2.9 逆矩阵

逆矩阵

矩阵乘以向量 $A\mathbf{x}=\mathbf{y}$ ，可以看成函数，输入是向量 $\mathbf{x}$ ，输出是向量 $\mathbf{y}$ 。变换矩阵 $A_{mn}$ 把 $n$ 维空间向量 $\mathbf{x}$ 映射为 $m$ 维空间向量 $\mathbf{y}$ 。函数定义域是 $n$ 维空间 $R^n$ ，值域是 $m$ 维空间 $R^m$ 。如果函数对应的映射是一一映射，则存在逆映射。变换矩阵 $A$ 满足什么条件，该映射是一一映射？

一一映射首先要求是单射，即向量 $\mathbf{y}$ 对应唯一向量 $\mathbf{x}$ ，使 $A\mathbf{x}=\mathbf{y}$ 成立。矩阵乘以向量 $A\mathbf{x}$ 就是矩阵 $A$ 的向量组的线性组合，根据第一章的向量组线性组合理论，当矩阵 $A$ 的向量组是无关组时，存在唯一表示 $\mathbf{x}$ 。所以单射要求矩阵 $A$ 的向量组是无关组。

一一映射其次要求是满射，即值域内任意向量 $\mathbf{y}$ 都有对应向量 $\mathbf{x}$ ，使 $A\mathbf{x}=\mathbf{y}$ 成立。 根据第一章的向量组线性组合理论，当矩阵 $A$ 的向量组的极大无关组是基时，满足满射要求。

矩阵 $A$ 的向量组是无关组，且极大无关组是基，则只有基才满足这两个要求。

重要性质 矩阵 $A$ 的向量组是基时，$A\mathbf{x}=\mathbf{y}$ 所对应的映射是一一映射。

$A\mathbf{x}=\mathbf{y}$ 存在逆映射 $T(\mathbf{y})=\mathbf{x}$ ，证明该逆映射是线性变换。

证：如果 $A\mathbf{x}=\mathbf{y}$ ，则 $A(\lambda \mathbf{x})=\lambda A\mathbf{x}=\lambda \mathbf{y}$ ，这表明如果 $T(\mathbf{y})=\mathbf{x}$ ，$则T(\lambda \mathbf{y})=\lambda \mathbf{x}$ 。

如果 $A{\mathbf{x}}_1={\mathbf{y}}_1,A{\mathbf{x}}_2={\mathbf{y}}_2$ ，则 $A({\mathbf{x}}_1+{\mathbf{x}}_2)=A{\mathbf{x}}_1+A{\mathbf{x}}_2={\mathbf{y}}_1+{\mathbf{y}}_2$ ，这表明如果 $T({\mathbf{y}}_1)={\mathbf{x}}_1,T({\mathbf{y}}_2)={\mathbf{x}}_2$ ，$则T({\mathbf{y}}_1+{\mathbf{y}}_2)={\mathbf{x}}_1+{\mathbf{x}}_2$ 。所以逆映射是线性变换。

每个线性变换对应变换矩阵（后面章节证明），所以逆映射能表示成矩阵形式 $B\mathbf{y}=\mathbf{x}$ ，记 $B=A^{-1}$ 。

定义 逆矩阵 $A\mathbf{x}=\mathbf{y}$ 对应的一一映射的逆映射所对应的变换矩阵，记为 $A^{-1}$ ，所以 $A^{-1}\mathbf{y}=\mathbf{x}$ ， $A^{-1}$ 称为矩阵 $A$ 的逆矩阵，称矩阵 $A$ 是可逆的，也称为非奇异矩阵。若 $A\mathbf{x}=\mathbf{y}$ 不是一一映射，称矩阵 $A$ 是不可逆的，也称为奇异矩阵。

重要性质 矩阵可逆条件 矩阵 $A$ 是方阵且矩阵 $A$ 的向量组是基。

重要性质 矩阵 $A$ 可逆时，对任意向量 $\mathbf{b}$ ，线性方程 $A\mathbf{x}=\mathbf{b}$ 有唯一解 $\mathbf{x}=A^{-1}\mathbf{b}$ 。

根据逆映射直接得到该性质，这是逆矩阵的一个重要用途。

定义 $m$ 阶单位矩阵 方阵 $E_m=\left[{\mathbf{e}}_1,\cdots ,{\mathbf{e}}_{\mathbf{m}}\right]$ ， $m$ 维向量 ${\mathbf{e}}_{\mathbf{i}}=(0,\cdots ,1,\cdots ,0),i\in \left[1,m\right]$ ，只有第 $i$ 个分量为1，其他分量均为0， ${\mathbf{e}}_{\mathbf{i}}$ 称为标准单位向量。
$$E_2=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]E_3=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]$$
分别是2阶和3阶单位矩阵。单位矩阵数值上看，对角线（从左上角到右下角的直线）元素都是1，其它元素都是0。

重要性质 对任意向量 $\mathbf{x}$ ， $E\mathbf{x}=\mathbf{x}$ 成立；对任意矩阵 $A$ ， $EA=A$ 和 $AE=A$ 成立。

单位矩阵类似实数 $1$ ，变换后不改变原向量。

重要性质 逆矩阵同时满足 $A{A}^{-1}=E,A^{-1}A=E$ 。

证：因为 $A\mathbf{x}=\mathbf{y}$ 和 $A^{-1}\mathbf{y}=\mathbf{x}$ 对任意向量成立，所以 $（A{A}^{-1}）\mathbf{y}=A(A^{-1}\mathbf{y})=A\mathbf{x}=\mathbf{y}$ 和 $（A^{-1}A）\mathbf{x}=A^{-1}(A\mathbf{x})=A^{-1}\mathbf{y}=\mathbf{x}$ 对任意向量 $\mathbf{x},\mathbf{y}$ 成立，任意向量 $\mathbf{x},\mathbf{y}$ 分别取 $m$ 个标准单位向量时，得证 $A{A}^{-1}=E,A^{-1}A=E$ 。

逆矩阵类似实数的倒数，实数 $a\ne 0$ 总存在惟一的实数 $b$ ，使 $ab=ba=1$ ，此数 $b$ 即是 $a$ 的倒数。对应 $a\ne 0$ 的条件，矩阵可逆条件是矩阵 $A$ 的向量组是基，那存在由矩阵 $A$ 确定的某个实数，当这个实数不为0时，矩阵可逆吗？这就与实数完美对应了。这个数存在，第一章向量理论指出，基向量构成的多边体体积不等于0，所以只要计算出矩阵 $A$ 的向量组的体积，该体积定义为矩阵 $A$ 的行列式 $detA$ 。如何计算行列式后面章节介绍。

重要性质 矩阵可逆条件 矩阵 $A$ 的行列式 $detA\ne 0$ 。

重要性质 逆矩阵唯一。

证：假设 $B,C$ 都是矩阵 $A$ 的逆，则 $B=BE=B(AC)=(BA)C=EC=C$ 。

重要性质 方阵 $A$ ，若存在方阵 $B$ ，使 $AB=E$ 或 $BA=E$ 成立，则矩阵 $B$ 是矩阵 $A$ 的逆，$B＝A^{-1}$ 。

证：以 $AB=E$ 为例，$AB$ 是单位矩阵，单位矩阵的向量组是基，所以 $AB$ 是一一映射，又 $A,B$ 都是方阵，则 $A,B$ 都是一一映射（根据映射理论），所以 $A,B$ 均可逆。$B=EB=(A^{-1}A)B=A^{-1}(AB)=A^{-1}(E)=A^{-1}$ 。

该性质是代数上求逆矩阵的方法，即寻找方阵使之满足 $AB=E$ 或 $BA=E$ ，则矩阵 $A$ ，$B$ 互逆。

特别注意，对于部分不是方阵的矩阵 $A$ ，存在矩阵 $B$ ，使 $AB=E$ 或 $BA=E$ 成立，它们不能同时成立，矩阵 $B$ 不是矩阵 $A$ 的逆。后面会专门讨论，它们对应重要概念。

逆矩阵 $A^{-1}$ 是个代数符号，并不知道矩阵的具体数值，只是其满足 $A{A}^{-1}=E,A^{-1}A=E$ 。就如同 $\sqrt{2}$ ，并不知道具体数，但满足 $(\sqrt{2}{)}^2=2$ 。高斯消元法可求逆矩阵的具体数值。一般来说，逆矩阵与原矩阵的数值关系很复杂，只有特殊矩阵，才能直接写出逆矩阵。

对于 $2$ 阶方阵，可以采用待定系数法求逆矩阵。
令 $2$ 阶可逆方阵为 $A=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]$ ，其向量需是基，要求两个向量不能同方向，得 $a/c\ne b/d$ ，即 $ad-bc\ne 0$ 。假设逆矩阵为 $A^{-1}=\left[\begin{array}{cc}{a}^{\prime }& b^{\prime }\\ c^{\prime }& d^{\prime }\end{array}\right]$ ，则根据 $A{A}^{-1}=E$ 得，$A{A}^{-1}=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]\left[\begin{array}{cc}{a}^{\prime }& b^{\prime }\\ c^{\prime }& d^{\prime }\end{array}\right]＝\left[\begin{array}{cc}a{a}^{\prime }+b{c}^{\prime }& a{b}^{\prime }+b{d}^{\prime }\\ c{a}^{\prime }+d{c}^{\prime }& c{b}^{\prime }+d{d}^{\prime }\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$ ，令对应元素相等，得4个方程，解这4个方程即可得逆矩阵元素，结果为 $A^{-1}=\left[\begin{array}{cc}d& -b\\ -c& a\end{array}\right]/(ad-bc)$ 。理论上可以采用同样的方法计算3阶方阵的逆，但由于公式太复杂，故略。

例如，单位矩阵的逆是单位矩阵。因为 $EE=E$，所以 $E^{-1}=E$ 。

定义 对角矩阵 对角线以外的元素都是 0，简称对角阵，
$$\Lambda =\left[\begin{array}{cccc}{\lambda }_1& 0& \cdots & 0\\ 0& {\lambda }_2& \cdots & 0\\ ⋮& ⋮& & ⋮\\ 0& 0& \cdots & {\lambda }_n\end{array}\right]$$
对角矩阵简记 $\Lambda =diag({\lambda }_1,{\lambda }_2,...,{\lambda }_n)$ 。

当对角线元素都不等于0时，对角矩阵可逆，逆为：${\Lambda }^{-1}=diag(\frac{1}{{\lambda }_1},\frac{1}{{\lambda }_2},...,\frac{1}{{\lambda }_n})$ 。

定义 正交矩阵 方阵 $Q$ 的列向量都是单位向量，且两两正交。

根据公式
$$Q^{T}Q=\left[\begin{array}{cc}{\mathbf{q}}_1^{\mathbf{T}}{\mathbf{q}}_1& {\mathbf{q}}_1^{\mathbf{T}}{\mathbf{q}}_2\cdots ,{\mathbf{q}}_1^{\mathbf{T}}{\mathbf{q}}_{\mathbf{n}}\\ ⋮& \\ {\mathbf{q}}_{\mathbf{n}}^{\mathbf{T}}{\mathbf{q}}_1& {\mathbf{q}}_{\mathbf{n}}^{\mathbf{T}}{\mathbf{q}}_2\cdots ,{\mathbf{q}}_{\mathbf{n}}^{\mathbf{T}}{\mathbf{q}}_{\mathbf{n}}\end{array}\right]$$
正交矩阵的列向量都是单位向量，且两两正交，则 ${\mathbf{q}}_{\mathbf{i}}^{\mathbf{T}}{\mathbf{q}}_{\mathbf{j}}＝1fori=j;=0fori\ne j$ ，所以 $Q^{T}Q=E$ 。正交矩阵用大写字母 $Q$ 表示。

重要性质 正交矩阵 $Q^{T}Q=E$ 成立，$Q^{-1}=Q^T$ 。

正交矩阵的逆是转置，该等式把矩阵重要的两种操作联系在一起！

重要性质 正交矩阵 $Q{Q}^T=E$ 成立，且 $Q{Q}^T={\mathbf{q}}_1{\mathbf{q}}_1^{\mathbf{T}}+{\mathbf{q}}_2{\mathbf{q}}_2^{\mathbf{T}}+\cdots +{\mathbf{q}}_{\mathbf{n}}{\mathbf{q}}_{\mathbf{n}}^{\mathbf{T}}$ 。任意向量
$$\begin{gathered} \mathbf{b}=Q{Q}^T\mathbf{b}=({\mathbf{q}}_1{\mathbf{q}}_1^{\mathbf{T}}+{\mathbf{q}}_2{\mathbf{q}}_2^{\mathbf{T}}+\cdots +{\mathbf{q}}_{\mathbf{n}}{\mathbf{q}}_{\mathbf{n}}^{\mathbf{T}})\mathbf{b} \\ ={\mathbf{q}}_1{\mathbf{q}}_1^{\mathbf{T}}\mathbf{b}+{\mathbf{q}}_2{\mathbf{q}}_2^{\mathbf{T}}\mathbf{b}+\cdots +{\mathbf{q}}_{\mathbf{n}}{\mathbf{q}}_{\mathbf{n}}^{\mathbf{T}}\mathbf{b} \\ ={\mathbf{q}}_1({\mathbf{q}}_1^{\mathbf{T}}\mathbf{b})+{\mathbf{q}}_2({\mathbf{q}}_2^{\mathbf{T}}\mathbf{b})+\cdots +{\mathbf{q}}_{\mathbf{n}}({\mathbf{q}}_{\mathbf{n}}^{\mathbf{T}}\mathbf{b}) \end{gathered}$$
这就是向量的正交分解。

对角矩阵和正交矩阵很容易求出逆矩阵，它们都是简单矩阵，在线性代数中十分重要。

逆矩阵满足下述运算规律：

1. 若 $A$ 可逆，则 $A^{-1}$ 亦可逆，且 $(A^{-1}{)}^{-1}=A$ ；
2. 若 $A$ 可逆，数 $\lambda \ne 0$ ，则 $\lambda A$ 可逆，且 $(\lambda A{)}^{-1}=\frac{1}{\lambda }{A}^{-1}$ ；
3. 若 $A,B$ 为同阶方阵且均可逆，则 $AB$ 亦可逆，且 $(AB{)}^{-1}=B^{-1}{A}^{-1}$ ；
4. 若 $A$ 可逆，则 $A^T$ 亦可逆 ，且 $(A^T{)}^{-1}=(A^{-1}{)}^T$ 。

性质3证：$(AB)(B^{-1}{A}^{-1})=A(B{B}^{-1})A^{-1}=A{A}^{-1}=E$ ，所以 $(AB{)}^{-1}=B^{-1}{A}^{-1}$ 。该公式具有物理意义，向量先经过矩阵 $A$ 的变换，然后是 $B$ 的变换，逆变换是把结果向量变回去，显然要先进行矩阵 $B$ 的逆操作，然后是矩阵 $A$ 的逆操作。就如同先穿袜子再穿鞋，脱的顺序要反，即先脱鞋再脱袜子。

性质4证：$(A^T)(A^{-1}{)}^T=(A^{-1}A{)}^T=E^T=E$ ，所以 $(A^T{)}^{-1}=(A^{-1}{)}^T$ 。

特别提醒：即使矩阵都可逆， $(A+B{)}^{-1}=A^{-1}+B^{-1}$ 不成立，如同实数 $(a+b{)}^{-1}\ne a^{-1}+b^{-1}$ 。

根据矩阵乘法定义矩阵的幂。

定义 矩阵正整数幂 设 $A$ 是 $n$ 阶方阵，定义 $A^1=A,A^2=A^{1}A,\cdots ,A^{k+1}=A^{k}A$。其中 $k$ 为正整数，$A^k$ 就是 $k$ 个 $A$ 连乘。

显然只有方阵幂才有意义，由于矩阵乘法有结合律，所以矩阵幂满足以下运算规律：

$A^k{A}^l=A^{k+l},(A^k{)}^l=A^{kl}$ ，其中 $k$、$l$ 为正整数。

规定 $A^0=E$，当 $A$ 可逆时，定义 $A^{-k}=(A^{-1}{)}^k$ ，这样就定义了可逆矩阵的整数幂。

显然对角矩阵的正整数幂为 ${\Lambda }^k=diag({\lambda }_1^k,{\lambda }_2^k,...,{\lambda }_n^k)$ ；对角矩阵可逆时，对角矩阵的整数幂为 ${\Lambda }^k=diag({\lambda }_1^k,{\lambda }_2^k,...,{\lambda }_n^k)$ 。

如何证明矩阵可逆？

性质：若矩阵可分解为若干可逆矩阵的乘积，则矩阵可逆，同时也得到逆矩阵。

例如：设矩阵 $A，B，A+B$ 为同阶可逆矩阵，证 $A^{-1}+B^{-1}$ 可逆。

证：
$$\begin{gathered} A^{-1}+B^{-1}=A^{-1}B{B}^{-1}+E{B}^{-1}=(A^{-1}B+E)B^{-1} \\ =(A^{-1}B+A^{-1}A)B^{-1}=A^{-1}(B+A)B^{-1}=A^{-1}(A+B)B^{-1} \\ (A^{-1}+B^{-1}{)}^{-1}=(A^{-1}(A+B)B^{-1}{)}^{-1}=B(A+B{)}^{-1}A \end{gathered}$$

同理，可得另一表达式 $(A^{-1}+B^{-1}{)}^{-1}=A(A+B{)}^{-1}B$ 。 可见逆矩阵在特定情况下，有多个表达式，但它们是等价的。

技巧性极强，需要灵活运用 $E=A{A}^{-1}=A^{-1}A,A=EA=AE$ 等式，矩阵乘法的分配率和结合律。

线性变换小节提出基变换关系 $({\mathbf{w}}_1=A{\mathbf{v}}_1,\cdots ,{\mathbf{w}}_{\mathbf{n}}=A{\mathbf{v}}_{\mathbf{n}})$ 可以得到变换矩阵 ，现给出证明。因为 $W=AV$ ，基矩阵 $V$ 的向量组是基，所以可逆，则 $A=A(V{V}^{-1})=(AV)V^{-1}=W{V}^{-1}$ ，所以变换矩阵 $A$ 等于基象矩阵 $W$ 乘以基矩阵的逆 $V^{-1}$ 。

重要性质 可逆矩阵把基变换为基。

证：设基矩阵为 $V$ ，可逆矩阵 $A$ 将其变换为 $W=AV$ ，由于矩阵 $A$ ，$V$ 均可逆，故矩阵 $W$ 可逆，其向量组是基。

重要性质 可逆矩阵把无关组变换为无关组。

无关组是基的真子集，根据上面性质得证。