欢迎光临
我们一直在努力
        找回密码
当前位置：171主机测评 > 服务器技术 > 正文

什么是逆矩阵

2026-01-30 分类：服务器技术 阅读(40) 评论(0)

       想象一下，数字世界里有个“乘法”的操作，比如 5 × 2 = 10。如果你想“撤销”这个操作，回到原来的 2，就可以用除法：10 \\times 5^{-1} = 2。这里 5^{-1} 就是 5 的“乘法逆元”。

矩阵的世界也一样！矩阵可以相乘，但不是所有矩阵都有“逆”。逆矩阵就是能“撤销”原矩阵乘法操作的那个特殊矩阵。

先认识“单位矩阵”——矩阵世界的“1”

单位矩阵（Identity Matrix，记作 I）就像数字 1 一样，任何矩阵乘以它，都不变。

如图，2×2 的单位矩阵是对角线 1，其他 0；3×3 也一样。 数学上： 

$\\begin{array}{c} I = \\begin{pmatrix} 1 & 0 \\\\ 0 & 1 \\end{pmatrix} \\quad (2\\times2) \\end{array}$

任何矩阵 A 乘以 I，都还是 A：A × I = I × A = A。

逆矩阵的定义

如果有一个方阵 A，存在另一个矩阵 B，使得：

$A \\times B = B \\times A = I$

那 B 就是 A 的逆矩阵，记作 $A^{-1}$（读作“A 逆”）。

简单说：原矩阵 × 逆矩阵 = 单位矩阵，就像 5 × (1/5) = 1。

不是所有矩阵都有逆！只有“可逆矩阵”（行列式不为 0 的方阵）才有逆。

怎么求逆矩阵？（以 2×2 为例，最简单）

对于一个 2×2 矩阵：

$\\begin{array}{c} A = \\begin{pmatrix} a & b \\\\ c & d \\end{pmatrix} \\end{array}$

它的逆矩阵公式是：

$\\begin{array}{c} A^{-1} = \\frac{1}{ad - bc} \\begin{pmatrix} d & -b \\\\ -c & a \\end{pmatrix} \\end{array}$

（前提是 ad – bc ≠ 0，这个值叫行列式 det(A)）

1) 逆矩阵一定是方阵吗？

是的，逆矩阵一定是方阵！ 更准确地说，只有方阵（行数=列数，即 n×n 矩阵）才可能有逆矩阵，而且如果存在，它的逆矩阵也是同阶的 n×n 方阵。

为什么非方阵没有逆矩阵？

矩阵乘法要求“左矩阵的列数 = 右矩阵的行数”。 要让 $AA^{-1}=I $（单位矩阵），I 必须是方阵（对角线1，其他0）。 如果 A 是 m×n 非方阵（m ≠ n），无论乘什么矩阵，都不可能得到方形的 I。

2) n×n（n>）怎么求逆矩阵？

常用方法有三类（从“最实用”到“理论公式”）：

方法A：高斯-约旦消元（最常用、最通用）

把 $[A\\;|\\;I]$ 做行变换，化到 $[I\\;|\\;A^{-1}]$。

步骤：

  • 写增广矩阵 [  A  ∣  I  ]\\

  • 用初等行变换把左边化成单位阵 I

  • 右边就变成 $A^{-1}$

    • 优点：适用于任意 n，手算/机算都行；也是数值计算的基础。

    方法B：解 n 次线性方程（等价理解）

    逆矩阵的列向量满足：

    $A x_i = e_i\\quad (i=1,\\dots,n)$

    其中 $e_i$ 是单位基向量。
    把这 n 个方程都解出来，拼成 $A^{-1}=[x_1\\,x_2\\,\\dots\\,x_n]$。

    （这和把 $[A|I]$ 消元本质一样。）

    3) 什么时候“有逆”？

    对 n×n：

    • det⁡(A)≠0 可逆

    • 等价说法：秩为 n、列向量线性无关、线性方程 Ax=b 对任意 b 有唯一解。

    我们就用图里这个 3×3 的例子，用高斯–约旦消元把$A^{-1}$ 直接算出来（这方法对任意 n×n 都通用）。

    给定

    $\\begin{array}{c} A=\\begin{bmatrix} 0&1&1\\\\ 5&1&-1\\\\ 3&-3&-3 \\end{bmatrix} \\end{array}$

    目标

    把增广矩阵 [A∣I] 通过行变换变成 $[I\\mid A^{-1}]$。

    先写出来：

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} 0&1&1&1&0&0\\\\ 5&1&-1&0&1&0\\\\ 3&-3&-3&0&0&1 \\end{array}\\right] \\end{array}$

    接下来要做的就是把对角线上的3个数字变成1，线下的3个数字变0

    Step 1：交换行，让第1列出现主元

    交换 R1↔R2​：

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} 5&1&-1&0&1&0\\\\ 0&1&1&1&0&0\\\\ 3&-3&-3&0&0&1 \\end{array}\\right] \\end{array}$

    Step 2：把第1行主元变成 1

    R_1 \\leftarrow \\frac15 R_1​

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} 1&\\frac15&-\\frac15&0&\\frac15&0\\\\ 0&1&1&1&0&0\\\\ 3&-3&-3&0&0&1 \\end{array}\\right] \\end{array}$

    Step 3：用第1行把第1列下面清零

    $R_3 \\leftarrow -3R_1 + R_3$​

    $R_3:\\ [3,-3,-3]-3[1,\\tfrac15,-\\tfrac15]=[0,-\\tfrac{18}{5},-\\tfrac{12}{5}]$

    右侧同理：

    $[0,0,1]-3[0,\\tfrac15,0]=[0,-\\tfrac35,1]$

    得到：

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} 1&\\frac15&-\\frac15&0&\\frac15&0\\\\ 0&1&1&1&0&0\\\\ 0&-\\frac{18}{5}&-\\frac{12}{5}&0&-\\frac35&1 \\end{array}\\right] \\end{array}$

    Step 4：用第2行（第2列主元）把第2列上、下清零

    先清 R1​ 的第2列：
    R_1 \\leftarrow R_1-\\frac15 R_2​

    • 左侧：-\\frac15 - \\frac15\\cdot 1 = -\\frac25

    • 右侧：[0,\\frac15,0]-\\frac15[1,0,0]=[-\\frac15,\\frac15,0]

    所以

    $R_1=[1,0,-\\tfrac25\\mid -\\tfrac15,\\tfrac15,0]$

    再清 R3​ 的第2列：
    R_3 \\leftarrow R_3+\\frac{18}{5}R_2

    • 左侧第3列：-\\frac{12}{5}+\\frac{18}{5}\\cdot 1=\\frac65

    • 右侧：[0,-\\tfrac35,1]+\\frac{18}{5}[1,0,0]=[\\tfrac{18}{5},-\\tfrac35,1]

    得到：

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} 1&0&-\\frac25&-\\frac15&\\frac15&0\\\\ 0&1&1&1&0&0\\\\ 0&0&\\frac65&\\frac{18}{5}&-\\frac35&1 \\end{array}\\right] \\end{array}$

    Step 5：把第3行主元变成 1，然后清第3列

    R_3 \\leftarrow \\frac{5}{6}R_3

    $R_3=[0,0,1\\mid 3,-\\tfrac12,\\tfrac56]$

    清 R1​ 的第3列（它是 −2/5​）：

    $R_1 \\leftarrow R_1+\\frac25 R_3 \\Rightarrow R_1=[1,0,0\\mid 1,0,\\tfrac13]$

    清 R2​ 的第3列（它是 1）：

    $R_1 \\leftarrow R_1+\\frac25 R_3 \\Rightarrow R_1=[1,0,0\\mid 1,0,\\tfrac13]$

    最终：

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} 1&0&0&1&0&\\frac13\\\\ 0&1&0&-2&\\frac12&-\\frac56\\\\ 0&0&1&3&-\\frac12&\\frac56 \\end{array}\\right] \\end{array}$

    结果：逆矩阵

    右半边就是 $A^{-1}$：

    $\\begin{array}{c} A^{-1}= \\begin{bmatrix} 1&0&\\frac13\\\\ -2&\\frac12&-\\frac56\\\\ 3&-\\frac12&\\frac56 \\end{bmatrix} \\end{array}$

    你可以顺手做个“自检”

    随便拿一行乘回去（比如算 $A\\cdot A^{-1}$ 的第1行）：
    [0,1,1] 乘 $A^{-1}$ 的三列会得到 [1,0,0]，符合单位阵第一行，说明过程是对的。

    下面把图里这套 [A\\mid I]\\rightarrow[I\\mid A^{-1}] 的逻辑讲“透”：它不是魔法，而是把 “解方程” 和 “行变换=左乘初等矩阵” 两件事合在一起做了。

    一、为什么把 I 拼到右边就能得到 A^{-1}？

    逆矩阵的定义：找一个矩阵 X，使得

    $AX=I$

    这句话非常关键：求逆矩阵就是在求一个矩阵方程的解。

    把 X 看成未知量（它有 n 列），等式

    $AX=I$

    等价于同时解 n 个线性方程组，前面介绍过：

    $A x_1=e_1,\\quad A x_2=e_2,\\quad \\dots,\\quad A x_n=e_n$

    其中 $e_i$​ 是单位向量。解出来的 $x_1,x_2,\\dots,x_n$​ 拼起来就是 $X=A^{-1}$。

    高斯消元本来就是把 A 变成 I 来解方程的。
    于是我们把右边的 $I=[e_1\\ e_2\\ \\dots\\ e_n]$ 一次性放进去，做同样的行变换，就等于 一次性把所有 $Ax_i=e_i$​ 都解完，右边自然就变成 $A^{-1}$。

    二、最本质的一句话：行变换 = 左乘某个“初等矩阵”

    每一步行变换都等价于左乘一个可逆的初等矩阵 E：

    • 交换两行：左乘某个 E

    • 某行乘以非零常数：左乘某个 E

    • 某行加上另一行的倍数：左乘某个 E

    如果你对 A 连续做了很多行变换，得到：

    $E_kE_{k-1}\\cdots E_1A=I$

    那就立刻推出：

    $E_kE_{k-1}\\cdots E_1 = A^{-1}$

    而 [A∣I] 同步做同样行变换，就是：

    $[E_k\\cdots E_1A\\ \\mid\\ E_k\\cdots E_1I] = [I\\ \\mid\\ A^{-1}]$

    因为 $E_k\\cdots E_1I = E_k\\cdots E_1$​。

    这就是“为什么右边会变成逆矩阵”的严谨原因。

    三、按图逐步把这个例子走一遍（每步都解释在干嘛）

    图里矩阵是：

    $\\begin{array}{c} A= \\begin{bmatrix} 0&1&1\\\\ 3&1&1\\\\ 1&4&3 \\end{bmatrix} \\end{array}$

    从增广矩阵开始：

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} 0&1&1&1&0&0\\\\ 3&1&1&0&1&0\\\\ 1&4&3&0&0&1 \\end{array}\\right] \\end{array}$

    Step 1：用第2行“消”第1行和第3行的第1列（制造主元形态）

    图上写的是：

    • R1←R1−R2

    • R3←R3−4R2

    算左半边（对 A）：

    • R1:[0,1,1]−[3,1,1]=[−3,0,0]

    • R3:[1,4,3]−4[3,1,1]=[−11,0,−1]

    右半边（对 I）必须同步做同样操作：

    • R1:[1,0,0]−[0,1,0]=[1,−1,0]

    • R3:[0,0,1]−4[0,1,0]=[0,−4,1]

    得到：

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} -3&0&0&1&-1&0\\\\ 3&1&1&0&1&0\\\\ -11&0&-1&0&-4&1 \\end{array}\\right] \\end{array}$

    这一招的直觉：我们在“雕刻”左半边，让它逐步长成单位阵；右半边被迫跟着变形，最终会记录下“这些变形整体等于谁”。

    Step 2：用第1行把第2行、第3行的第1列消成 0

    图里写的是：

    • R2←R2+R1​（把第2行首项 3 消掉）

    • R_3 \\leftarrow R_3 - \\frac{11}{3}R_1​（把第3行首项 -11 消掉）

    左半边：

    • $R_2:[3,1,1]+[-3,0,0]=[0,1,1]$

    • $R_3:[-11,0,-1]-\\frac{11}{3}[-3,0,0]=[0,0,-1]$

    右半边：

    • $R_2:[0,1,0]+[1,-1,0]=[1,0,0]$

    • $R_3:[0,-4,1]-\\frac{11}{3}[1,-1,0]=[-11/3,-1/3,1]$

    得到：

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} -3&0&0&1&-1&0\\\\ 0&1&1&1&0&0\\\\ 0&0&-1&-\\frac{11}{3}&-\\frac{1}{3}&1 \\end{array}\\right] \\end{array}$

    到这一步，左半边已经是“上三角 + 很接近单位阵”的形态了：第一列、第二列都干净了。

    Step 3：用第3行把第2行的第3列消成 0

    图里写：

    • R2←R2+R3

    因为 R2​ 第3列是 1，R3​ 第3列是 −1，一加就变 0。

    左半边：

    $[0,1,1]+[0,0,-1]=[0,1,0]$

    右半边：

    $[1,0,0]+[-11/3,-1/3,1]=[-8/3,-1/3,1]$

    得到：

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} -3&0&0&1&-1&0\\\\ 0&1&0&-\\frac{8}{3}&-\\frac{1}{3}&1\\\\ 0&0&-1&-\\frac{11}{3}&-\\frac{1}{3}&1 \\end{array}\\right] \\end{array}$

    Step 4：把对角线主元变成 1（完成 $[I\\mid A^{-1}]$）

    图里最后做了：

    • $R_1 \\leftarrow -\\frac{1}{3}R_1$​

    • $R_3 \\leftarrow -1\\cdot R_3$

    得到：

    $\\begin{array}{c} \\left[\\begin{array}{ccc|ccc} 1&0&0&-\\frac{1}{3}&\\frac{1}{3}&0\\\\ 0&1&0&-\\frac{8}{3}&-\\frac{1}{3}&1\\\\ 0&0&1&\\frac{11}{3}&\\frac{1}{3}&-1 \\end{array}\\right] \\end{array}$

    所以

    $\\begin{array}{c} A^{-1}= \\begin{bmatrix} -\\frac13&\\frac13&0\\\\ -\\frac83&-\\frac13&1\\\\ \\frac{11}{3}&\\frac13&-1 \\end{bmatrix} \\end{array}$

    四、你必须真正记住的“核心要点”（一看就能举一反三）

  • 目标不是“算逆”，目标是把左边变成 I。
    左边一旦变成 I，右边自动就是逆。

  • [A∣I] 的含义就是在解矩阵方程 AX=I，一次解出所有列。

  • 每一步行变换都等价于左乘初等矩阵。
    把 A 变成 I 的那一串初等矩阵乘积，本身就是 $A^{-1}$。右边的 I 只是把这个乘积“显影”出来。

  • 如果行化简做不到左边变成 I（中途出现某列找不到主元），说明 A 不可逆。

    • 赞(0)
    未经允许不得转载：171主机测评 » 什么是逆矩阵
    分享到： 更多 (0)
    标签：

    相关推荐

    评论 抢沙发

    取消

    • 昵称 (必填)
    • 邮箱 (必填)
    • 网址

    热门标签

    #人工智能(61002)#python(20552)#开发语言(17182)#java(15763)#运维(15620)#linux(15162)#大数据(14820)#服务器(13250)#算法(11920)#前端(11141)#网络(9564)#ai(9302)#数据库(9071)#c++(8313)#学习(6925)#课程设计(6893)#机器学习(6816)#区块链(5972)#OpenClaw(5401)#后端(5256)#spring boot(5079)#深度学习(5040)#c语言(4424)#毕业设计(4331)#安全(4236)#数据结构(4235)#docker(3982)#架构(3981)#javascript(3866)#大模型(3741)

    热门文章

    最新文章

    归档

    分类