线性代数学习笔记(十三)——逆矩阵(二)

本篇笔记首先回顾了伴随矩阵,随后给出了逆矩阵的定义,并通过定理给出了采用伴随矩阵法求逆矩阵的公式以及推论,由于伴随矩阵法求逆矩阵计算量过于复杂,一般不常用,更常用的方法是后续介绍的初等变换法;使用推论证明某矩阵的逆等于另一矩阵的关键在于:验证某矩阵乘以另一矩阵等于单位阵。然后介绍矩阵方程,需要注意求矩阵方程的几大易错点,最后还介绍了逆矩阵的性质,并对伴随矩阵做了总结。

1 伴随矩阵回顾

对于方阵,有以下万能公式: A A ∗ = A ∗ A = ∣ A ∣ E AA^*=A^*A=|A|E AA=AA=AE
思考:
(1) 任何方阵都有伴随矩阵吗?
答案是肯定的,因为按照求伴随矩阵的步骤一定能求出来。

(2) 如果只有一个元素的矩阵,如何求它的伴随矩阵?
例如 A = [ 5 ] A=[5] A=[5],因为根据求伴随矩阵的步骤,无法求元素的代数余子式。
所以只能根据上面的公式计算:
A A ∗ = ∣ A ∣ E AA^*=|A|E AA=AE,即: [ 5 ] A ∗ = 5 E [5]A^*=5E [5]A=5E
所以: A ∗ = E = [ 1 ] A^*=E=[1] A=E=[1]

2 逆矩阵的定义

A A A是一个 n n n阶方阵,如果存在同阶方阵 B B B,使得 A B = B A = E AB=BA=E AB=BA=E,那么 B B B就叫 A A A的逆矩阵,记作: A − 1 = B A^{-1}=B A1=B

A − 1 = B A^{-1}=B A1=B表示 A A A的逆矩阵是 B B B,与数字运算(如 a − 1 = 1 a a^{-1}=\frac{1}{a} a1=a1)不同, A − 1 = 1 A A^{-1}=\xcancel{\frac{1}{A}} A1=A1 是错误的。

逆矩阵满足以下三个基本事实:
① 未必所有方阵均可逆。
如: O O O矩阵, O B = B O = O OB=BO=O OB=BO=O,永远不可能等于 E E E

② 如果一个方阵可逆,那么它的逆矩阵是唯一的。
证明:假设方阵 A A A的逆矩阵为 B 1 B_1 B1 B 2 B_2 B2

根据逆矩阵的定义: A B 1 = B 1 A = E AB_1=B_1A=E AB1=B1A=E A B 2 = B 2 A = E AB_2=B_2A=E AB2=B2A=E
所以: B 1 = B 1 E = B 1 ( A B 2 ) = ( B 1 A ) B 2 = E B 2 = B 2 B_1=B_1E=B_1(AB_2)=(B_1A)B_2=EB_2=B_2 B1=B1E=B1(AB2)=(B1A)B2=EB2=B2
即: B 1 = B 2 B_1=B_2 B1=B2
所以逆矩阵是唯一的。

③ 如果方阵 A A A可逆,那么 A A − 1 = A − 1 A = E AA^{-1}=A^{-1}A=E AA1=A1A=E

3 伴随矩阵法求逆矩阵

一个方阵究竟满足什么条件才可逆?
(1) 如何判断可逆?
(2) 逆矩阵 A − 1 A^{-1} A1是什么?

定义:若方阵 A A A的行列式 ∣ A ∣ ≠ 0 |A|{\neq}0 A=0,该方阵叫做非奇异(非退化、满秩)矩阵;反之,若方阵 A A A的行列式 ∣ A ∣ = 0 |A|=0 A=0,该方阵叫做奇异(退化、降秩)矩阵。

定理2.4.2:矩阵 A A A可逆的充要条件是 ∣ A ∣ ≠ 0 |A|{\neq}0 A=0,并且 A − 1 = 1 ∣ A ∣ A ∗ \color{red}{A^{-1}=\frac{1}{|A|}A^*} A1=A1A

证明:
充分性:假设 ∣ A ∣ ≠ 0 |A|{\neq}0 A=0,因为方阵有: A A ∗ = A ∗ A = ∣ A ∣ E AA^*=A^*A=|A|E AA=AA=AE(所有方阵都成立),所以等式中都除以 ∣ A ∣ |A| A得: A ( 1 ∣ A ∣ A ∗ ) = ( 1 ∣ A ∣ A ∗ ) A = E A(\frac{1}{|A|}A^*)=(\frac{1}{|A|}A^*)A=E A(A1A)=(A1A)A=E(只有当 ∣ A ∣ ≠ 0 |A|{\neq}0 A=0才成立),根据逆矩阵的定义可知: 1 ∣ A ∣ A ∗ \frac{1}{|A|}A^* A1A就是 A A A的逆矩阵,所以: A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{|A|}A^* A1=A1A

必要性:如果 A A A可逆,那么 A A − 1 = E AA^{-1}=E AA1=E,两边同时取行列式得: ∣ A A − 1 ∣ = ∣ E ∣ |AA^{-1}|=|E| AA1=E,即: ∣ A ∣ ∣ A − 1 ∣ = 1 |A||A^{-1}|=1 AA1=1,所以 ∣ A ∣ ≠ 0 |A|{\neq}0 A=0

该定理解决了上面的两个问题:
(1) 如何判断可逆? ∣ A ∣ ≠ 0 |A|{\neq}0 A=0
(2) 逆矩阵 A − 1 A^{-1} A1是什么? A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{|A|}A^* A1=A1A

推论:假设矩阵 A A A和矩阵 B B B均为 n n n阶方阵,如果 A B = E AB=E AB=E B A = E BA=E BA=E,则可知 A A A可逆,并且 A − 1 = B A^{-1}=B A1=B

证明:
因为 A B = E AB=E AB=E,两边同时取行列式得: ∣ A B ∣ = ∣ E ∣ |AB|=|E| AB=E,即: ∣ A ∣ ∣ B ∣ = 1 |A||B|=1 AB=1,所以 ∣ A ∣ ≠ 0 |A|{\neq}0 A=0,故 A A A可逆。
A B = E AB=E AB=E两边同时左乘 A − 1 A^{-1} A1得: A − 1 A B = A − 1 E A^{-1}AB=A^{-1}E A1AB=A1E,所以: B = A − 1 B=A^{-1} B=A1,也就是说: A − 1 = B A^{-1}=B A1=B

该推论与定义相比其先进性在于: A B = E AB=E AB=E B A = E BA=E BA=E只需要验证一个即可,故一般做题时较为常用。

求逆矩阵的方法有两种:一种是上面的 “伴随矩阵法”,另一个是 “初等变换法” ,将在后面进行介绍。

一般求逆矩阵时使用初等变换法,不使用伴随矩阵法,因为伴随矩阵法求逆矩阵的计算量比较大。

例3:
已知矩阵 A = [ 1 1 1 2 1 3 1 1 4 ] A=\begin{bmatrix}1&1&1\\2&1&3\\1&1&4\end{bmatrix} A=121111134,求 A − 1 A^{-1} A1

解:行列式 ∣ A ∣ = ∣ 1 1 1 2 1 3 1 1 4 ∣ |A|=\begin{vmatrix}1&1&1\\2&1&3\\1&1&4\end{vmatrix} A=121111134

将 第 1 行 × ( − 2 ) 加 到 第 2 行 ‾ ‾ ∣ 1 1 1 0 − 1 1 1 1 4 ∣ \underline{\underline{将第1行{\times}(-2)加到第2行}}\begin{vmatrix}1&1&1\\0&-1&1\\1&1&4\end{vmatrix} 1×(2)2101111114

将 第 1 行 × ( − 1 ) 加 到 第 3 行 ‾ ‾ ∣ 1 1 1 0 − 1 1 0 0 3 ∣ \underline{\underline{将第1行{\times}(-1)加到第3行}}\begin{vmatrix}1&1&1\\0&-1&1\\0&0&3\end{vmatrix} 1×(1)3100110113
= − 3 =-3 =3

∣ A ∣ ≠ 0 |A|\ne0 A=0,所以 A A A可逆。

根据上一篇博客线性代数学习笔记(十二)——逆矩阵(一)例2,求出矩阵 A A A每个元素代数余子式的方法,得到伴随矩阵:
A ∗ = [ 1 − 3 2 − 5 3 − 1 1 0 − 1 ] A^*=\begin{bmatrix}1&-3&2\\-5&3&-1\\1&0&-1\end{bmatrix} A=151330211

然后通过求逆矩阵公式: A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{|A|}A^* A1=A1A,得:

A − 1 = − 1 3 [ 1 − 3 2 − 5 3 − 1 1 0 − 1 ] A^{-1}=-\frac{1}{3}\begin{bmatrix}1&-3&2\\-5&3&-1\\1&0&-1\end{bmatrix} A1=31151330211

= [ − 1 3 1 − 2 3 5 3 − 1 1 3 − 1 3 0 1 3 ] =\begin{bmatrix}-\frac{1}{3}&1&-\frac{2}{3}\\\frac{5}{3}&-1&\frac{1}{3}\\-\frac{1}{3}&0&\frac{1}{3}\end{bmatrix} =313531110323131

例5:已知 A A A B B B n n n阶方阵,并满足 A + B = A B A+B=AB A+B=AB
(1) 试验证 A − E A-E AE可逆;
(2) 若 B = ? B=? B=?,求 A A A

(1) 证明:
因为: A + B = A B A+B=AB A+B=AB
所以: A B − A − B = O AB-A-B=O ABAB=O,( O O O n n n阶零矩阵),等式两边同加 n n n阶单位矩阵 E E E得:
A B − A − B + E = E AB-A-B+E=E ABAB+E=E
即: A ( B − E ) − B + E = E A(B-E)-B+E=E A(BE)B+E=E,( B = B E B=BE B=BE
故: A ( B − E ) − E ( B − E ) = E A(B-E)-E(B-E)=E A(BE)E(BE)=E
即: ( A − E ) ( B − E ) = E (A-E)(B-E)=E (AE)(BE)=E
所以 A − E A-E AE可逆, ( A − E ) − 1 = ( B − E ) (A-E)^{-1}=(B-E) (AE)1=(BE),原式获证。

(2) 解:略

⋆ {\star} 4 矩阵方程

举例:已知 A = [ 4 2 3 1 1 0 − 1 2 3 ] A=\begin{bmatrix}4&2&3\\1&1&0\\-1&2&3\end{bmatrix} A=411212303,求 A X = A + 2 X AX=A+2X AX=A+2X

解:将含有 X X X的项移到等式左边得:
A X − 2 X = A AX-2X=A AX2X=A,提取公因子 X X X得:
( A − 2 E ) X = A (A-2E)X=A (A2E)X=A,(错误写法: ( A − 2 ) X = A (A-2)X=A (A2)X=A X ( A − 2 ) = A X(A-2)=A X(A2)=A X ( A − 2 E ) = A X(A-2E)=A X(A2E)=A),

因为: A − 2 E = [ 4 2 3 1 1 0 − 1 2 3 ] − 2 [ 1 0 0 0 1 0 0 0 1 ] A-2E=\begin{bmatrix}4&2&3\\1&1&0\\-1&2&3\end{bmatrix}-2\begin{bmatrix}1&0&0\\0&1&0\\0&0&1\end{bmatrix} A2E=4112123032100010001

= [ 4 2 3 1 1 0 − 1 2 3 ] − [ 2 0 0 0 2 0 0 0 2 ] =\begin{bmatrix}4&2&3\\1&1&0\\-1&2&3\end{bmatrix}-\begin{bmatrix}2&0&0\\0&2&0\\0&0&2\end{bmatrix} =411212303200020002

= [ 2 2 3 1 − 1 0 − 1 2 1 ] =\begin{bmatrix}2&2&3\\1&-1&0\\-1&2&1\end{bmatrix} =211212301

故: ∣ A − 2 E ∣ = ∣ 2 2 3 1 − 1 0 − 1 2 1 ∣ = 5 |A-2E|=\begin{vmatrix}2&2&3\\1&-1&0\\-1&2&1\end{vmatrix}=5 A2E=211212301=5

所以: ∣ A − 2 E ∣ ≠ 0 |A-2E|{\neq}0 A2E=0
即: A − 2 E A-2E A2E可逆,

等式两边同时左乘 ( A − 2 E ) − 1 (A-2E)^{-1} (A2E)1得:
( A − 2 E ) − 1 ( A − 2 E ) X = ( A − 2 E ) − 1 A (A-2E)^{-1}(A-2E)X=(A-2E)^{-1}A (A2E)1(A2E)X=(A2E)1A

所以: X = ( A − 2 E ) − 1 A X=(A-2E)^{-1}A X=(A2E)1A(错误写法: X = A A − 2 E X=\bcancel{\frac{A}{A-2E}} X=A2EA X = A ( A − 2 E ) − 1 X=A(A-2E)^{-1} X=A(A2E)1

不建议做法:
X = [ x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 ] X=\begin{bmatrix}x_1&x_2&x_3\\x_4&x_5&x_6\\x_7&x_8&x_9\end{bmatrix} X=x1x4x7x2x5x8x3x6x9

所以根据 ( A − 2 E ) X = A (A-2E)X=A (A2E)X=A得:
[ 2 2 3 1 − 1 0 − 1 2 1 ] [ x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 ] = [ 4 2 3 1 1 0 − 1 2 3 ] \begin{bmatrix}2&2&3\\1&-1&0\\-1&2&1\end{bmatrix}\begin{bmatrix}x_1&x_2&x_3\\x_4&x_5&x_6\\x_7&x_8&x_9\end{bmatrix}=\begin{bmatrix}4&2&3\\1&1&0\\-1&2&3\end{bmatrix} 211212301x1x4x7x2x5x8x3x6x9=411212303

根据矩阵乘法规则联立方程组求出所有未知数。太复杂!

当前建议做法:
( A − 2 E ) − 1 = 1 ∣ A − 2 E ∣ ( A − 2 E ) ∗ (A-2E)^{-1}=\frac{1}{|A-2E|}(A-2E)^* (A2E)1=A2E1(A2E)

后续建议使用初等变换法求逆矩阵。

总结:
① 提取公因子需要注意方向;
② 矩阵不能加减一个数,需要补上单位矩阵;
③ 永远不要将矩阵放在分母上;
④ 先判断行列式不等于零,矩阵才可逆,才能写逆矩阵;
⑤ 求逆矩阵时,待定法(假设法)过于复杂,不建议使用;
⑥ 使用伴随矩阵法求逆矩阵比较复杂,建议后续使用初等变换法。

5 逆矩阵的性质

接上一篇博客线性代数学习笔记(十二)——逆矩阵(一)方阵行列式的性质。

④ 若 A A A可逆,则 A − 1 A^{-1} A1也可逆,且 ( A − 1 ) − 1 = A \color{red}{(A^{-1})^{-1}=A} (A1)1=A
证明:
(1) 因为 A A A可逆,所以 A A − 1 = A − 1 A = E AA^{-1}=A^{-1}A=E AA1=A1A=E,所以根据定义可知: A − 1 A^{-1} A1的逆矩阵就等于 A A A,即 ( A − 1 ) − 1 = A (A^{-1})^{-1}=A (A1)1=A
(2) 根据推论可知,因为 A − 1 A = E A^{-1}A=E A1A=E,所以 ( A − 1 ) − 1 = A (A^{-1})^{-1}=A (A1)1=A

该性质在形式上类似于行列式的以下性质:
( A T ) T (A^T)^T (AT)T

⑤ 若 A A A B B B均可逆,则 A B AB AB也可逆,且 ( A B ) − 1 = B − 1 A − 1 \color{red}{(AB)^{-1}=B^{-1}A^{-1}} (AB)1=B1A1
证明:
因为: A B ⋅ B − 1 ‾ A − 1 = A A − 1 = E A\underline{B{\cdot}B^{-1}}A^{-1}=AA^{-1}=E ABB1A1=AA1=E,所以 ( A B ) − 1 = B − 1 A − 1 (AB)^{-1}=B^{-1}A^{-1} (AB)1=B1A1

该性质在形式上类似于行列式的以下性质:
( A B ) T = B T A T (AB)^T=B^TA^T (AB)T=BTAT

推论: ( A B C D ) − 1 = D − 1 C − 1 B − 1 A − 1 (ABCD)^{-1}=D^{-1}C^{-1}B^{-1}A^{-1} (ABCD)1=D1C1B1A1

⑥ 若 A A A可逆,那么 A T A^T AT也可逆,并且 ( A T ) − 1 = ( A − 1 ) T \color{red}{(A^T)^{-1}=(A^{-1})^T} (AT)1=(A1)T;若 k ≠ 0 k{\neq}0 k=0,那么 ( k A ) − 1 = 1 k A − 1 \color{red}{(kA)^{-1}=\frac{1}{k}A^{-1}} (kA)1=k1A1
证明:
(1) 因为 A T ⋅ ( A − 1 ) T = ( A − 1 A ) T = E T = E A^T{\cdot}(A^{-1})^T=(A^{-1}A)^T=E^T=E AT(A1)T=(A1A)T=ET=E,所以 ( A T ) − 1 = ( A − 1 ) T (A^T)^{-1}=(A^{-1})^T (AT)1=(A1)T
(2) 因为 k A ⋅ 1 k A − 1 = E \bcancel{k}A{\cdot}\bcancel{\frac{1}{k}}A^{-1}=E k Ak1 A1=E,所以 ( k A ) − 1 = 1 k A − 1 (kA)^{-1}=\frac{1}{k}A^{-1} (kA)1=k1A1

⑦ 若 A A A可逆,那么 ∣ A − 1 ∣ = ∣ A ∣ − 1 \color{red}{|A^{-1}|=|A|^{-1}} A1=A1
证明:
因为 A A A可逆,所以 A A − 1 = E AA^{-1}=E AA1=E ∣ A ∣ ≠ 0 |A|{\neq}0 A=0,等式两边取行列式得: ∣ A A − 1 ∣ = ∣ E ∣ |AA^{-1}|=|E| AA1=E,所以 ∣ A ∣ ∣ A − 1 ∣ = 1 |A||A^{-1}|=1 AA1=1,即 ∣ A − 1 ∣ = 1 ∣ A ∣ |A^{-1}|=\frac{1}{|A|} A1=A1,也就是 ∣ A − 1 ∣ = ∣ A ∣ − 1 |A^{-1}|=|A|^{-1} A1=A1

⑧ 若 A A A可逆,则 A ∗ A^* A也可逆,并且 ( A ∗ ) − 1 = 1 ∣ A ∣ A \color{red}{(A^*)^{-1}=\frac{1}{|A|}A} (A)1=A1A
证明:
因为 A A A可逆,所以 ∣ A ∣ ≠ 0 |A|{\neq}0 A=0,又因为 A A ∗ = ∣ A ∣ E AA^*=|A|E AA=AE,等式两边同时除以 ∣ A ∣ |A| A得: ( 1 ∣ A ∣ A ) A ∗ = E (\frac{1}{|A|}A)A^*=E (A1A)A=E,所以 ( A ∗ ) − 1 = 1 ∣ A ∣ A (A^*)^{-1}=\frac{1}{|A|}A (A)1=A1A

6 A ∗ A^* A专题

对伴随矩阵做以下总结:
① 按行求的代数余子式,按列放;
② 公式 A A ∗ = A ∗ A = ∣ A ∣ E AA^*=A^*A=|A|E AA=AA=AE永远成立;
③ 公式 ∣ A ∗ ∣ = ∣ A ∣ n − 1 |A^*|=|A|^{n-1} A=An1永远成立;
④ 因为 A − 1 = 1 ∣ A ∣ A ∗ A^{-1}=\frac{1}{|A|}A^* A1=A1A,所以 ∣ A ∣ A − 1 = A ∗ |A|A^{-1}=A^* AA1=A,即 A ∗ = ∣ A ∣ A − 1 A^*=|A|A^{-1} A=AA1
( A ∗ ) ∗ = ∣ A ∗ ∣ ( A ∗ ) − 1 = ∣ A ∣ n − 1 1 ∣ A ∣ A = ∣ A ∣ n − 2 A (A^*)^*=|A^*|(A^*)^{-1}=|A|^{n-1}\frac{1}{|A|}A=|A|^{n-2}A (A)=A(A)1=An1A1A=An2A
( ( A ∗ ) ∗ ) ∗ = ∣ A ∗ ∣ n − 2 A ∗ = ( ∣ A ∣ n − 1 ) n − 2 ∣ A ∣ A − 1 = ∣ A ∣ n 2 − 3 n + 3 A − 1 ((A^*)^*)^*=|A^*|^{n-2}A^*=(|A|^{n-1})^{n-2}|A|A^{-1}=|A|^{n^2-3n+3}A^{-1} ((A))=An2A=(An1)n2AA1=An23n+3A1
( ( A ∗ ) ∗ ) − 1 = ( ∣ A ∣ n − 2 A ) − 1 = ( ∣ A ∣ n − 2 ) − 1 A − 1 = ∣ A ∣ 2 − n A − 1 ((A^*)^*)^{-1}=(|A|^{n-2}A)^{-1}=(|A|^{n-2})^{-1}A^{-1}=|A|^{2-n}A^{-1} ((A))1=(An2A)1=(An2)1A1=A2nA1
( ( ( A ∗ ) ∗ ) ∗ ) − 1 = ( ∣ A ∣ n 2 − 3 n + 3 A − 1 ) − 1 = ( ∣ A ∣ n 2 − 3 n + 3 ) − 1 A = ∣ A ∣ − n 2 + 3 n − 3 A (((A^*)^*)^*)^{-1}=(|A|^{n^2-3n+3}A^{-1})^{-1}=(|A|^{n^2-3n+3})^{-1}A=|A|^{-n^2+3n-3}A (((A)))1=(An23n+3A1)1=(An23n+3)1A=An2+3n3A

7 引用

《线性代数》高清教学视频 “惊叹号”系列 宋浩老师_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili_2.4 逆矩阵(二)

  • 11
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值