6. 总结3
9 广义逆
定义9.1 给定矩阵
A
∈
R
m
×
n
A\in\mathbf{R}^{m\times n}
A∈Rm×n , 若存在矩阵
X
∈
R
m
×
m
X\in\mathbf{R}^{m\times m}
X∈Rm×m 满足下面四个方程( Penrose-Moore 方程组 )的全部或者一部分:
(
1
)
A
X
A
=
A
;
(1)AXA=A;
(1)AXA=A;
(
2
)
X
A
X
=
X
;
~~(2)XAX=X;
(2)XAX=X;
(
3
)
(
A
X
)
T
=
A
X
~~( 3) ( AX) ^{\mathrm{T} }= AX
(3)(AX)T=AX
(
4
)
(
X
A
)
T
=
X
A
~~( 4) ( XA) ^{\mathrm{T} }= XA
(4)(XA)T=XA ,
则称
X
X
X 为
A
A
A 的一个广义逆矩阵.
定理 4.1.3 Penrose-Moore 方程与条件等价 { X A A T = A T , X X T A T = X , \begin{cases}\boldsymbol{XAA}^\mathrm{T}=\boldsymbol{A}^\mathrm{T},\\\boldsymbol{XX}^\mathrm{T}\boldsymbol{A}^\mathrm{T}=\boldsymbol{X},\end{cases} {XAAT=AT,XXTAT=X,
证 首先证明条件 ( 1 ) A X A = A , ( 4 ) ( X A ) T = X A (1)AXA=A,(4)(XA)^{\mathrm{T}}=XA (1)AXA=A,(4)(XA)T=XA 与 X A A T = A T XAA^\mathrm{T}=A^\mathrm{T} XAAT=AT 等价.
~
将第四个方程代入第一个方程,有 A ( X A ) T = A . A(XA)^\mathrm{T}=A. A(XA)T=A. 两边取共轭转置,得 X A A T = A T . XAA^\mathrm{T}=A^\mathrm{T}. XAAT=AT.
~
用 X T X^\mathrm{T} XT 右乘 (4.1) 的第一式,得 X A A T X T = A T X T , XAA^\mathrm{T}X^\mathrm{T}=A^\mathrm{T}X^\mathrm{T}, XAATXT=ATXT, 即 ( X A ) ( X A ) T = ( X A ) T . (XA)(XA)^\mathrm{T}=(XA)^\mathrm{T}. (XA)(XA)T=(XA)T.
两边同时转置,得 ( X A ) ( X A ) T = X A , (XA)(XA)^\mathrm{T}=XA, (XA)(XA)T=XA, 由此得 ( X A ) T = X A . (XA)^\mathrm{T}=XA. (XA)T=XA. 将此式代人式(7.1)的第一式,
得 ( X A ) T A T = A T , (XA)^\mathrm{T}A^\mathrm{T}=A^\mathrm{T}, (XA)TAT=AT,两边同时共轭转置,有 A X A = A . AXA=A. AXA=A.
- 设矩阵 P , Q \boldsymbol{P,Q} P,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};
定理 4.2.2 设
A
∈
R
m
×
n
A\in\mathbf{R}^{m\times n}
A∈Rm×n,
r
a
n
k
A
=
r
,
P
∈
R
m
×
m
,
Q
∈
R
n
×
n
,
P
\mathrm{rank}~A=r,\boldsymbol{P}\in\mathbf{R}^{m\times m},\boldsymbol{Q}\in\mathbf{R}^{n\times n},\boldsymbol{P}
rank A=r,P∈Rm×m,Q∈Rn×n,P 和
Q
\boldsymbol Q
Q 可逆,且
P
A
Q
=
(
E
r
O
O
O
)
,
\boldsymbol{PAQ}=\begin{pmatrix}\boldsymbol{E_r}&\boldsymbol O\\\boldsymbol O&\boldsymbol O\end{pmatrix},
PAQ=(ErOOO),则
A
{
1
}
\boldsymbol{A}\{1\}
A{1} 中任一矩阵可写成
Q
[
E
r
X
12
X
21
X
22
]
P
.
\boldsymbol{Q}\begin{bmatrix}\boldsymbol{E}_r&\boldsymbol{X}_{12}\\\boldsymbol{X}_{21}&\boldsymbol{X}_{22}\end{bmatrix}\boldsymbol{P}.
Q[ErX21X12X22]P.
其中
X
12
∈
R
r
×
(
n
−
r
)
,
X
21
∈
R
(
m
−
r
)
×
r
,
X
22
∈
R
(
n
−
r
)
×
(
m
−
r
)
X_{12}\in\mathbf{R}^{r\times(n-r)},\quad X_{21}\in\mathbf{R}^{(m-r)\times r},\quad X_{22}\in\mathbf{R}^{(n-r)\times(m-r)}
X12∈Rr×(n−r),X21∈R(m−r)×r,X22∈R(n−r)×(m−r) 为任意矩阵.
例 4.2.3 已知矩阵 A = ( 1 0 − 1 1 0 2 2 2 − 1 4 5 3 ) \mathbf{A}=\begin{pmatrix}1&0&-1&1\\[0.3em]0&2&2&2\\[0.3em]-1&4&5&3\end{pmatrix} A= 10−1024−125123 求 A A A 的广义逆 A { 1 } A\{1\} A{1}.
解 B = [ 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 O 0 0 1 0 0 0 0 1 ] ≅ [ 1 0 0 0 1 0 0 0 1 0 0 0 1 2 0 0 0 0 0 1 − 2 1 1 0 1 − 1 0 1 − 1 − 1 O 0 0 1 0 0 0 0 1 ] \mathbf{B}=\begin{bmatrix}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&&\boldsymbol{O}\\0&0&1&0\\0&0&0&1\end{bmatrix}\cong\begin{bmatrix}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&&\boldsymbol{O}\\0&0&1&0\\0&0&0&1\end{bmatrix} B= 10−110000240100−12500101230001100010O001 ≅ 100100001001000001−110000−1−101101021−2O001
于是 P = [ 1 0 0 0 1 2 0 1 − 2 1 ] , Q = [ 1 0 1 − 1 0 1 − 1 − 1 0 0 1 0 0 0 0 1 ] \boldsymbol{P}=\begin{bmatrix}1&0&0\\0&\frac{1}{2}&0\\1&-2&1\end{bmatrix},\quad\boldsymbol{Q}=\begin{bmatrix}1&0&1&-1\\0&1&-1&-1\\0&0&1&0\\0&0&0&1\end{bmatrix} P= 101021−2001 ,Q= 100001001−110−1−101 因此, A A A 的任一个 { 1 } \{1\} {1} 逆可写成
X = Q [ 1 0 x 1 0 1 x 2 y 11 y 12 z 1 y 21 y 22 z 2 ] P \boldsymbol{X}=\boldsymbol{Q}\begin{bmatrix}1&0&x_1\\0&1&x_2\\y_{11}&y_{12}&z_1\\y_{21}&y_{22}&z_2\end{bmatrix}\boldsymbol{P} X=Q 10y11y2101y12y22x1x2z1z2 P, 其中 x i , y i j , z j ( i = 1 , 2 ; j = 1 , 2 ) x_{i} ,y_{ij},z_{j}(i=1,2;j=1,2) xi,yij,zj(i=1,2;j=1,2) 为任意实数.
若取 x i = y i j = z j = 0 ( i = 1 , 2 ; j = 1 , 2 ) , x_i=y_{ij}=z_j=0(i=1,2;j=1,2), xi=yij=zj=0(i=1,2;j=1,2), 则得到 A A A 的一个具体的 { 1 } \{1\} {1} 逆.
~
A − = [ 1 0 1 − 1 0 1 − 1 − 1 0 0 1 0 0 0 0 1 ] [ 1 0 0 0 1 0 0 0 0 0 0 0 ] [ 1 0 0 0 1 2 0 1 − 2 1 ] = [ 1 0 0 0 1 2 0 0 0 0 0 0 0 ] ~~~~~~~~~~~~~~~~~~A^-=\begin{bmatrix}1&0&1&-1\\0&1&-1&-1\\0&0&1&0\\0&0&0&1\end{bmatrix}\quad\begin{bmatrix}1&0&0\\0&1&0\\0&0&0\\0&0&0\end{bmatrix}\quad\begin{bmatrix}1&0&0\\0&\frac{1}{2}&0\\1&-2&1\end{bmatrix}=\begin{bmatrix}1&0&0\\0&\frac{1}{2}&0\\0&0&0\\0&0&0\end{bmatrix} A−= 100001001−110−1−101 100001000000 101021−2001 = 1000021000000
行满秩矩阵有右逆
A
R
−
1
=
A
T
(
A
A
T
)
−
1
A_{R}^{-1} =A^{\mathrm{T}}(AA^{\mathrm{T}})^{-1}
AR−1=AT(AAT)−1 列满秩矩阵有左逆
A
L
−
1
=
(
A
T
A
)
−
1
A
T
.
A_L^{-1}=(A^{\mathrm{T}}A)^{-1}A^{\mathrm{T}}.
AL−1=(ATA)−1AT.
行满秩
m
×
n
m\times n
m×n 矩阵
A
A
A 的右逆一般表达式为
B
=
V
A
T
(
A
V
A
T
)
−
1
,
B=VA^{\mathrm{T}}(AVA^{\mathrm{T}})^{-1},
B=VAT(AVAT)−1,
其中
V
V
V 是使等式
r
a
n
k
A
V
A
T
=
r
a
n
k
A
=
m
\mathrm{rank}~AVA^{\mathrm{T}}=\mathrm{rank}~A=m
rank AVAT=rank A=m 成立的任意
n
n
n 阶方阵.
如果
A
A
A 是
m
×
n
m\times n
m×n 列满秩矩阵,则
A
A
A 的左逆一般表达式为
B
=
(
A
T
U
A
)
−
1
A
T
U
,
B=(A^\mathrm{T}UA)^{-1}A^\mathrm{T}U,
B=(ATUA)−1ATU,
其中
U
U
U 是使等式
r
a
n
k
A
T
U
A
=
rank
A
=
n
\mathrm{rank}~ A^\mathrm{T} {U} {A}=\operatorname{rank}{A}=n
rank ATUA=rankA=n 成立的任意
m
m
m 阶方阵.
满秩分解 A = B C , A=BC, A=BC, 则 A − = C R − 1 B L − 1 A^-=C_R^{-1}B_L^{-1} A−=CR−1BL−1
定理 4.3.2 任何矩阵 A ∈ R m × n A\in\mathbf{R}^{m\times n} A∈Rm×n 都有自反广义逆.
证 如果 A = O A=\boldsymbol O A=O , 则 X = O X=\boldsymbol O X=O , 显然就是 A A A 的自反广义逆.
如果 A ≠ O A\neq\boldsymbol O A=O, rank A = r A=r A=r, 存在可逆矩阵 P P P 和 Q Q Q , 使 P A Q = ( E r O O O ) . PAQ=\binom{E_r~~O}{O~~~O}. PAQ=(O OEr O).
结合减号逆的证明,直接验证可知矩阵 X = Q [ E r W V V W ] P \boldsymbol{X}=\boldsymbol{Q}\begin{bmatrix}\boldsymbol{E}_r&W\\V&VW\end{bmatrix}\boldsymbol{P} X=Q[ErVWVW]P 是 A A A 的自反广义逆。
例 4.3.3 A = ( 1 0 0 1 1 1 2 1 1 ) \boldsymbol{A}=\begin{pmatrix}1&0&0\\[0.3em]1&1&1\\[0.3em]2&1&1\end{pmatrix} A= 112011011 试求A的自反广义逆.
解 由初等矩阵变换可知 P A Q = [ 1 0 0 − 1 1 0 − 1 − 1 1 ] [ 1 0 0 1 1 1 2 1 1 ] [ 1 0 0 0 1 − 1 0 0 1 ] = [ 1 0 0 0 1 0 0 0 0 ] . \boldsymbol{PAQ}=\begin{bmatrix}1&0&0\\-1&1&0\\-1&-1&1\end{bmatrix}\begin{bmatrix}1&0&0\\1&1&1\\2&1&1\end{bmatrix}\begin{bmatrix}1&0&0\\0&1&-1\\0&0&1\end{bmatrix}=\begin{bmatrix}1&0&0\\0&1&0\\0&0&0\end{bmatrix}. PAQ= 1−1−101−1001 112011011 1000100−11 = 100010000 .
则 A ( 1 , 2 ) = Q [ 1 0 w 1 0 1 w 2 v 1 v 2 v 1 w 1 + v 2 w 2 ] P \boldsymbol{A}^{(1,2)}=\boldsymbol{Q}\begin{bmatrix}1&0&w_1\\0&1&w_2\\\\v_1&v_2&v_1w_1+v_2w_2\end{bmatrix}\boldsymbol{P} A(1,2)=Q 10v101v2w1w2v1w1+v2w2 P, 其中 w i , v i ( i = 1 , 2 ) w_i,v_i(i=1,2) wi,vi(i=1,2) 可以取任意常数.
10 复合矩阵定义 简单算复合&加性复合矩阵
定义10.1 设
A
A
A 是
m
×
n
m\times n
m×n 矩阵. 定义
Q
k
,
m
=
{
(
i
1
,
…
,
i
k
)
∣
1
≤
i
,
<
⋯
<
i
k
≤
n
}
Q_{k,m}=\{(i_{1},\ldots,i_{k})|1\leq i,<\cdots<i_{k}\leq n\}
Qk,m={(i1,…,ik)∣1≤i,<⋯<ik≤n}
对于
1
⩽
k
⩽
min
{
m
,
n
}
1\leqslant k\leqslant\min\{m,n\}
1⩽k⩽min{m,n}, 定义
A
A
A 的
k
k
k 级 复合矩阵
C
k
(
A
)
C_k(A)
Ck(A) 如下:
C k ( A ) C_k(A) Ck(A) 是 ( m k ) × ( n k ) \binom mk\times\binom nk (km)×(kn) 矩阵,它分别以 α ∈ Q k , m \alpha\in Q_{k,m} α∈Qk,m 和 β ∈ Q k . n {\beta}\in Q_{k.n} β∈Qk.n 作为行标和列标,并均按字典式排序, C k ( A ) C_k({A}) Ck(A) 的 ( α , β ) (\boldsymbol\alpha,\boldsymbol{\beta}) (α,β) 元是 det A [ α ∣ β ] . \det\boldsymbol{A}[\boldsymbol{\alpha}|\boldsymbol{\beta}]. detA[α∣β].
例,当 m = n = 3 , k = 2 m=n=3,k=2 m=n=3,k=2 时, C 2 ( A ) C_2(A) C2(A) 是 3 × 3 3×3 3×3 矩阵:
C 2 ( A ) = ( det A [ 1 , 2 ∣ 1 , 2 ] det A [ 1 , 2 ∣ 1 , 3 ] det A [ 1 , 2 ∣ 2 , 3 ] det A [ 1 , 3 ∣ 1 , 2 ] det A [ 1 , 3 ∣ 1 , 3 ] det A [ 1 , 3 ∣ 2 , 3 ] det A [ 2 , 3 ∣ 1 , 2 ] det A [ 2 , 3 ∣ 1 , 3 ] det A [ 2 , 3 ∣ 2 , 3 ] ) . C_2(A)=\begin{pmatrix}\det A[1,2\mid1,2]&\det A[1,2\mid1,3]&\det A[1,2\mid2,3]\\\det A[1,3\mid1,2]&\det A[1,3\mid1,3]&\det A[1,3\mid2,3]\\\det A[2,3\mid1,2]&\det A[2,3\mid1,3]&\det A[2,3\mid2,3]\end{pmatrix}. C2(A)= detA[1,2∣1,2]detA[1,3∣1,2]detA[2,3∣1,2]detA[1,2∣1,3]detA[1,3∣1,3]detA[2,3∣1,3]detA[1,2∣2,3]detA[1,3∣2,3]detA[2,3∣2,3] .
特别地,总有 C 1 ( A ) = A C_1({A})={A} C1(A)=A ; 当 m = n m=n m=n 时 , C n ( A ) = ( det A ) ,{C}_n({A})=(\det{A}) ,Cn(A)=(detA)(作为 1 阶方阵).
定义10.2 设
A
A
A 是
n
n
n 阶方阵
,
t
,t
,t 是不定元. 记
C
k
(
I
n
+
t
A
)
C_{k}\left ( I_{n}\:+ \:t\mathbf{A} \right )
Ck(In+tA) =
I
(
n
k
)
\boldsymbol{I}_{{\binom nk}}
I(kn) +
t
Δ
k
(
A
)
t\Delta _{k}\left ( \boldsymbol{A}\right )
tΔk(A) +
t
2
R
t^{2}\boldsymbol{R}
t2R ,
其中
Δ
k
(
A
)
∈
M
(
n
k
)
(
C
)
,
R
∈
M
(
n
k
)
(
C
[
t
]
)
.
\Delta_k(\boldsymbol{A})\in M_{\binom nk}(\boldsymbol{C}),\boldsymbol{R}\in M_{\binom nk}(\mathbf{C}[t]).
Δk(A)∈M(kn)(C),R∈M(kn)(C[t]). 称
(
n
k
)
\binom nk
(kn) 阶方阵
Δ
k
(
A
)
\Delta_k(\boldsymbol{A})
Δk(A) 为
A
\boldsymbol{A}
A 的
k
k
k 级加性复合矩阵.
易知 k = 1 k=1 k=1 时, Δ 1 ( A ) = A ; \Delta_1(\boldsymbol{A})=\boldsymbol{A}; Δ1(A)=A;当 k = n k=n k=n 时 , Δ n ( A ) = t r A . ,\Delta_n(\boldsymbol{A})=\mathrm{tr}\boldsymbol{A}. ,Δn(A)=trA.
证 C 1 ( I + t A ) = I + t A , C n ( I + t A ) = det ( I + t A ) C_1(I+tA)=I+tA,C_n(I+tA)=\det(I+tA) C1(I+tA)=I+tA,Cn(I+tA)=det(I+tA)中 ( f ( t ) + 1 t 多项式 g ( t ) + 1 t 多项式 h ( t ) + 1 ) \begin{pmatrix}f(t)+1&&t多项式\\&g(t)+1&\\t多项式& &h(t)+1\end{pmatrix} f(t)+1t多项式g(t)+1t多项式h(t)+1 , t t t 的一次项仅在 n n n 个对角元乘积 ( t a 11 + 1 ) ⋯ ( t a m + 1 ) (ta_{11}+1)\cdots(ta_{m}+1) (ta11+1)⋯(tam+1) 中, 即 t r ( A ) tr(A) tr(A)。
例 A = ( 1 2 3 1 2 3 ) , k = 2 A=\begin{pmatrix}1&2&3\\&1&2\\&&3\end{pmatrix},k=2 A= 121323 ,k=2
则 C 2 ( I 3 + t A ) = ( ( t + 1 ) 2 2 t ( t + 1 ) t 2 − 3 t 0 ( t + 1 ) ( t + 1 ) 2 t ( 3 t + 1 ) 0 0 ( t + 1 ) ( 3 t + 1 ) ) = I ( 3 2 ) + t ( 2 2 − 3 0 4 2 0 0 4 ) + t 2 ( 1 2 1 0 3 6 0 0 3 ) \begin{aligned}C_2(I_3+tA)&=\begin{pmatrix}(t+1)^2&2t(t+1)&t^2-3t\\0&(t+1)(t+1)&2t(3t+1)\\0&0&(t+1)(3t+1)\end{pmatrix}\\&=I_{\binom 32}+t\begin{pmatrix}2&2&-3\\0&4&2\\0&0&4\end{pmatrix}+t^2\begin{pmatrix}1&2&1\\0&3&6\\0&0&3\end{pmatrix}\end{aligned} C2(I3+tA)= (t+1)2002t(t+1)(t+1)(t+1)0t2−3t2t(3t+1)(t+1)(3t+1) =I(23)+t 200240−324 +t2 100230163