第二章矩阵-3.逆矩阵

1.逆矩阵的定义

对于一个 $n \times n$ 的方阵 $A$，如果存在另一个 $n \times n$ 的方阵 $B$，使得： $AB = BA = I_n(E)$ 其中 $I_n(或者叫E)$ 是 $n$ 阶单位矩阵（主对角线元素为1，其余为0）, 就称：

• $A$ 是 可逆矩阵（非奇异矩阵）
• $B$ 是 $A$ 的 逆矩阵，记作 $A^{-1}$。

一句话： 和原矩阵相乘等于单位矩阵的方阵，就是逆矩阵。

---

2.逆矩阵存在的条件

非奇异矩阵 = 可逆矩阵 （前提：必须是 n 阶方阵）

满足：

即：行列式不等于 0。

$n$ 阶方阵 $A$ 可逆 $\iff$ 行列式 $|A| \neq 0$ $\iff A$ 是非奇异矩阵 $\iff A$ 的秩 $r(A)=n$ $\iff A$ 的行/列向量线性无关

类型	行列式	逆矩阵	几何意义
非奇异矩阵	$\vert A\vert \neq 0$	存在 $A^{-1}$	不把空间压扁，是一一变换
奇异矩阵	$\vert A\vert = 0$	不存在逆矩阵	把空间压扁（降维），信息丢失

简单记：

• 奇异 = 不可逆 = 行列式=0
• 非奇异 = 可逆 = 行列式≠0

---

3.逆矩阵的重要性质

假设 $A$ 和 $B$ 都是 $n \times n$ 的可逆矩阵，$k$ 是非零常数，则有以下性质：

1. 逆的逆：$(A^{-1})^{-1} = A$。
2. 乘积的逆：$(AB)^{-1} = B^{-1}A^{-1}$。
   • 注意：顺序必须颠倒，这与矩阵乘法不满足交换律有关。
3. 转置的逆：$(A^T)^{-1} = (A^{-1})^T$。即先求逆再转置，与先转置再求逆结果相同。
4. 数乘的逆：$(kA)^{-1} = \frac{1}{k}A^{-1}$ （$k \neq 0$）。
5. 行列式关系：$\det(A^{-1}) = \frac{1}{\det(A)}$。因此，若 $\det(A) = 0$，则 $A$ 不可逆。
6. 消去律：若 $A$ 可逆，且 $AB = AC$，则 $B = C$；若 $BA = CA$，则 $B = C$。

3.1 逆的逆：$(A^{-1})^{-1} = A$

🧠 直观理解

如果 $B$ 是 $A$ 的"撤销操作"（即 $B = A^{-1}$），那么 $A$ 自然就是 $B$ 的"撤销操作"。就像：

• "开门"的逆操作是"关门"
• "关门"的逆操作又是"开门"

所以 $(A^{-1})^{-1}$ 应该回到 $A$ 本身。

✍️ 严谨证明

已知：$A$ 可逆，即存在 $A^{-1}$ 使得 $AA^{-1} = A^{-1}A = I$

要证：$(A^{-1})^{-1} = A$

证明： 根据逆矩阵的定义，$(A^{-1})^{-1}$ 是满足以下条件的矩阵 $X$： $A^{-1}X = XA^{-1} = I$

我们验证 $X = A$ 是否满足：

• $A^{-1} \cdot A = I$ ✓ （由 $A$ 可逆的定义）
• $A \cdot A^{-1} = I$ ✓ （由 $A$ 可逆的定义）

因为逆矩阵是唯一的，所以满足上述条件的 $X$ 只能是 $(A^{-1})^{-1}$。 因此：$(A^{-1})^{-1} = A$

📌 小例子

设 $A = \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix}$，则 $A^{-1} = \begin{pmatrix} 1/2 & 0 \\ 0 & 1/3 \end{pmatrix}$

再求 $(A^{-1})^{-1}$： $(A^{-1})^{-1} = \begin{pmatrix} 1/(1/2) & 0 \\ 0 & 1/(1/3) \end{pmatrix} = \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix} = A$

---

3.2 乘积的逆：$(AB)^{-1} = B^{-1}A^{-1}$

🧠 直观理解

想象穿袜子再穿鞋：

• $A$ = 穿袜子，$B$ = 穿鞋
• $AB$ = 先穿袜子再穿鞋
• 要"撤销"这个操作，必须先脱鞋($B^{-1}$)，再脱袜子($A^{-1}$)

顺序必须颠倒！这就是为什么 $(AB)^{-1} = B^{-1}A^{-1}$ 而不是 $A^{-1}B^{-1}$。

✍️ 严谨证明

已知：$A, B$ 都是 $n \times n$ 可逆矩阵

要证：$(AB)^{-1} = B^{-1}A^{-1}$

证明： 根据逆矩阵定义，我们需要验证 $(B^{-1}A^{-1})$ 与 $(AB)$ 相乘是否等于单位矩阵 $I$。

左乘验证： $(B^{-1}A^{-1})(AB) = B^{-1}(A^{-1}A)B = B^{-1}IB = B^{-1}B = I$

右乘验证： $(AB)(B^{-1}A^{-1}) = A(BB^{-1})A^{-1} = AIA^{-1} = AA^{-1} = I$

因为 $(B^{-1}A^{-1})$ 同时满足左乘和右乘都得到 $I$，且逆矩阵唯一，所以： $(AB)^{-1} = B^{-1}A^{-1}$

⚠️ 关键提醒

矩阵乘法不满足交换律（即 $AB \neq BA$ 一般情况），所以顺序不能乱！

📌 小例子

设 $A = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}$, $B = \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix}$

计算：

• $AB = \begin{pmatrix} 2 & 3 \\ 0 & 3 \end{pmatrix}$
• $(AB)^{-1} = \frac{1}{6}\begin{pmatrix} 3 & -3 \\ 0 & 2 \end{pmatrix} = \begin{pmatrix} 1/2 & -1/2 \\ 0 & 1/3 \end{pmatrix}$

再算 $B^{-1}A^{-1}$：

• $A^{-1} = \begin{pmatrix} 1 & -1 \\ 0 & 1 \end{pmatrix}$, $B^{-1} = \begin{pmatrix} 1/2 & 0 \\ 0 & 1/3 \end{pmatrix}$
• $B^{-1}A^{-1} = \begin{pmatrix} 1/2 & 0 \\ 0 & 1/3 \end{pmatrix}\begin{pmatrix} 1 & -1 \\ 0 & 1 \end{pmatrix} = \begin{pmatrix} 1/2 & -1/2 \\ 0 & 1/3 \end{pmatrix}$

两者相等！✓

---

3.3 转置的逆：$(A^T)^{-1} = (A^{-1})^T$

🧠 直观理解

转置（行列互换）和求逆（撤销操作）是两个独立的操作，它们"互不干扰"，所以先后顺序可以交换。

✍️ 严谨证明

已知：$A$ 可逆

要证：$(A^T)^{-1} = (A^{-1})^T$

证明： 我们需要验证 $(A^{-1})^T$ 与 $A^T$ 相乘是否等于 $I$。

利用转置的性质：$(XY)^T = Y^T X^T$ 和 $I^T = I$

左乘验证： $(A^{-1})^T A^T = (AA^{-1})^T = I^T = I$

右乘验证： $A^T (A^{-1})^T = (A^{-1}A)^T = I^T = I$

因此 $(A^{-1})^T$ 是 $A^T$ 的逆矩阵，即： $(A^T)^{-1} = (A^{-1})^T$

📌 小例子

设 $A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}$

• $A^{-1} = \frac{1}{-2}\begin{pmatrix} 4 & -2 \\ -3 & 1 \end{pmatrix} = \begin{pmatrix} -2 & 1 \\ 1.5 & -0.5 \end{pmatrix}$
• $(A^{-1})^T = \begin{pmatrix} -2 & 1.5 \\ 1 & -0.5 \end{pmatrix}$

另一方面：

• $A^T = \begin{pmatrix} 1 & 3 \\ 2 & 4 \end{pmatrix}$
• $(A^T)^{-1} = \frac{1}{-2}\begin{pmatrix} 4 & -3 \\ -2 & 1 \end{pmatrix} = \begin{pmatrix} -2 & 1.5 \\ 1 & -0.5 \end{pmatrix}$

两者相等！✓

---

3.4 数乘的逆：$(kA)^{-1} = \frac{1}{k}A^{-1}$ （$k \neq 0$）

🧠 直观理解

如果把矩阵 $A$ 的所有元素都放大 $k$ 倍，那么要"撤销"这个操作，就需要：

1. 先缩小 $k$ 倍（乘以 $\frac{1}{k}$）
2. 再撤销 $A$ 本身的操作（乘以 $A^{-1}$）

✍️ 严谨证明

已知：$A$ 可逆，$k \neq 0$

要证：$(kA)^{-1} = \frac{1}{k}A^{-1}$

证明： 验证 $(\frac{1}{k}A^{-1})$ 与 $(kA)$ 相乘是否等于 $I$。

左乘： $(\frac{1}{k}A^{-1})(kA) = \frac{1}{k} \cdot k \cdot (A^{-1}A) = 1 \cdot I = I$

右乘： $(kA)(\frac{1}{k}A^{-1}) = k \cdot \frac{1}{k} \cdot (AA^{-1}) = 1 \cdot I = I$

因此：$(kA)^{-1} = \frac{1}{k}A^{-1}$ ∎

📌 小例子

设 $A = \begin{pmatrix} 1 & 0 \\ 0 & 2 \end{pmatrix}$, $k = 3$

• $kA = \begin{pmatrix} 3 & 0 \\ 0 & 6 \end{pmatrix}$
• $(kA)^{-1} = \begin{pmatrix} 1/3 & 0 \\ 0 & 1/6 \end{pmatrix}$

另一方面：

• $A^{-1} = \begin{pmatrix} 1 & 0 \\ 0 & 1/2 \end{pmatrix}$
• $\frac{1}{k}A^{-1} = \frac{1}{3}\begin{pmatrix} 1 & 0 \\ 0 & 1/2 \end{pmatrix} = \begin{pmatrix} 1/3 & 0 \\ 0 & 1/6 \end{pmatrix}$

两者相等！✓

---

3.5 行列式关系：$\det(A^{-1}) = \frac{1}{\det(A)}$

🧠 直观理解

行列式可以理解为矩阵对空间的"缩放倍数"。

• 如果 $A$ 把空间放大 $\det(A)$ 倍
• 那么 $A^{-1}$ 必须把空间缩小 $\frac{1}{\det(A)}$ 倍，才能回到原点

如果 $\det(A) = 0$，说明 $A$ 把空间"压扁"了（维度降低），这种操作无法撤销，所以不可逆。

✍️ 严谨证明

已知：$A$ 可逆

要证：$\det(A^{-1}) = \frac{1}{\det(A)}$

证明： 利用行列式的乘法性质：$\det(XY) = \det(X)\det(Y)$

因为 $AA^{-1} = I$，两边取行列式： $\det(AA^{-1}) = \det(I)$ $\det(A) \cdot \det(A^{-1}) = 1$

因为 $A$ 可逆，所以 $\det(A) \neq 0$，两边除以 $\det(A)$： $\det(A^{-1}) = \frac{1}{\det(A)}$

推论：若 $\det(A) = 0$，则 $\frac{1}{\det(A)}$ 无意义，说明 $A^{-1}$ 不存在，即 $A$ 不可逆。

📌 小例子

设 $A = \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix}$

• $\det(A) = 2 \times 3 = 6$
• $A^{-1} = \begin{pmatrix} 1/2 & 0 \\ 0 & 1/3 \end{pmatrix}$
• $\det(A^{-1}) = \frac{1}{2} \times \frac{1}{3} = \frac{1}{6} = \frac{1}{\det(A)}$ ✓

---

3.6 消去律：若 $A$ 可逆，且 $AB = AC$，则 $B = C$

🧠 直观理解

如果 $A$ 是一个"可撤销"的操作，那么在等式两边同时"撤销" $A$，就能得到 $B = C$。 就像：如果 $3x = 3y$，两边除以3就得 $x = y$。

✍️ 严谨证明

已知：$A$ 可逆，且 $AB = AC$

要证：$B = C$

证明： 在等式 $AB = AC$ 的左边同时乘以 $A^{-1}$：

$A^{-1}(AB) = A^{-1}(AC)$

利用结合律： $(A^{-1}A)B = (A^{-1}A)C$ $IB = IC$ $B = C$

同理，若 $BA = CA$，在右边乘以 $A^{-1}$： $(BA)A^{-1} = (CA)A^{-1}$ $B(AA^{-1}) = C(AA^{-1})$ $BI = CI$ $B = C$

⚠️ 重要提醒

这个性质只在 $A$ 可逆时成立！如果 $A$ 不可逆（奇异矩阵），消去律可能失效。

📌 反例（当 $A$ 不可逆时）

设 $A = \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix}$（不可逆，因为 $\det(A) = 0$） $B = \begin{pmatrix} 0 & 0 \\ 0 & 1 \end{pmatrix}$, $C = \begin{pmatrix} 0 & 0 \\ 0 & 2 \end{pmatrix}$

计算：

• $AB = \begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix}$
• $AC = \begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix}$

虽然 $AB = AC$，但 $B \neq C$！这就是因为 $A$ 不可逆，消去律失效。

---

📊 总结表格

性质	公式	核心思想
逆的逆	$(A^{-1})^{-1} = A$	撤销的撤销=原操作
乘积的逆	$(AB)^{-1} = B^{-1}A^{-1}$	脱衣顺序相反
转置的逆	$(A^T)^{-1} = (A^{-1})^T$	转置与求逆可交换
数乘的逆	$(kA)^{-1} = \frac{1}{k}A^{-1}$	缩放因子取倒数
行列式	$\det(A^{-1}) = \frac{1}{\det(A)}$	缩放倍数互为倒数
消去律	$AB=AC \Rightarrow B=C$	可逆时可"约分"

---

4.逆矩阵的求法（三种最常用）

好的，我来详细介绍这两种求逆矩阵的方法：伴随矩阵法（理论经典）和高斯消元法（即初等变换法，实际最常用）。

---

4.1 伴随矩阵法求逆矩阵

4.1.1 基本概念

余子式：
对于 $n$ 阶矩阵 $A = (a_{ij})$，元素 $a_{ij}$ 的余子式 $M_{ij}$ 是删去第 $i$ 行和第 $j$ 列后得到的 $(n-1)$ 阶子式的行列式。

代数余子式：

伴随矩阵（伴随矩阵，记为 $\mathrm{adj}(A)$ 或 $A^*$）：
将矩阵 $A$ 的所有代数余子式按位置排列，然后转置得到的矩阵：

注意：第 $(i,j)$ 位置是 $C_{ji}$，即原矩阵代数余子式矩阵的转置。

4.1.2 求逆公式

若 $A$ 可逆（$\det(A) \neq 0$），则：

4.1.3 理论基础

核心恒等式：

这个恒等式来自行列式按行（列）展开的性质。

4.1.4 具体步骤（以 $3 \times 3$ 为例）

设 $A = \begin{pmatrix} a & b & c \\ d & e & f \\ g & h & i \end{pmatrix}$

步骤1：计算行列式 $\det(A)$，若为 0 则不可逆。

步骤2：计算所有代数余子式。

例如：

• $C_{11} = (-1)^{1+1} \begin{vmatrix} e & f \\ h & i \end{vmatrix} = ei - fh$
• $C_{12} = (-1)^{1+2} \begin{vmatrix} d & f \\ g & i \end{vmatrix} = -(di - fg) = fg - di$
• 依此类推，共 9 个代数余子式。

步骤3：构造代数余子式矩阵，然后转置得到伴随矩阵：

步骤4：乘以 $\frac{1}{\det(A)}$ 得到逆矩阵。

4.1.5 举例

求 $A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}$ 的逆。

• $\det(A) = 1 \times 4 - 2 \times 3 = -2$
• 代数余子式：$C_{11} = 4,\ C_{12} = -3,\ C_{21} = -2,\ C_{22} = 1$
• 伴随矩阵（转置）：$\mathrm{adj}(A) = \begin{pmatrix} C_{11} & C_{21} \\ C_{12} & C_{22} \end{pmatrix} = \begin{pmatrix} 4 & -2 \\ -3 & 1 \end{pmatrix}$
• $A^{-1} = \frac{1}{-2} \begin{pmatrix} 4 & -2 \\ -3 & 1 \end{pmatrix} = \begin{pmatrix} -2 & 1 \\ 1.5 & -0.5 \end{pmatrix}$

验证：$A A^{-1} = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix} \begin{pmatrix} -2 & 1 \\ 1.5 & -0.5 \end{pmatrix} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}$

4.1.6 优缺点

优点	缺点
理论清晰，公式简洁	计算量极大：$O(n!)$ 量级
适合低阶（$n \le 3$）手工计算	对于 $n \ge 4$ 几乎不可行
便于推导其他结论	数值稳定性差

---

4.2 高斯消元法（初等行变换法）求逆矩阵

这是最常用、最实用的求逆方法，适合手工计算 $n \le 4$ 的矩阵，也适合编程实现（实际中常用LU分解等变体）。

4.2.1 基本原理

初等行变换有三种：

1. 交换两行
2. 某行乘以非零常数
3. 某行加上另一行的倍数

这些变换对应左乘一个初等矩阵。若对矩阵 $A$ 进行一系列行变换化为单位矩阵 $I$，则同样的变换将 $I$ 化为 $A^{-1}$。

4.2.2 具体步骤

构造增广矩阵 $[A \mid I]$，对行进行初等变换，将左边化为单位矩阵，右边即为逆矩阵。

步骤：

1. 写出增广矩阵 $\begin{pmatrix} A & I \end{pmatrix}$
2. 对行进行初等变换，将左边化为上三角（可选）
3. 继续变换，将左边化为单位矩阵
4. 右边得到的矩阵即为 $A^{-1}$

4.2.3 详细举例

求 $A = \begin{pmatrix} 2 & 1 & 1 \\ 4 & 3 & 3 \\ 2 & 2 & 1 \end{pmatrix}$ 的逆。

Step 1：构造增广矩阵

Step 2：将第一列主元化为 1

$R_1 \leftarrow \frac{1}{2} R_1$：

Step 3：消去第一列其他行

$R_2 \leftarrow R_2 - 4R_1$，$R_3 \leftarrow R_3 - 2R_1$：

Step 4：将第二列主元化为 1（已经是 1）

Step 5：消去第二列其他行

$R_1 \leftarrow R_1 - 0.5R_2$，$R_3 \leftarrow R_3 - R_2$：

Step 6：将第三列主元化为 1

$R_3 \leftarrow -R_3$：

Step 7：消去第三列其他行

$R_2 \leftarrow R_2 - R_3$：

结果：

4.2.4 验证

$A A^{-1} = \begin{pmatrix} 2 & 1 & 1 \\ 4 & 3 & 3 \\ 2 & 2 & 1 \end{pmatrix} \begin{pmatrix} 1.5 & -0.5 & 0 \\ -1 & 0 & 1 \\ -1 & 1 & -1 \end{pmatrix} = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}$

---

4.3 两种方法的对比

总结与对比

特性	伴随矩阵法	高斯 - 约旦消元法
核心工具	行列式、代数余子式	初等行变换
计算复杂度	$O(n!)$ 或 $O(n^4)$ (极高)	$O(n^3)$ (较低)
适用场景	$2 \times 2$, $3 \times 3$ 手算；理论推导	$4 \times 4$ 及以上；计算机算法；大型方程组
主要难点	计算大量行列式，易算错符号	行变换步骤多，需保持耐心
是否需转置	是 (构建伴随矩阵时需转置)	否 (直接得出结果)
判定不可逆	$\det(A) = 0$	消元过程中出现全零行

💡 专家建议

1. 考试/手算：
   • 如果是 $2 \times 2$：直接用“主对调、副变号、除行列式”口诀（伴随矩阵法的特例）。
   • 如果是 $3 \times 3$：两种方法都可以。如果数字简单，伴随矩阵法可能更快；如果数字复杂或有分数，高斯消元法更稳妥。
   • 如果是 $4 \times 4$ 或更大：强烈建议使用高斯消元法。用伴随矩阵法算 $4 \times 4$ 需要算 16 个 $3 \times 3$ 行列式，极易出错且耗时。
2. 编程/实际应用：
   • 永远使用基于高斯消元或其改进版（如LU分解）的算法库（如 NumPy, MATLAB, LAPACK）。不要自己写伴随矩阵法代码，因为太慢且数值不稳定。

---

4.4 补充：高斯-约当消元法 vs 高斯消元法

在高斯消元法中，通常有两种策略：

1. 高斯消元法（行阶梯形）：先化为上三角，再回代求解方程组，但不适合直接求逆。
2. 高斯-约当消元法：继续消元直到化为单位矩阵——这正是我们上面演示的方法，也是求逆的标准做法。

---

4.5 实际应用中的注意事项

在数值计算中，很少显式求逆矩阵，因为：

• 求逆比解线性方程组更耗时
• 求逆可能放大数值误差
• 许多问题（如 $Ax = b$）直接求解比先求逆再乘更快更稳定

实际常用方法：

• 解线性方程组：LU分解、Cholesky分解（对称正定）、QR分解
• 需要逆矩阵时，通常存储分解结果，通过回代来“应用”逆矩阵

5.参考文献

本文参考AI回答，豆包，Deepseek,千问