一类的矩阵，也希望能构造具有通常逆矩阵的若干性质的矩阵以便于实际应用. 这样的矩阵被称为广义逆，或称伪逆.

4.1 广义逆矩阵的概念

Moore 在 1920 年给出的矩阵的广义逆的概念如下.
定义 4.1.1 给定矩阵 $A\in {\mathbf{R}}^{m\times n}$ , 若存在矩阵 $X\in {\mathbf{R}}^{n\times m}$ 满足
$$AX=P_{R(A)},XA=P_{R(X)},$$则称 $X$ 为 $A$ 的一个广义逆矩阵.这里 $P_L$ 表示在子空间 $L$ 上的正交投影矩阵.

1955 年英国剑桥大学的 Penrose 提出如下的定义.
定义 4.1.2 给定矩阵 $A\in {\mathbf{R}}^{m\times n}$ , 若存在矩阵 $X\in {\mathbf{R}}^{m\times m}$ 满足下面四个方程( Penrose-Moore 方程组 )的全部或者一部分：
$(1)AXA=A;$ $(2)XAX=X;$ $(3)(AX{)}^{\mathrm{T}}=AX$ $(4)(XA{)}^{\mathrm{T}}=XA$ ,
则称 $X$ 为 $A$ 的一个广义逆矩阵.

为了不同的目的，可以定义不同意义的广义逆 . 若一矩阵 $X\in {\mathbb{R}}^{n\times m}$ 满足四个中的第 $i$ 和 $j$ 个方程，则称 $X$ 为 A { i , j } A\left\{i,j\right\} A{i,j} 的广义逆矩阵，记为 $x\in A^{(i,j)}$ .

若 $X$ 只满足条件一，则 X ∈ A { 1 } X\in A{\{1\}} X∈A{1} , 此时称 $X$ 为 $A$ 的一个 { 1 } \{1\} {1} 逆或减号逆， 记作 $A^{-}$ 或 $A^{(1)}$;
若 $X$ 满足第一和二个条件，则 X ∈ A { 1 , 2 } X\in A\{1,2\} X∈A{1,2} ,此时称 $X$ 为 $A$ 的一个 { 1 , 2 } \{1,2\} {1,2}逆或自反广义逆，记作$A^{(1,2)};$
若 $X$ 满足所有四个条件，则 X ∈ A { 1 , 2 , 3 , 4 } X\in A\{1,2,3,4\} X∈A{1,2,3,4},此时称 $X$为 $A$ 的一个 { 1 , 2 , 3 , 4 } \{1,2,3,4\} {1,2,3,4} 逆，或加号逆，记作 $A^{+}$ 或 $A^{(1,2,3,4)}.$

根据定义中广义逆矩阵满足的条件的不同，广义逆矩阵共有 ${\mathrm{C}}_4^1+{\mathrm{C}}_4^2+{\mathrm{C}}_4^3+{\mathrm{C}}_4^4=15$ 种.

下面的定理给出 Penrose-Moore 方程的一个等价形式.
定理 4.1.3 设 $A\in {\mathbf{R}}^{m\times n}$ , 矩阵 $X\in {\mathbf{R}}^{n\times m}$ 且满足四个 Penrose-Moore 方程，则 Penrose-Moore 方程与下面的条件等价.
$$\{\begin{array}{l}{\mathbf{XAA}}^{\mathrm{T}}={\mathbf{A}}^{\mathrm{T}},\\ {\mathbf{XX}}^{\mathrm{T}}{\mathbf{A}}^{\mathrm{T}}=\mathbf{X},\end{array}\text{\hspace{1em}(4.1)}$$

证 首先证明条件 $(1)AXA=A,(4)(XA{)}^{\mathrm{T}}=XA$ 与 $XA{A}^{\mathrm{T}}=A^{\mathrm{T}}$ 等价.
  ~  
将第四个方程代入第一个方程，有 $A(XA{)}^{\mathrm{T}}=A.$
两边取共轭转置，得 $XA{A}^{\mathrm{T}}=A^{\mathrm{T}}.$
  ~  
用 $X^{\mathrm{T}}$ 右乘 (4.1) 的第一式，得 $XA{A}^{\mathrm{T}}{X}^{\mathrm{T}}=A^{\mathrm{T}}{X}^{\mathrm{T}},$ 即 $(XA)(XA{)}^{\mathrm{T}}=(XA{)}^{\mathrm{T}}.$
两边同时转置，得 $(XA)(XA{)}^{\mathrm{T}}=XA,$
由此得 $(XA{)}^{\mathrm{T}}=XA.$ 将此式代人式(7.1)的第一式，
得$(XA{)}^{\mathrm{T}}{A}^{\mathrm{T}}=A^{\mathrm{T}},$两边同时共轭转置，
有 $AXA=A.$
  ~  
同理可证 Penrose-Moore 方程中的 $XAX=X,(AX{)}^{\mathrm{T}}=AX$ 与 $X{X}^{\mathrm{T}}{A}^{\mathrm{T}}=X$ 等价.

4.2 减号逆

定义 4.2.1 给定矩阵 $A\in {\mathbf{R}}^{m\times n}$,若存在矩阵 $X\in {\mathbf{R}}^{n\times m}$ ,使 $$AXA=A,$$则 X ∈ A { 1 } . \boldsymbol{X}\in\boldsymbol{A}\{1\}. X∈A{1}. 此时称 $X$ 为 $A$ 的一个 { 1 } \{1\} {1} 逆，也称 减号逆(或称 $A$ 的 $\mathbf{g}$ 逆), 记作 $A^{(1)}$ 或 $A^{-}.$

矩阵 $A$ 的所有 { 1 } \{1\} {1}逆的全体记为 A { 1 } A\{1\} A{1} , 即 A { 1 } = { X ∣ A X A = A } . A\{1\}=\{X\mid AXA=A\}. A{1}={X∣AXA=A}.

例 4.2.2 设 $A\in {\mathbf{R}}^{m\times n}$, 且 $A$ 可写为分块矩：$\mathbf{A}=\left(\begin{array}{cc}{\mathbf{E}}_{\mathbf{r}}& \mathbf{O}\\ \mathbf{O}& \mathbf{O}\end{array}\right),$ 其中 $E_r$ 是 $r$ 阶方阵. 利用定义求 A { 1 } A\{1\} A{1}.
解 设 X ∈ A { 1 } X\in A\{1\} X∈A{1} , 则 $X$ 是 $n\times m$ 矩阵，将 $X$ 适当分块 $\mathbf{X}=\left(\begin{array}{cc}{\mathbf{X}}_{11}& {\mathbf{X}}_{12}\\ {\mathbf{X}}_{21}& {\mathbf{X}}_{22}\end{array}\right),$其中，$X_{11}\in {\mathbf{R}}^{r\times r},X_{12}\in {\mathbf{R}}^{r\times (m-r)},X_{21}\in {\mathbf{R}}^{(n-r)\times r},X_{22}\in {\mathbf{R}}^{(n-r)\times (m-r)}$,于是
$$AXA=\left(\begin{array}{cc}{E}_r& O\\ O& O\end{array}\right)\left(\begin{array}{cc}{X}_{11}& X_{12}\\ X_{21}& X_{22}\end{array}\right)\left(\begin{array}{cc}{E}_r& O\\ O& O\end{array}\right)=\left(\begin{array}{cc}{X}_{11}& O\\ O& O\end{array}\right),$$由 $AXA=A$ 知 $X_{11}=E_r$ , 即 A { 1 } \boldsymbol{A}\{1\} A{1}中的任意一个矩阵可写成 $X=\left(\begin{array}{cc}{E}_r& X_{12}\\ X_{21}& X_{22}\end{array}\right),$
其中 $X_{12}\in {\mathbf{R}}^{r\times (m-r)},X_{21}\in {\mathbf{R}}^{(n-r)\times r},X_{22}\in {\mathbf{R}}^{(n-r)\times (m-r)}$ 为任意矩阵.

设 $A\in {\mathbf{R}}^{m\times n}$ , 广义逆矩阵 A − ∈ A { 1 } \boldsymbol{A}^-\in\boldsymbol{A}\{1\} A−∈A{1} 具有如下性质：

1. $({\mathbf{A}}^{-}{)}^{\mathrm{T}}=({\mathbf{A}}^{\mathrm{T}}{)}^{-}$ ;
2. 任取 λ ∈ R , λ + A − ∈ ( λ A ) { 1 } \lambda\in\mathbf{R},\lambda^+A^-\in(\lambda\mathbf{A})\{1\} λ∈R,λ+A−∈(λA){1}, 其中 ${\lambda }^{+}=\{\begin{array}{ll}{\lambda }^{-1},& \lambda \ne 0,\\ 0,& \lambda =0;\end{array}$
3. $\mathrm{rank}{A}^{-}⩾\mathrm{rank}A$ ;
4. $\mathbf{A}{\mathbf{A}}^{-}$ 和 ${\mathbf{A}}^{-}\mathbf{A}$ 都是幂等矩阵，且 $\mathrm{rank}\mathbf{A}{\mathbf{A}}^{-}=\mathrm{rank}{\mathbf{A}}^{-}\mathbf{A}=\mathrm{rank}\mathbf{A}$ ;
5. 设矩阵 $\mathbf{P},\mathbf{Q}$ 可逆，则 Q − 1 A − P − 1 ∈ ( P A Q ) { 1 } ; \boldsymbol {Q^{-1}A^-}\boldsymbol{P}^{-1}\in(\boldsymbol{PAQ})\{1\}; Q−1A−P−1∈(PAQ){1};

证 $A{A}^{-}A=A$
(1) $A^{\mathrm{T}}(A^{-}{)}^{\mathrm{T}}{A}^{\mathrm{T}}=(A{A}^{-}A{)}^{\mathrm{T}}=A^{\mathrm{T}}$ , 所以 ( A − ) T ∈ A T { 1 } . (A^-)^\mathrm{T}\in A^\mathrm{T}\{1\}. (A−)T∈AT{1}.
(2) 若 $\lambda =0$, 由定义知零矩阵就是零矩阵的一个 { 1 } \{1\} {1} 逆. 若$\lambda \ne 0$, 则 $\lambda \mathbf{A}=(\lambda \mathbf{A})({\lambda }^{-1}{\mathbf{A}}^{-})(\lambda \mathbf{A})$, 故 λ + A ∈ ( λ A ) { 1 } \lambda ^+ \boldsymbol{A}\in ( \lambda \boldsymbol{A}) \{ 1\} λ+A∈(λA){1} .
(3) 两个矩阵之积的秩小于等于这两个矩阵中任一个矩阵的秩, $\mathrm{rank}A=\mathrm{rank}A{A}^{-}A⩽\mathrm{rank}A{A}^{-}⩽\mathrm{rank}{A}^{-}.$
(4) $(A^{-}A{)}^2=A^{-}A{A}^{-}A=A^{-}(A{A}^{-}A)=A^{-}A,(A{A}^{-}{)}^2=A{A}^{-}A{A}^{-}=(A{A}^{-}A)A^{-}=A{A}^{-},$
因为 $\mathrm{rank}A=\mathrm{rank}A{A}^{-}A⩽\mathrm{rank}A{A}^{-}⩽\mathrm{rank}A$ , 故式中只能等号成立。
同理则 $\mathrm{rank}\mathbf{A}{\mathbf{A}}^{-}=\mathrm{rank}{\mathbf{A}}^{-}\mathbf{A}=\mathrm{rank}\mathbf{A}$ .
(5) $(PAQ)(Q^{-1}{A}^{-}{P}^{-1})(PAQ)=PAQ,$

定理 4.2.2 设 $A\in {\mathbf{R}}^{m\times n}$, $\mathrm{rank}A=r,\mathbf{P}\in {\mathbf{R}}^{m\times m},\mathbf{Q}\in {\mathbf{R}}^{m\times n},\mathbf{P}$ 和 $\mathbf{Q}$ 可逆，且
$$\mathbf{PAQ}=\left(\begin{array}{cc}{\mathbf{E}}_{\mathbf{r}}& \mathbf{O}\\ \mathbf{O}& \mathbf{O}\end{array}\right),$$则 A { 1 } \boldsymbol{A}\{1\} A{1} 中任一矩阵可写成 $\mathbf{Q}\left[\begin{array}{cc}{\mathbf{E}}_r& {\mathbf{X}}_{12}\\ {\mathbf{X}}_{21}& {\mathbf{X}}_{22}\end{array}\right]\mathbf{P}.$
其中 $X_{12}\in {\mathbf{R}}^{r\times (n-r)},X_{21}\in {\mathbf{R}}^{(m-r)\times r},X_{22}\in {\mathbf{R}}^{(n-r)\times (m-r)}$ 为任意矩阵.

由例 4.2.2 及性质(5) 即可推出本定理 .

定理 4.2.2 给出了求 $A^{-}$ 的另外一种计算方法.
想算出一个矩阵$A$的 {1} 逆，必须先求出可逆矩阵 $P$ 和 $Q$ ,使 $PAQ$ 成为标准形.
为此可以先构造分块矩阵 $\mathbf{B}=\left[\begin{array}{cc}\mathbf{A}& {\mathbf{E}}_m\\ {\mathbf{E}}_n& \mathbf{O}\end{array}\right].$ 用行和列初等变换把 $B$ 中的 $A$ 化成标准形 $\tilde{\mathbf{A}}=\left(\begin{array}{cc}{\mathbf{E}}_{\mathbf{r}}& \mathbf{O}\\ \mathbf{O}& \mathbf{O}\end{array}\right)$ . 同时$,E_n$ 化成了 $Q,E_{{}_m}$ 化成了 $P$, 即$$\left(\genfrac{}{}{0ex}{}{\mathbf{P}\mathbf{O}}{\mathbf{O}{\mathbf{E}}_n}\right)\left(\genfrac{}{}{0ex}{}{\mathbf{A}{\mathbf{E}}_m}{{\mathbf{E}}_n\mathbf{O}}\right)\left(\genfrac{}{}{0ex}{}{\mathbf{Q}\mathbf{O}}{\mathbf{O}{\mathbf{E}}_m}\right)=\left(\genfrac{}{}{0ex}{}{\tilde{\mathbf{A}}\mathbf{P}}{\mathbf{Q}\mathbf{O}}\right),$$于是 A { 1 } A\{1\} A{1} 中的矩阵可写成 $\mathbf{X}=\mathbf{Q}\left[\begin{array}{cc}{\mathbf{E}}_r& {\mathbf{X}}_{12}\\ {\mathbf{X}}_{21}& {\mathbf{X}}_{22}\end{array}\right]\mathbf{P}.$

定理 4.2.2 表明 ${\mathbf{A}}^{-}$ 是存在的，即 A { 1 } \boldsymbol{A}\{1\} A{1} 是非空集合.
由于 ${\mathbf{X}}_{12},{\mathbf{X}}_{21},{\mathbf{X}}_{22}$ 中的元素可任取，故当 $A$ 不是可逆方阵时，$A^{-}$ 不唯一.

例 4.2.3 已知矩阵 $\mathbf{A}=\left(\begin{array}{cccc}1& 0& -1& 1\\ 0& 2& 2& 2\\ -1& 4& 5& 3\end{array}\right)$ 求 $A$ 的广义逆 A { 1 } A\{1\} A{1}.
解 $\mathbf{B}=\left[\begin{array}{ccccccc}1& 0& -1& 1& 1& 0& 0\\ 0& 2& 2& 2& 0& 1& 0\\ -1& 4& 5& 3& 0& 0& 1\\ 1& 0& 0& 0& & & \\ 0& 1& 0& 0& & \mathbf{O}& \\ 0& 0& 1& 0& & & \\ 0& 0& 0& 1& & & \end{array}\right]\cong \left[\begin{array}{ccccccc}1& 0& 0& 0& 1& 0& 0\\ 0& 1& 0& 0& 0& \frac{1}{2}& 0\\ 0& 0& 0& 0& 1& -2& 1\\ 1& 0& 1& -1& & & \\ 0& 1& -1& -1& & \mathbf{O}& \\ 0& 0& 1& 0& & & \\ 0& 0& 0& 1& & & \end{array}\right]$
于是 $\mathbf{P}=\left[\begin{array}{ccc}1& 0& 0\\ 0& \frac{1}{2}& 0\\ 1& -2& 1\end{array}\right],\mathbf{Q}=\left[\begin{array}{cccc}1& 0& 1& -1\\ 0& 1& -1& -1\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$因此, $A$ 的任一个 { 1 } \{1\} {1} 逆可写成
$\mathbf{X}=\mathbf{Q}\left[\begin{array}{ccc}1& 0& x_1\\ 0& 1& x_2\\ y_{11}& y_{12}& z_1\\ y_{21}& y_{22}& z_2\end{array}\right]\mathbf{P}$, 其中 $x_i,y_{ij},z_j(i=1,2;j=1,2)$ 为任意实数.
若取 $x_i=y_{ij}=z_j=0(i=1,2;j=1,2),$ 则得到 $A$ 的一个具体的 { 1 } \{1\} {1} 逆.
  ~  
$A^{-}=\left[\begin{array}{cccc}1& 0& 1& -1\\ 0& 1& -1& -1\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 0& \frac{1}{2}& 0\\ 1& -2& 1\end{array}\right]=\left[\begin{array}{ccc}1& 0& 0\\ 0& \frac{1}{2}& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]$

下述定理：已知某一个 { 1 } \{1\} {1} 逆后求得所有 $A^{-}$ 的一般表达式.

定理 4.2.4 设 A ∈ R m × n , A − ∈ A { 1 } A\in\boldsymbol{R}^{m\times n},A^{-}\in\boldsymbol{A}\{1\} A∈Rm×n,A−∈A{1} 是 $A$ 的某一个 {1} 逆，则
( 1 ) X = A − + U − A − A U A A − ∈ A { 1 } (1)\boldsymbol{X}=\boldsymbol{A}^-+\boldsymbol{U}-\boldsymbol{A}^-\boldsymbol{A}\boldsymbol{U}\boldsymbol{A}\boldsymbol{A}^-\in\boldsymbol{A}{\{1\}} (1)X=A−+U−A−AUAA−∈A{1} , 矩阵 $\mathbf{U}\in {\mathbf{R}}^{n\times m}$ 是任意实矩阵；
$(2)\mathbf{X}={\mathbf{A}}^{-}+\mathbf{V}({\mathbf{I}}_m-\mathbf{A}{\mathbf{A}}^{-})+({\mathbf{I}}_n-{\mathbf{A}}^{-}\mathbf{A})\mathbf{U}$ , 矩阵 $\mathbf{UV}\in {\mathbf{R}}^{n\times m}$ 是任意实矩阵，也是 $A$ 的某一个 { 1 } \{1\} {1} 逆，且 A { 1 } \boldsymbol{A}\{1\} A{1} 中任何一个矩阵都可以表示成上述形式。

证 先证明 X ∈ A { 1 } X\in A\{1\} X∈A{1} . 事实上，
  ~  
$\begin{array}{rl}\text{AXA}& =A(A^{-}+U-A^{-}AUA{A}^{-})A\\ & =A{A}^{-}A+AUA-(A{A}^{-}A)U(A{A}^{-}A)\\ & =A+AUA-AUA=A,\\ \text{AXA}& =A(A^{-}+V(I_m-A{A}^{-})+(I_n-A^{-}A)U)A\\ & =A{A}^{-}A+AV(I_m-A{A}^{-})A+A(I_n-A^{-}A)UA\\ & =A{A}^{-}A+AV(A-A{A}^{-}A)+(A-A{A}^{-}A)UA=A,\end{array}$
即 X ∈ A { 1 } . X\in A\{1\}. X∈A{1}.
  ~  
再设任给 X ∈ A { 1 } X\in A\{1\} X∈A{1}, 则 $A(X-A^{-})A=AXA-A{A}^{-}A=A-A=0.$
令 $U=X-A^{-}$, 则 $AUA=O$, 于是 $A^{-}AUA{A}^{-}=O$, 故
$$X=A^{-}+U-A^{-}AUA{A}^{-}.$$取 $V=X-A^{-},U=XA{A}^{-},$ 则
$$X=A^{-}+V(I_m-A{A}^{-})+(I_n-A^{-}A)U.$$故 A { 1 } \boldsymbol{A}\{1\} A{1} 中任何一个矩阵都可以表示成上述形式.

除了使用定义和定理4.2.2 的初等变换以外，还可以利用矩阵的满秩分解来求$A^{-}.$

已知 $A\in {\mathbf{R}}^{m\times n},m⩽n$ 且 $\mathrm{rank}\mathbf{A}=m$ 时，称 $A$ 为行满秩矩阵，当 $m⩾n$ 且 $\mathrm{rank}\mathbf{A}=n$ 时，称 $A$ 为列满秩矩阵.

对于行满秩矩阵，有如下定义：
定义4.2.5 设 $A\in {\mathbf{R}}^{m\times n}(m⩽n)$ 是行满秩矩阵，如果存在一个 $n\times m$ 矩阵 $\mathbf{B}$ , 使得
$$AB=E,$$成立，则称 $B$ 为 $A$ 的右逆，并记为$A_R^{-1}.$ 由于 $A{A}^{\mathrm{T}}$ 是 $m$ 阶满秩方阵，故
$$(A{A}^{\mathrm{T}})(A{A}^{\mathrm{T}}{)}^{-1}=(A{A}^{\mathrm{T}}{)}^{-1}(A{A}^{\mathrm{T}})=E,$$知 $A$ 的右逆为 $A_R^{-1}=A^{\mathrm{T}}(A{A}^{\mathrm{T}}{)}^{-1}$

例 $A=\left(\begin{array}{ccc}1& 2& -1\\ 0& -1& 2\end{array}\right)$ 求 $A$ 的右逆$A_R^{-1}.$
解 由 rank $\mathbf{A}=2$ , 知 $\mathbf{A}$ 为列满秩矩阵，所以
$\begin{array}{rl}& A_R^{-1}=A^{\mathrm{T}}(A{A}^{\mathrm{T}}{)}^{-1}=\left[\begin{array}{ccc}1& & 0\\ 2& & -1\\ -1& & 2\end{array}\right]{\left[\left[\begin{array}{ccccc}1& & 2& & -1\\ 0& & -1& & 2\end{array}\right]\left[\begin{array}{ccc}1& & 0\\ 2& & -1\\ -1& & 2\end{array}\right]\right]}^{-1}\\ & =\frac{1}{14}\left[\begin{array}{ccc}5& & 4\\ 6& & 2\\ 3& & 8\end{array}\right].\end{array}$

定义 4.2.6 设 $A\in {\mathbf{R}}^{m\times n}(m⩾n)$ 是列满秩矩阵，如果存在一个 $n\times m$ 矩阵 $\mathbf{B}$ ,使得
$$BA=E,$$成立，则称 $B$ 为$A$ 的左逆，并记为 $A_L^{-1}.$由于 $A^{\mathrm{T}}A$ 是 $n$ 阶满秩方阵，故
$$(A^{\mathrm{T}}A)(A^{\mathrm{T}}A{)}^{-1}=(A^{\mathrm{T}}A{)}^{-1}(A^{\mathrm{T}}A)=E.$$知 $A$ 的左逆为 $A_L^{-1}=(A^{\mathrm{T}}A{)}^{-1}{A}^{\mathrm{T}}.$

例 $\mathbf{A}=\left(\begin{array}{cc}1& 2\\ 2& 1\\ 1& 1\end{array}\right),$求 $A$ 的左逆 $A_L^{-1}.$
解 由 rank $\mathbf{A}=2$ , 知$\mathbf{A}$为列满秩矩阵，所以
$\begin{array}{rl}{A}_L^{-1}& =(A^{\mathrm{T}}A{)}^{-1}{A}^{\mathrm{T}}={\left[\left(\begin{array}{ccc}1& 2& 1\\ 2& 1& 1\end{array}\right)\left(\begin{array}{cc}1& 2\\ 2& 1\\ 1& 1\end{array}\right)\right]}^{-1}\left(\begin{array}{ccc}1& 2& 1\\ 2& 1& 1\end{array}\right)\\ & =\frac{1}{11}\left(\begin{array}{ccc}-4& 7& 1\\ 7& -4& 1\end{array}\right).\end{array}$

注 矩阵 $A$ 的左逆与右逆一般不能同时存在，只有当 $m=n$ 时的可逆方阵，左逆和右逆才能同时存在.
一般 $m\times n$ 矩阵的左逆和右逆也不唯一，只有是满秩方阵的时候才是唯一的.
可以验证，行满秩 $m\times n$ 矩阵 $A$ 的右逆一般表达式为
$$B=V{A}^{\mathrm{T}}(AV{A}^{\mathrm{T}}{)}^{-1},$$其中，$V$ 是使等式 $\mathrm{rank}AV{A}^{\mathrm{T}}=\mathrm{rank}A=m$ 成立的任意 $n$ 阶方阵.
如果 $A$ 是 $m\times n$ 列满秩矩阵，则 $A$ 的左逆一般表达式为
$$B=(A^{\mathrm{T}}UA{)}^{-1}{A}^{\mathrm{T}}U,$$其中 $U$ 是使等式 $\mathrm{rank}{\mathbf{A}}^{\mathrm{T}}\mathbf{U}\mathbf{A}=\mathrm{rank}\mathbf{A}=n$ 成立的任意 $m$ 阶方阵.

定理 4.2.7 设 $A$ 为 $m\times n$ 矩阵, $A$ 的满秩分解 $A=BC,$
其中 $B$ 为 $m\times r$ 矩阵，$C$ 为 $r\times n$ 矩阵，且 r a n k   A = r a n k   B = r a n k   C = r ⩽ min ⁡ { m , n } \mathrm{rank}~A=\mathrm{rank}~{B}=\mathrm{rank}~{C}=r\leqslant\min\{m,n\} rank A=rank B=rank C=r⩽min{m,n}
已知 $B$ 的一个左逆为 ${\mathbf{B}}_L^{-1},C$ 的一个右逆 ${\mathbf{C}}_R^{-1}$, 则
$$A^{-}=C_R^{-1}{B}_L^{-1},$$即 $A^{-}=C^{\mathrm{T}}(C{C}^{\mathrm{T}}{)}^{-1}(B^{\mathrm{T}}B{)}^{-1}{B}^{\mathrm{T}}.$

证明 将上式代人 Penrose-Moore 方程，有 $AXA=A{C}_R^{-1}{B}_L^{-1}A=BC{C}_R^{-1}{B}_L^{-1}BC=BC=A$ .

4.3 自反广义逆

定义 4.3.1 设 $A\in {\mathbf{R}}^{m\times n}$ , 若 $X\in {\mathbb{R}}^{n\times m}$ 且满足方程
$$\begin{array}{rl}AXA& =A,\\ XAX& =X,\end{array}$$则 X ∈ A { 1 , 2 } . \boldsymbol{X}\in\boldsymbol{A}\{1,2\}. X∈A{1,2}.此时称 $X$ 为 $A$ 的一个 { 1 , 2 } \{1,2\} {1,2} 逆，也称为自反广义逆，记为 $\mathbf{X}=A^{(1,2)}$.
矩阵 $A$ 的所有自反广义逆的集合记为 A { 1 , 2 } \mathbf{A}\{1,2\} A{1,2}.若 $\mathbf{X}$ 是 $A$ 的自反广义逆，则 $A$ 也是 $X$ 的自反广义逆，这就是自反的含义.

定理 4.3.2 任何矩阵 $A\in {\mathbf{R}}^{m\times n}$ 都有自反广义逆.

证 如果 $A=\mathbf{O}$ , 则 $X=\mathbf{O}$ , 显然就是 $A$ 的自反广义逆.
如果$A\ne \mathbf{O}$, rank $A=r$, 存在可逆矩阵 $P$ 和 $Q$ , 使
$$PAQ=\left(\genfrac{}{}{0ex}{}{E_{r}O}{OO}\right).$$结合减号逆的证明，直接验证可知矩阵 $\mathbf{X}=\mathbf{Q}\left[\begin{array}{cc}{\mathbf{E}}_r& W\\ V& VW\end{array}\right]\mathbf{P}.$
是$A$ 的自反广义逆，其中 $W\in {\mathbf{R}}^{r\times (m-r)}$ $,V\in {\mathbf{R}}^{(n-r)\times r}$ 是任意矩阵。
定理7.5说明自反广义逆存在,且不唯一.

例 4.3.3 $\mathbf{A}=\left(\begin{array}{ccc}1& 0& 0\\ 1& 1& 1\\ 2& 1& 1\end{array}\right)$ 试求A的自反广义逆.
解 由初等矩阵变换可知 $\mathbf{PAQ}=\left[\begin{array}{ccc}1& 0& 0\\ -1& 1& 0\\ -1& -1& 1\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 1& 1& 1\\ 2& 1& 1\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& -1\\ 0& 0& 1\end{array}\right]=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 0\end{array}\right].$
则 ${\mathbf{A}}^{(1,2)}=\mathbf{Q}\left[\begin{array}{ccc}1& 0& w_1\\ 0& 1& w_2\\ & & \\ v_1& v_2& v_1{w}_1+v_2{w}_2\end{array}\right]\mathbf{P}$, 其中 $w_i,v_i(i=1,2)$ 可以取任意常数.

定理 4.3.4 对任何 $A\in {\mathbf{R}}^{m\times n}$ ,若 Y , Z ∈ A { 1 } Y,Z\in A\{1\} Y,Z∈A{1} , 那么 X = Y A Z ∈ A { 1 , 2 } . X=YAZ\in A\{1,2\}. X=YAZ∈A{1,2}.

证 $\begin{array}{rl}& AXA=(AYA)ZA=AZA=A,\\ & XAX=Y(AZA)YAZ=Y(AYA)Z=YAZ=X,\end{array}$

引理 4.3.5 设 $\mathbf{A}\in {\mathbf{R}}^{m\times n},\mathbf{X}\in {\mathbf{R}}^{n\times m}$, 若$R(XA)=R(X),$
\qquad 则存在 $Y\in {\mathbf{R}}^{n\times m}$, 使 $XAY=X.$

证 令 $q_1,q_2,...,q_m$ 是 ${\mathbf{R}}^m$ 的一组基，$r_i=X{q}_i,i=1,2,\cdots ,m,$ 则 $r_i\in R(X)$ ,
因为 $R(XA)=R(X)$, 所以 $r_i\in R(XA)$,
即存在 $p_i\in {\mathbb{R}}^n$, 使得 $r_i=XA{p}_i,i=1,2,\cdots ,m.$
记 $P=(p_1,p_2,\cdots ,p_m)\in {\mathbf{R}}^{n\times m},Q=(q_1,q_2,\cdots ,q_m)\in {\mathbf{R}}^{m\times m},$
显然 $Q$ 可逆.
由 $X{q}_i=XA{p}_i$ 知 $XQ=XAP$ , 即
$$X=XAP{Q}^{-1}.$$令 $Y=P{Q}^{-1}$ ,于是 $X=XAY.$

定理 4.3.6 设 $A\in {\mathbf{R}}^{m\times n}$ ,rank $\mathbf{A}=r,\mathbf{X}\in {\mathbf{R}}^{n\times m}$ ,且 X ∈ A { 1 } \boldsymbol{X}\in\boldsymbol{A}\{1\} X∈A{1}, 则 X ∈ A { 1 , 2 } \boldsymbol{X}\in\boldsymbol{A}\{1,2\} X∈A{1,2} 的充分必要条件是
$$\mathrm{rank}X=\mathrm{rank}A.$$

证 必要性.因为 X ∈ A { 1 , 2 } X\in A\{1,2\} X∈A{1,2},
$AXA=A\Rightarrow \mathrm{rank}A=\mathrm{rank}AXA⩽\mathrm{rank}AX⩽\mathrm{rank}X;$
$XAX=X\Rightarrow \mathrm{rank}X=\mathrm{rank}XAX⩽\mathrm{rank}XA⩽\mathrm{rank}A;$
于是 $\mathrm{rank}X=\mathrm{rank}A.$
  ~  
充分性.已知 $\mathrm{rank}X=\mathrm{rank}A,$
任给 $w\in R(XA)$, 存在 $v$ 使得 $w=XAv,$ 令 $z=Av,$ 于是 $w=Xz$, 即 $w\in R(X)$,
因此 $R(XA)\subset R(X).$
由 $A^{-}$ 的性质(4)知 $\mathrm{rank}{A}^{-}A=\mathrm{rank}A.$ 于是
$$\mathrm{rank}XA=\mathrm{rank}A=\mathrm{rank}X,$$即 $R(XA)$ 与 $R(X)$ 的维数相等，由此推知 $R(XA)=R(X).$
由引理 4.3.5 知 ,存在 $Y\in {\mathbf{R}}^{n\times m}$ ,使 $XAY=X$ , 左乘 $A$ 得
$$AX=AXAY=(AXA)Y=AY,$$所以
X A X = X A Y = X , X ∈ A { 1 , 2 } . XAX=XAY=X,\quad X\in A\{1,2\}. XAX=XAY=X,X∈A{1,2}.

4.4 加号逆

定理 4.4.1 设 $A\in {\mathbf{R}}^{m\times n}$ ,若存在矩阵 $X\in {\mathbf{R}}^{n\times m}$ 满足
$\begin{array}{rlr}& AXA=A,& (AX{)}^{\mathrm{H}}=AX,\\ & XAX=X,& (XA{)}^{\mathrm{H}}=XA,\end{array}$
则 X ∈ A { 1 , 2 , 3 , 4 } . \boldsymbol{X}\in\boldsymbol{A}\{1,2,3,4\}. X∈A{1,2,3,4}. 此时，称 $X$ 为$A$ 的一个 { 1 , 2 , 3 , 4 } \{1,2,3,4\} {1,2,3,4} 逆，也称为加号逆，记作 $A^{+}$或 $A^{(1,2,3,4)}.$

定理 4.4.2 任给矩阵 $A\in {\mathbf{R}}^{m\times n},A^{+}$存在且唯一.

证 设 rank$\mathbf{A}=r\ne 0$ ,取 $\mathbf{A}$ 的一个满秩分解为 $A=BC,$
其中 $B\in {\mathbf{R}}^m\times r,\mathbf{C}\in {\mathbf{R}}^{r\times n}$,rank $\mathbf{B}=\mathrm{rank}\mathbf{C}=r.$
令 $X=C^{\mathrm{T}}(C{C}^{\mathrm{T}}{)}^{-1}(B^{\mathrm{T}}B{)}^{-1}{B}^{\mathrm{T}},$
则
$$\begin{array}{rl}(1)\text{AXA}& =BC{C}^{\mathrm{T}}(C{C}^{\mathrm{T}}{)}^{-1}(B^{\mathrm{T}}B{)}^{-1}{B}^{\mathrm{T}}BC\\ & =BC=A.\\ (2)\text{XAX}& =C^{\mathrm{T}}(C{C}^{\mathrm{T}}{)}^{-1}(B^{\mathrm{T}}B{)}^{-1}{B}^{\mathrm{T}}BC{C}^{\mathrm{T}}(C{C}^{\mathrm{T}}{)}^{-1}(B^{\mathrm{T}}B{)}^{-1}{B}^{\mathrm{T}}\\ & =C^{\mathrm{T}}(C{C}^{\mathrm{T}}{)}^{-1}(B^{\mathrm{T}}B{)}^{-1}{B}^{\mathrm{T}}=X.\\ (3)(AX{)}^{\mathrm{T}}& =(BC{C}^{\mathrm{T}}(C{C}^{\mathrm{T}}{)}^{-1}(B^{\mathrm{T}}B{)}^{-1}{B}^{\mathrm{T}}{)}^{\mathrm{T}}\\ & =(B(B^{\mathrm{T}}B{)}^{-1}{B}^{\mathrm{T}}{)}^T=B((B^{\mathrm{T}}B{)}^{-1}{)}^{\mathrm{T}}{B}^{\mathrm{T}}\\ & =B(B^{\mathrm{T}}A{)}^{-1}{B}^{\mathrm{T}}=AX.\\ (4)(XA{)}^{\mathrm{T}}& =(C^{\mathrm{T}}(C{C}^{\mathrm{T}}{)}^{-1}(B^{\mathrm{T}}B{)}^{-1}{B}^{\mathrm{T}}BC{)}^{\mathrm{T}}\\ & =(C^{\mathrm{T}}(C{C}^{\mathrm{T}}{)}^{-1}C{)}^{\mathrm{T}}=C^{\mathrm{T}}((C{C}^{\mathrm{T}}{)}^{-1}{)}^{\mathrm{T}}C\\ & =C^{\mathrm{T}}(C{C}^{\mathrm{T}}{)}^{-1}C=XA.\end{array}$$所以 $X$ 是 $A$ 的一个 $A^{+}$ 逆。
当 $\mathrm{rank}A=0$,即 $A=O$ 为零矩阵时，容易验证 $X=O$ 是 $A$ 的一个 $A^{+}$ 逆，故 $A^{+}$ 存在。
  ~  
下证唯一性. 假设 $X_1$ 和 $X_2$ 都是 $A$ 的 $A^{+}$逆，由定理 4.1.3 和 Penrose-Moore 方程组可知
  ~  
$\begin{array}{rl}{X}_1& =X_1{X}_1^{\mathrm{T}}{A}^{\mathrm{T}}=X_1{X}_1^{\mathrm{T}}(A{X}_{2}A{)}^{\mathrm{T}}=X_1{X}_1^{\mathrm{T}}{A}^{\mathrm{T}}{X}_2^{\mathrm{T}}{A}^{\mathrm{T}}\\ & =X_1(A{X}_1{)}^{\mathrm{T}}(A{X}_2{)}^{\mathrm{T}}=X_{1}A{X}_{1}A{X}_2=X_{1}A{X}_2\\ & =X_{1}A{X}_{2}A{X}_2=X_{1}A(X_{2}A{)}^{\mathrm{T}}{X}_2=X_{1}A{A}^{\mathrm{T}}{X}_2^{\mathrm{T}}{X}_2\\ & =A^{\mathrm{T}}{X}_2^{\mathrm{T}}{X}_2=(X_{2}A{)}^{\mathrm{T}}{X}_2=X_{2}A{X}_2\\ & =X_2.\end{array}$