逆矩阵
矩阵乘以向量 A x = y A\mathbf{x}=\mathbf{y} Ax=y ,可以看成函数,输入是向量 x \mathbf{x} x ,输出是向量 y \mathbf{y} y 。变换矩阵 A m n A_{mn} Amn 把 n n n 维空间向量 x \mathbf{x} x 映射为 m m m 维空间向量 y \mathbf{y} y 。函数定义域是 n n n 维空间 R n R^n Rn ,值域是 m m m 维空间 R m R^m Rm 。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 A 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 y \mathbf{y} y 对应唯一向量 x \mathbf{x} x ,使 A x = y A\mathbf{x}=\mathbf{y} Ax=y 成立。矩阵乘以向量 A x A\mathbf{x} Ax 就是矩阵 A A 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 A A 的向量组是无关组时,存在唯一表示 x \mathbf{x} x 。所以单射要求矩阵 A A 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 y \mathbf{y} y 都有对应向量 x \mathbf{x} x ,使 A x = y A\mathbf{x}=\mathbf{y} Ax=y 成立。 根据第一章的向量组线性组合理论,当矩阵 A A A 的向量组的极大无关组是基时,满足满射要求。
矩阵 A A 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 A A 的向量组是基时, A x = y A\mathbf{x}=\mathbf{y} Ax=y 所对应的映射是一一映射。
A x = y A\mathbf{x}=\mathbf{y} Ax=y 存在逆映射 T ( y ) = x T(\mathbf{y}) = \mathbf{x} T(y)=x ,证明该逆映射是线性变换。
证:如果 A x = y A\mathbf{x}=\mathbf{y} Ax=y ,则 A ( λ x ) = λ A x = λ y A(\mathbf{\lambda x})=\lambda A\mathbf{ x} =\lambda \mathbf{y} A(λx)=λAx=λy ,这表明如果 T ( y ) = x T(\mathbf{y}) = \mathbf{x} T(y)=x , 则 T ( λ y ) = λ x 则T(\lambda \mathbf{y}) = \lambda \mathbf{x} 则T(λy)=λx 。
如果 A x 1 = y 1 , A x 2 = y 2 A\mathbf{x_1}=\mathbf{y_1},A\mathbf{x_2}=\mathbf{y_2} Ax1=y1,Ax2=y2 ,则 A ( x 1 + x 2 ) = A x 1 + A x 2 = y 1 + y 2 A(\mathbf{x_1+x_2})= A\mathbf{x_1}+A\mathbf{x_2} = \mathbf{y_1}+\mathbf{y_2} A(x1+x2)=Ax1+Ax2=y1+y2 ,这表明如果 T ( y 1 ) = x 1 , T ( y 2 ) = x 2 T(\mathbf{y_1}) = \mathbf{x_1},T(\mathbf{y_2}) = \mathbf{x_2} T(y1)=x1,T(y2)=x2 , 则 T ( y 1 + y 2 ) = x 1 + x 2 则T(\mathbf{y_1}+\mathbf{y_2}) = \mathbf{x_1}+\mathbf{x_2} 则T(y1+y2)=x1+x2 。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 y = x B\mathbf{y} = \mathbf{x} By=x ,记 B = A − 1 B=A^{-1} B=A−1 。
定义 逆矩阵 A x = y A\mathbf{x}=\mathbf{y} Ax=y 对应的一一映射的逆映射所对应的变换矩阵,记为 A − 1 A^{-1} A−1 ,所以 A − 1 y = x A^{-1}\mathbf{y} = \mathbf{x} A−1y=x , A − 1 A^{-1} A−1 称为矩阵 A A A 的逆矩阵,称矩阵 A A A 是可逆的,也称为非奇异矩阵。若 A x = y A\mathbf{x}=\mathbf{y} Ax=y 不是一一映射,称矩阵 A A 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 A A 是方阵且矩阵 A A A 的向量组是基。
重要性质 矩阵 A A A 可逆时,对任意向量 b \mathbf{b} b ,线性方程 A x = b A\mathbf{x}=\mathbf{b} Ax=b 有唯一解 x = A − 1 b \mathbf{x} = A^{-1}\mathbf{b} x=A−1b 。
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
m
m 阶单位矩阵 方阵
E
m
=
[
e
1
,
⋯
,
e
m
]
E_m=\left[ \mathbf{e_1},\cdots,\mathbf{e_m}\right]
Em=[e1,⋯,em] ,
m
m
m 维向量
e
i
=
(
0
,
⋯
,
1
,
⋯
,
0
)
,
i
∈
[
1
,
m
]
\mathbf{e_i} = (0,\cdots,1,\cdots,0),\quad i \in \left[ 1,m\right]
ei=(0,⋯,1,⋯,0),i∈[1,m] ,只有第
i
i
i 个分量为1,其他分量均为0,
e
i
\mathbf{e_i}
ei 称为标准单位向量。
E
2
=
[
1
0
0
1
]
E
3
=
[
1
0
0
0
1
0
0
0
1
]
E_2 = \left[ \begin{matrix} 1 & 0 \\ 0 & 1 \\\end{matrix} \right]\qquad E_3 = \left[ \begin{matrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\0 & 0 & 1\end{matrix} \right]
E2=[1001]E3=⎣⎡100010001⎦⎤
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 x \mathbf{x} x , E x = x E\mathbf{x}=\mathbf{x} Ex=x 成立;对任意矩阵 A A A , E A = A EA=A EA=A 和 A E = A AE=A AE=A 成立。
单位矩阵类似实数 1 1 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 AA^{-1} = E,A^{-1}A = E AA−1=E,A−1A=E 。
证:因为 A x = y A\mathbf{x}=\mathbf{y} Ax=y 和 A − 1 y = x A^{-1}\mathbf{y} = \mathbf{x} A−1y=x 对任意向量成立,所以 ( A A − 1 ) y = A ( A − 1 y ) = A x = y (AA^{-1})\mathbf{y}=A(A^{-1}\mathbf{y})=A\mathbf{x}=\mathbf{y} (AA−1)y=A(A−1y)=Ax=y 和 ( A − 1 A ) x = A − 1 ( A x ) = A − 1 y = x (A^{-1}A)\mathbf{x}=A^{-1}(A\mathbf{x})=A^{-1}\mathbf{y}=\mathbf{x} (A−1A)x=A−1(Ax)=A−1y=x 对任意向量 x , y \mathbf{x},\mathbf{y} x,y 成立,任意向量 x , y \mathbf{x},\mathbf{y} x,y 分别取 m m m 个标准单位向量时,得证 A A − 1 = E , A − 1 A = E AA^{-1} = E,A^{-1}A = E AA−1=E,A−1A=E 。
逆矩阵类似实数的倒数,实数 a ≠ 0 a\ne0 a=0 总存在惟一的实数 b b b ,使 a b = b a = 1 ab = ba = 1 ab=ba=1 ,此数 b b b 即是 a a a 的倒数。对应 a ≠ 0 a\ne0 a=0 的条件,矩阵可逆条件是矩阵 A A A 的向量组是基,那存在由矩阵 A A 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 A A 的向量组的体积,该体积定义为矩阵 A A A 的行列式 d e t A det A 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 A A 的行列式 d e t A ≠ 0 det A \ne 0 detA=0 。
重要性质 逆矩阵唯一。
证:假设 B , C B, C B,C 都是矩阵 A A A 的逆,则 B = B E = B ( A C ) = ( B A ) C = E C = C B=BE=B(AC)=(BA)C=EC=C B=BE=B(AC)=(BA)C=EC=C 。
重要性质 方阵 A A A ,若存在方阵 B B B ,使 A B = E AB=E AB=E 或 B A = E BA=E BA=E 成立,则矩阵 B B B 是矩阵 A A A 的逆, B = A − 1 B=A^{-1} B=A−1 。
证:以 A B = E AB=E AB=E 为例, A B AB AB 是单位矩阵,单位矩阵的向量组是基,所以 A B AB AB 是一一映射,又 A , B A,B A,B 都是方阵,则 A , B A,B A,B 都是一一映射(根据映射理论),所以 A , B A,B A,B 均可逆。 B = E B = ( A − 1 A ) B = A − 1 ( A B ) = A − 1 ( E ) = A − 1 B=EB=(A^{-1}A)B=A^{-1}(AB)=A^{-1}(E)=A^{-1} B=EB=(A−1A)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 A B = E AB=E AB=E 或 B A = E BA=E BA=E ,则矩阵 A A A , B B B 互逆。
特别注意,对于部分不是方阵的矩阵 A A A ,存在矩阵 B B B ,使 A B = E AB=E AB=E 或 B A = E BA=E BA=E 成立,它们不能同时成立,矩阵 B B B 不是矩阵 A A A 的逆。后面会专门讨论,它们对应重要概念。
逆矩阵 A − 1 A^{-1} 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 AA^{-1} = E,A^{-1}A = E AA−1=E,A−1A=E 。就如同 2 \sqrt2 2 ,并不知道具体数,但满足 ( 2 ) 2 = 2 (\sqrt2)^2=2 (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
2
2 阶方阵,可以采用待定系数法求逆矩阵。
令
2
2
2 阶可逆方阵为
A
=
[
a
b
c
d
]
A = \left[ \begin{matrix} a & b \\ c & d \end{matrix} \right]
A=[acbd] ,其向量需是基,要求两个向量不能同方向,得
a
/
c
≠
b
/
d
a/c \ne b/d
a/c=b/d ,即
a
d
−
b
c
≠
0
ad - bc \ne 0
ad−bc=0 。假设逆矩阵为
A
−
1
=
[
a
′
b
′
c
′
d
′
]
A^{-1} = \left[ \begin{matrix} a' & b' \\ c' & d' \end{matrix} \right]
A−1=[a′c′b′d′] ,则根据
A
A
−
1
=
E
AA^{-1} = E
AA−1=E 得,
A
A
−
1
=
[
a
b
c
d
]
[
a
′
b
′
c
′
d
′
]
=
[
a
a
′
+
b
c
′
a
b
′
+
b
d
′
c
a
′
+
d
c
′
c
b
′
+
d
d
′
]
=
[
1
0
0
1
]
AA^{-1} = \left[ \begin{matrix} a & b \\ c & d \end{matrix} \right] \left[ \begin{matrix} a' & b' \\ c' & d' \end{matrix} \right] = \left[ \begin{matrix} aa'+bc' & ab'+bd' \\ ca'+dc' & cb'+dd' \end{matrix} \right] = \left[ \begin{matrix} 1 & 0 \\ 0 & 1 \end{matrix} \right]
AA−1=[acbd][a′c′b′d′]=[aa′+bc′ca′+dc′ab′+bd′cb′+dd′]=[1001] ,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
=
[
d
−
b
−
c
a
]
/
(
a
d
−
b
c
)
A^{-1}=\left[ \begin{matrix} d & -b \\ -c & a \end{matrix} \right] / (ad-bc)
A−1=[d−c−ba]/(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 E E = E EE=E EE=E,所以 E − 1 = E E^{-1}=E 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,
Λ
=
[
λ
1
0
⋯
0
0
λ
2
⋯
0
⋮
⋮
⋮
0
0
⋯
λ
n
]
\Lambda = \left[ \begin{matrix} \lambda_1 & 0 & \cdots & 0\\0 &\lambda_2 & \cdots & 0\\\vdots & \vdots & & \vdots\\0 & 0 & \cdots & \lambda_n \end{matrix} \right]
Λ=⎣⎢⎢⎢⎡λ10⋮00λ2⋮0⋯⋯⋯00⋮λn⎦⎥⎥⎥⎤
对角矩阵简记
Λ
=
d
i
a
g
(
λ
1
,
λ
2
,
.
.
.
,
λ
n
)
\Lambda =diag(\lambda_1,\lambda_2,...,\lambda_n)
Λ=diag(λ1,λ2,...,λn) 。
当对角线元素都不等于0时,对角矩阵可逆,逆为: Λ − 1 = d i a g ( 1 λ 1 , 1 λ 2 , . . . , 1 λ n ) \Lambda^{-1} =diag(\frac{1}{\lambda_1},\frac{1}{\lambda_2},...,\frac{1}{\lambda_n}) Λ−1=diag(λ11,λ21,...,λn1) 。
定义 正交矩阵 方阵 Q Q Q 的列向量都是单位向量,且两两正交。
根据公式
Q
T
Q
=
[
q
1
T
q
1
q
1
T
q
2
⋯
,
q
1
T
q
n
⋮
q
n
T
q
1
q
n
T
q
2
⋯
,
q
n
T
q
n
]
Q^TQ = \left[ \begin{matrix} \mathbf{q^T_{1}}\mathbf{q_1} & \mathbf{q^T_{1}}\mathbf{q_2} \cdots, \mathbf{q^T_{1}}\mathbf{q_n}\\ \vdots \\ \mathbf{q^T_{n}}\mathbf{q_1} & \mathbf{q^T_{n}}\mathbf{q_2} \cdots, \mathbf{q^T_{n}}\mathbf{q_n}\end{matrix} \right]
QTQ=⎣⎢⎡q1Tq1⋮qnTq1q1Tq2⋯,q1TqnqnTq2⋯,qnTqn⎦⎥⎤
正交矩阵的列向量都是单位向量,且两两正交,则
q
i
T
q
j
=
1
f
o
r
i
=
j
;
=
0
f
o
r
i
≠
j
\mathbf{q^T_{i}}\mathbf{q_j}=1 \quad for \quad i=j; \quad =0 \quad for \quad i \ne j
qiTqj=1fori=j;=0fori=j ,所以
Q
T
Q
=
E
Q^TQ=E
QTQ=E 。正交矩阵用大写字母
Q
Q
Q 表示。
重要性质 正交矩阵 Q T Q = E Q^TQ=E QTQ=E 成立, Q − 1 = Q T Q^{-1}=Q^T Q−1=QT 。
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
QQ^T=E
QQT=E 成立,且
Q
Q
T
=
q
1
q
1
T
+
q
2
q
2
T
+
⋯
+
q
n
q
n
T
QQ^T = \mathbf{q_1}\mathbf{q^T_{1}}+\mathbf{q_2}\mathbf{q^T_{2}}+\cdots+\mathbf{q_n}\mathbf{q^T_{n}}
QQT=q1q1T+q2q2T+⋯+qnqnT 。任意向量
b
=
Q
Q
T
b
=
(
q
1
q
1
T
+
q
2
q
2
T
+
⋯
+
q
n
q
n
T
)
b
=
q
1
q
1
T
b
+
q
2
q
2
T
b
+
⋯
+
q
n
q
n
T
b
=
q
1
(
q
1
T
b
)
+
q
2
(
q
2
T
b
)
+
⋯
+
q
n
(
q
n
T
b
)
\mathbf{b} =QQ^T\mathbf{b} =(\mathbf{q_1}\mathbf{q^T_{1}}+\mathbf{q_2}\mathbf{q^T_{2}}+\cdots+\mathbf{q_n}\mathbf{q^T_{n}})\mathbf{b} \\ =\mathbf{q_1}\mathbf{q^T_{1}}\mathbf{b}+\mathbf{q_2}\mathbf{q^T_{2}}\mathbf{b}+\cdots+\mathbf{q_n}\mathbf{q^T_{n}}\mathbf{b} \\ = \mathbf{q_1}(\mathbf{q^T_{1}}\mathbf{b})+\mathbf{q_2}(\mathbf{q^T_{2}}\mathbf{b})+\cdots+\mathbf{q_n}(\mathbf{q^T_{n}}\mathbf{b})
b=QQTb=(q1q1T+q2q2T+⋯+qnqnT)b=q1q1Tb+q2q2Tb+⋯+qnqnTb=q1(q1Tb)+q2(q2Tb)+⋯+qn(qnTb)
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:
- 若 A A A 可逆,则 A − 1 A^{-1} A−1 亦可逆,且 ( A − 1 ) − 1 = A (A^{-1})^{-1}=A (A−1)−1=A ;
- 若 A A A 可逆,数 λ ≠ 0 \lambda \ne 0 λ=0 ,则 λ A \lambda A λA 可逆,且 ( λ A ) − 1 = 1 λ A − 1 (\lambda A)^{-1} = \frac{1}{\lambda} A^{-1} (λA)−1=λ1A−1 ;
- 若 A , B A,B A,B 为同阶方阵且均可逆,则 A B AB AB 亦可逆,且 ( A B ) − 1 = B − 1 A − 1 (AB)^{-1} =B^{-1}A^{-1} (AB)−1=B−1A−1 ;
- 若 A A A 可逆,则 A T A^T AT 亦可逆 ,且 ( A T ) − 1 = ( A − 1 ) T ( A ^T)^{-1} = ( A ^{-1})^T (AT)−1=(A−1)T 。
性质3证: ( A B ) ( B − 1 A − 1 ) = A ( B B − 1 ) A − 1 = A A − 1 = E (AB)(B^{-1}A^{-1})=A(BB^{-1})A^{-1}=AA^{-1}=E (AB)(B−1A−1)=A(BB−1)A−1=AA−1=E ,所以 ( A B ) − 1 = B − 1 A − 1 (AB)^{-1} =B^{-1}A^{-1} (AB)−1=B−1A−1 。该公式具有物理意义,向量先经过矩阵 A A A 的变换,然后是 B B 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 B B 的逆操作,然后是矩阵 A A 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 ( A ^T)( A ^{-1})^T=( A ^{-1}A)^T=E^T=E (AT)(A−1)T=(A−1A)T=ET=E ,所以 ( A T ) − 1 = ( A − 1 ) T ( A ^T)^{-1} = ( A ^{-1})^T (AT)−1=(A−1)T 。
特别提醒:即使矩阵都可逆, ( A + B ) − 1 = A − 1 + B − 1 (A+B)^{-1}=A^{-1}+B^{-1} (A+B)−1=A−1+B−1 不成立,如同实数 ( a + b ) − 1 ≠ a − 1 + b − 1 (a+b)^{-1}\ne a^{-1}+b^{-1} (a+b)−1=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 A A 是 n n n 阶方阵,定义 A 1 = A , A 2 = A 1 A , ⋯ , A k + 1 = A k A A^1 = A, A^2 = A^1A,\cdots,A^{k+1} = A^kA A1=A,A2=A1A,⋯,Ak+1=AkA。其中 k k k 为正整数, A k A^k Ak 就是 k k k 个 A A 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 k l A^kA^l = A^{k+l},(A^k)^l =A^{kl} AkAl=Ak+l,(Ak)l=Akl ,其中 k k k、 l l l 为正整数。
规定 A 0 = E A^0=E A0=E,当 A A A 可逆时,定义 A − k = ( A − 1 ) k A^{-k} = (A^{-1})^k 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 Λ k = d i a g ( λ 1 k , λ 2 k , . . . , λ n k ) \Lambda^k =diag(\lambda_1^k,\lambda_2^k,...,\lambda_n^k) Λk=diag(λ1k,λ2k,...,λnk) ;对角矩阵可逆时,对角矩阵的整数幂为 Λ k = d i a g ( λ 1 k , λ 2 k , . . . , λ n k ) \Lambda^k =diag(\lambda_1^k,\lambda_2^k,...,\lambda_n^k) Λk=diag(λ1k,λ2k,...,λnk) 。
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 A,B,A+B A,B,A+B 为同阶可逆矩阵,证 A − 1 + B − 1 A^{-1}+B^{-1} A−1+B−1 可逆。
证:
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
A^{-1}+B^{-1} = A^{-1}BB^{-1}+EB^{-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
A−1+B−1=A−1BB−1+EB−1=(A−1B+E)B−1=(A−1B+A−1A)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)−1A
同理,可得另一表达式 ( A − 1 + B − 1 ) − 1 = A ( A + B ) − 1 B (A^{-1}+B^{-1})^{-1} =A(A+B)^{-1}B (A−1+B−1)−1=A(A+B)−1B 。 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 = E A = A E E=AA^{-1}=A^{-1}A,A=EA=AE E=AA−1=A−1A,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 ( w 1 = A v 1 , ⋯ , w n = A v n ) (\mathbf{w_1}=A\mathbf{v_1},\cdots,\mathbf{w_n}=A\mathbf{v_n}) (w1=Av1,⋯,wn=Avn) 可以得到变换矩阵 ,现给出证明。因为 W = A V W=AV W=AV ,基矩阵 V V V 的向量组是基,所以可逆,则 A = A ( V V − 1 ) = ( A V ) V − 1 = W V − 1 A=A(VV^{-1})=(AV)V^{-1}=WV^{-1} A=A(VV−1)=(AV)V−1=WV−1 ,所以变换矩阵 A A A 等于基象矩阵 W W W 乘以基矩阵的逆 V − 1 V^{-1} V−1 。
重要性质 可逆矩阵把基变换为基。
证:设基矩阵为 V V V ,可逆矩阵 A A A 将其变换为 W = A V W=AV W=AV ,由于矩阵 A A A , V V V 均可逆,故矩阵 W W 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。