什么是矩阵的逆?

文章索引

矩阵的逆是线性代数中的一个重要概念。对于一个 $ n \times n $ 的方阵 $ A $，如果存在另一个 $ n \times n $ 的矩阵 $ B $ 使得 $ AB = BA = I $，其中 $ I $ 是 $ n \times n $ 的单位矩阵，那么矩阵 $ B $ 称为矩阵 $ A $ 的逆矩阵，记作 $ A^{-1} $。

性质

唯一性：如果矩阵 $ A $ 的逆存在，那么它是唯一的。
对称性：如果 $ B $ 是 $ A $ 的逆矩阵，那么 $ A $ 也是 $ B $ 的逆矩阵，即 $ (A^{-1})^{-1} = A $。
乘法逆：如果 $ A $ 和 $ B $ 都是可逆矩阵，那么 $ AB $ 也是可逆矩阵，并且 $ (AB)^{-1} = B^{-1}A^{-1} $。

存在条件

一个方阵 $ A $ 可逆的充要条件是 $ A $ 的行列式 $ \det(A) \neq 0 $。

示例

假设有一个 $ 2 \times 2 $ 矩阵 $ A $：
$ A = \begin{pmatrix} a & b \\ c & d \end{pmatrix} $
它的逆矩阵 $ A^{-1} $ 可以通过以下公式计算：
$ A^{-1} = \frac{1}{\det(A)} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix} $
其中，$ \det(A) = ad – bc $ 是矩阵 $ A $ 的行列式。

如果 $ \det(A) = 0 $，则矩阵 $ A $ 不可逆。

Python 示例

使用 numpy 库计算矩阵的逆：

import numpy as np

# 定义一个 2x2 矩阵
A = np.array([[1, 2], [3, 4]])

# 计算矩阵的逆
A_inv = np.linalg.inv(A)

print("矩阵 A:")
print(A)
print("矩阵 A 的逆:")
print(A_inv)

# 验证 A * A_inv 是否等于单位矩阵
I = np.dot(A, A_inv)
print("A * A_inv:")
print(I)

import numpy as np

# 定义一个 2x2 矩阵

A = np.array([[1, 2], [3, 4]])

# 计算矩阵的逆

A_inv = np.linalg.inv(A)

print("矩阵 A:")

print(A)

print("矩阵 A 的逆:")

print(A_inv)

# 验证 A * A_inv 是否等于单位矩阵

I = np.dot(A, A_inv)

print("A * A_inv:")

print(I)

输出结果：

矩阵 A:
[[1 2]
 [3 4]]
矩阵 A 的逆:
[[-2.   1. ]
 [ 1.5 -0.5]]
A * A_inv:
[[1. 0.]
 [0. 1.]]

矩阵 A:

[[1 2]

[3 4]]

矩阵 A 的逆:

[[-2. 1. ]

[ 1.5 -0.5]]

A * A_inv:

[[1. 0.]

[0. 1.]]

如输出所示，矩阵 $ A $ 与其逆矩阵相乘，得到单位矩阵 $ I $，验证了 $ A $ 和 $ A^{-1} $ 之间的关系。

重要提示

并不是所有的矩阵都有逆矩阵，只有行列式不为零的方阵才有逆矩阵。
在数值计算中，接近于奇异（行列式接近于零）的矩阵可能会导致计算不稳定，需要注意数值稳定性问题。