学习来源:《矩阵分析与应用》张贤达 清华大学出版社

1. 逆矩阵

        若一个 n\times n 的矩阵有 n 个线性无关的列向量和 n 线性无关的行向量,则称这个矩阵为非奇异矩阵。如果一个矩阵非奇异,那么它必定存在逆矩阵。反之,奇异矩阵肯定不存在逆矩阵。一个 n\times n 的正方矩阵 B 满足 AB=BA=I 时,矩阵 A 和矩阵 B 互为逆矩阵。矩阵 A 的逆矩阵记为 A^{-1} 。

1.1 伴随矩阵

        若一个正方矩阵 A 的所有元素 a_{ij} 分别由它们的余子式 A_{ij} 代替,然后转置,所得到的矩阵称为 A 的伴随矩阵,记作 adj(A) ,即有

adj(A)=\begin{bmatrix} A_{11} & A_{21} & \cdots &A_{n1} \\ A_{12} & A_{22} & \cdots&A_{n2} \\ \vdots & \vdots & &\vdots \\ A_{1n} &A_{2n} & \cdots & A_{nn} \end{bmatrix}

  

若行列式 \left | A \right |\neq 0 ,则矩阵 A 的逆矩阵 A^{-1} 存在且唯一。逆矩阵 A^{-1} 由下式给出:

A^{-1}=\frac{1}{det(A)}adj(A)=\frac{1}{\left | A \right |}\begin{bmatrix} A_{11} &A_{21} & \cdots &A_{n1} \\ A_{12} & A_{22} &\cdots & A_{n2}\\ \vdots & \vdots & & \vdots \\ A_{1n} & A_{2n} & \cdots& A_{nn} \end{bmatrix}

1.2 例

        对于矩阵

A=\begin{bmatrix} 1 &5 \\ 4& 6 \end{bmatrix}

易知

\left | A \right |=(6-20)=-14

adj(A)=\begin{bmatrix} 6 &-4 \\ -5& 1 \end{bmatrix}^T=\begin{bmatrix} 6 &-5 \\ -4&1 \end{bmatrix}

A^{-1}=\frac{1}{\left | A \right |}=\frac{1}{-14}\begin{bmatrix} 6 &-5 \\ -4& 1 \end{bmatrix}=\begin{bmatrix} -\frac{3}{7} &\frac{5}{14} \\ \frac{2}{7} &-\frac{1}{14} \end{bmatrix}

1.3 n\times n 矩阵 A 的逆矩阵 A^{-1} 的性质

1)A^{-1}A=AA^{-1}=I 。

2)A^{-1} 是唯一的。   

3)逆矩阵的行列式等于原矩阵行列式的倒数,即

 \left | A^{-1} \right |=\frac{1}{\left | A \right |} 

4)逆矩阵是非奇异的。

5)(A^{-1})^{-1}=A 
6)复共轭转置矩阵 A^H 的逆矩阵等于逆矩阵 A^{-1} 的复共轭转置,即 

(A^H)^{-1}=(A^{-1})^H

7)(A^*)^{-1}=(A^{-1})^* 

8)若 A 和 B 都是可逆的,则

(AB)^{-1}=B^{-1}A^{-1}

更一般地,有

(ABC)^{-1}=C^{-1}B^{-1}A^{-1}

9)若 A=diag(a_1,a_2,\cdots ,a_m) 为对角矩阵,则其逆矩阵为

A^{-1}=diag(a_1^{-1},a_2^{-1},\cdots ,a_m^{-1})

10)若 A 非奇异,则

                        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​A 为正交矩阵 \Leftrightarrow A^{-1}=A^T

        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        A 为酉矩阵 \Leftrightarrow A^{-1}=A^H 

2. 广义逆矩阵

        从广义角度来说,若矩阵 L 与矩阵 A 的乘积等于单位矩阵 I ,即 LA=I ,则称矩阵 L 为矩阵 A 的逆矩阵。根据矩阵 A 本身的特点 ,满足这一定义的矩阵 L 存在三种可能:

1)在某些情况下, L 存在,且唯一;

2)在某些情况下, L 存在,但不唯一;

3)在某些情况下, L 不存在。

        例如有以下三个矩阵:

A_1=\begin{bmatrix} 2 &-2 &-1 \\ 1& 1& -2\\ 1&0 &-1 \end{bmatrix},\quad A_2=\begin{bmatrix} 4 &8 \\ 5& -7\\ -2& 3 \end{bmatrix}, \quad A_3=\begin{bmatrix} 1 &3 &1 \\ 2 &5 &1 \end{bmatrix}

        对矩阵 A_1 ,存在唯一矩阵

L_1=\begin{bmatrix} -1 &-2 &5 \\ -1& -1 &3 \\ -1& -2 &4 \end{bmatrix}

不仅使得 L_1A_1=I_3 ,而且使得 A_1L_1=I_3 。此时,矩阵 L_1 实际就是矩阵 A_1 的逆矩阵,即 L_1=A_1^{-1} 。

        对矩阵 A_2 ,存在多个矩阵使得 L_2A_2=I_2 ,如

L_2=\begin{bmatrix} \frac{7}{68} & \frac{2}{17} &0 \\ 0&2 &5 \end{bmatrix}, \quad L_2=\begin{bmatrix} 0 &3 &7 \\ 0& 2 &5 \end{bmatrix} ,\cdots

        对矩阵 A_3 ,没有任何 3\times 2 矩阵使得 L_3A_3=I_3 ,但存在多个 3\times 2 矩阵 R ,使得 A_3R=I_2 ,如:

R=\begin{bmatrix} 1 &1 \\ -1& 0\\ 3&-1 \end{bmatrix}, \quad R=\begin{bmatrix} -1 &1 \\ 0 &0 \\ 2& -1 \end{bmatrix},\cdots

总结:除了满足 AA^{-1}=A^{-1}A=I 的逆矩阵 A^{-1} 外,还存在两种其它形式的逆矩阵,它们只满足 LA=I 或 AR=I 。

2.1 定义

        满足 LA=I ,但不满足 AL=I 的矩阵 L 被称为矩阵 A 的左逆矩阵。类似的,满足 AR=I ,但不满足 RA=I 的矩阵 R 称为矩阵 A 的右逆矩阵。

2.2 定理

1)仅当 m\geqslant n 时,矩阵 A\in C^{m\times n} 可能有左逆矩阵。

2)仅当 m\leqslant n 时,矩阵A\in C^{m\times n} 可能有右逆矩阵。

3. 广义逆矩阵的计算

3.1 定义

        令 A_{m\times n} 具有秩 r 。若 A=FG ,其中 F_{m\times r} 的秩为 r (满列秩矩阵),且 G_{r\times n} 的秩也为 r (满行秩矩阵),则称 A=FG 为矩阵 A 的满秩分解。

3.2 秩为r 的矩阵 A_{m\times n} 的满秩分解算法

步骤1:利用初等行变换将矩阵 A 化为阶梯型,即:

A\overset{E_1}{\rightarrow}\left [ \quad \right ]\overset{E_2}{\rightarrow}\cdots \overset{E_k}{\rightarrow}\begin{bmatrix} G_{r\times n}\\ O_{(m-r)\times n} \end{bmatrix}

步骤2:对单位矩阵执行逆行初等变换,得到逆矩阵 P^{-1}

I\overset{E_k^{-1}}{\rightarrow}\left [ \quad \right ]\overset{E_{k-1}^{-1}}{\rightarrow}\cdots \overset{E_1^{-1}}{\rightarrow}\left [ \quad \right ]=P^{-1}

逆行初等变换如下:

        1)第 i 行和第 j 行的互换 R_i\leftrightarrow R_j 的逆变换是 R_j\leftrightarrow R_i 。

        2)初等行变换 \alpha R_i 的逆变换为 \alpha ^{-1}R_i 。

        3)初等行变换 R_i+\alpha R_j 的逆变换为 R_i-\alpha R_j 。

步骤3:利用逆矩阵 P^{-1} 的前 r 列构造矩阵 F ;

步骤4:书写满秩分解的结果 A=FG 。

3.3 求广义逆矩阵

        若矩阵 A_{m\times n} 具有秩 r ,且其满秩分解为 A=FG ,其中, F_{m\times r} 为满列秩, G_{r\times n} 为满行秩,则

A^{-}=G^T(F^TAG^T)^{-1}F^T

是 A 的一个广义逆矩阵。

Logo

有“AI”的1024 = 2048,欢迎大家加入2048 AI社区

更多推荐