图

逆矩阵

逆矩阵

   如果两个方阵的乘积是单位矩阵,

\begin{equation} \mat B \mat A = \mat I \end{equation}
那么 $\mat B$ 就叫做 $\mat A$ 的逆矩阵, 记为 $\mat A^{-1}$. 从矢量空间的角度来看, 矩阵 $\mat A$ 把第一个矢量空间映射到第二个空间, 而 $\mat B$ 则可以看做把第二个空间的矢量逆映射到第一个个空间. 这里的一个隐含要求是 $\mat A$ 必须代表一一映射, 如果是多对一的映射, 将不存在反映射, 因为不存在代表一对多映射的矩阵. 一一映射要求 $\mat A$ 的每一列都线性无关,所以 $\mat A$ 的行数必须大于等于列数. 另外显然一个矩阵最多只能有一个逆矩阵.

   我们讨论逆矩阵时一般假设 $\mat A$ 和 $\mat A^{-1}$ 都是方阵1, 所以 $\mat A$ 是一个 $N$ 维方阵, 代表两个 $N$ 维矢量空间的一一映射, 即每个空间中任何一个矢量在另一个空间中都能找到唯一对应的矢量. 同理, $\mat A^{-1}$ 的性质也相同.

   从以上的分析中易证, 如果 $\mat B$ 是 $\mat A$ 的逆矩阵, 那么 $\mat A$ 必定也是 $\mat B$ 的逆矩阵, 我们说 $\mat A$ 和 $\mat B$ 互逆, 即

\begin{equation} \mat A \mat B = \mat B \mat A = \mat I \end{equation}

求逆矩阵

   令 $\bvec x$ 和 $\bvec y$ 为 $N$ 维列矢量, 如果有

\begin{equation} \mat A \bvec x = \bvec y \end{equation}
那么我们在等式两边左乘 $\mat A^{-1}$ 得
\begin{equation} \bvec x = \mat A^{-1} \bvec y \end{equation}
要求逆矩阵, 一种简单直接但低效的方法就是先令 $\bvec y = (1, 0, \dots)\Tr$, 代入式 3 解线性方程组得 $x$, 将 $\bvec x, \bvec y$ 代入式 4 可知 $x$ 就是 $\mat A$ 的第一列, 再令 $\bvec y = (0, 1, 0, \dots)\Tr$, 解线性方程组可得 $\mat A$ 的第二列, 以此类推.

   在一些实际问题中, 我们需要大量求解式 3 形式的方程组, 每个方程组都有同样的 $\mat A$ 和不同的 $y$, 一个高效的做法是先求出 $\mat A^{-1}$, 这样解每个方程组就只需要做一次矩阵乘法(式 4 )即可.


1. 以后如无特殊说明, 我们都使用这个规定.

致读者: 小时物理百科一直以来坚持所有内容免费且不做广告,这导致我们处于日渐严重的亏损状态。长此以往很可能会最终导致我们不得不选择商业化,例如大量广告,内容付费,会员制,甚至被收购。因此,我们鼓起勇气在此请求广大读者热心捐款,使网站得以健康发展。如果看到这条信息的每位读者能慷慨捐助 10 元,我们几天内就能脱离亏损状态,并保证网站能在接下来的一整年里向所有读者继续免费提供优质内容。感谢您的支持。
—— 小时(项目创始人)

编辑词条 返回目录 返回主页 捐助项目 © 小时物理百科 保留一切权利