可逆矩阵的性质和定理深度解析
在线性代数与矩阵论的研究中，可逆矩阵（Invertible Matrix）占据着核心地位。它是线性变换中“一一对应”且“满射”的代数体现，也是求解线性方程组 的关键工具。本文将全面梳理可逆矩阵的性质和定理，从基础定义到高级推论，结合考研数学与学术研究的热点，为您提供一份详尽的知识指南。
〓 什么是可逆矩阵？
设 是 阶方阵，若存在 阶方阵 ，使得 （其中 为单位矩阵），则称矩阵 是可逆矩阵（或称非奇异矩阵），并称 是 的逆矩阵，记作 。
〓 为什么它很重要？
可逆矩阵的性质直接决定了线性方程组解的唯一性。若系数矩阵可逆，则方程组有唯一解 。此外，它在特征值分解、奇异值分解（SVD）以及现代控制理论中均有广泛应用。
〓 核心判定条件
判断一个矩阵是否可逆，等价于判断其行列式是否不为零，或者其秩是否等于阶数，亦或是其特征值均不为零。这些条件构成了后续所有性质推导的基础。
【核心】可逆矩阵的性质和定理详解
理解可逆矩阵的性质和定理是掌握线性代数的关键。以下列举了最常被考察和应用的几类性质，分为基本运算性质、行列式性质及伴随矩阵性质。
1. 基本运算性质
- 唯一性：若 可逆，则其逆矩阵 是唯一的。证明：若 均为 的逆，则 。
- 逆的逆：。即可逆矩阵的逆矩阵依然是可逆的，且原矩阵即为其逆。
- 转置的逆：。即先转置再求逆，等于先求逆再转置，两者结果相同。
- 乘积的逆：若 均为同阶可逆矩阵，则 。⚠️注意顺序反转！
- 数乘的逆：若 且 可逆，则 。
2. 行列式与秩的性质
- 行列式非零： 可逆 。且 。
- 满秩性： 可逆 （ 为矩阵阶数）。即可逆矩阵必然是满秩矩阵。
- 特征值性质：若 是 的特征值，则 且 是 的特征值。
3. 伴随矩阵与逆矩阵的关系
这是可逆矩阵的性质和定理中计算逆矩阵的重要理论基础。对于 阶方阵 ，有：
| 关系式 | 说明 |
|---|---|
| 原矩阵与伴随矩阵的乘积等于行列式乘以单位矩阵 | |
| 当 时，逆矩阵等于伴随矩阵除以行列式 | |
| 伴随矩阵的行列式与原矩阵行列式的关系 | |
| 伴随矩阵的逆等于逆矩阵的伴随 |
4. 幂零与幂矩阵性质
若 可逆，则 ( 为整数) 也可逆，且 。特别地，若 ，可通过因式分解判断 是否可逆，并求出 的表达式。
如何判定矩阵可逆？（实战技巧）
在实际解题或工程应用中，判定可逆矩阵有多种途径。根据不同的已知条件，选择最优判定方法至关重要。
方法一：行列式判别法
适用场景：矩阵阶数较低（如2阶、3阶），或者行列式易于计算的情况。
判定步骤：
- 直接计算矩阵 的行列式 。
- 若 ，则 可逆；若 ，则 不可逆（奇异）。
示例：对于矩阵 ， ，故 可逆。
方法二：初等行变换法（高斯消元）
适用场景：需要同时求出逆矩阵，或矩阵阶数较高时。
判定步骤：
- 构造增广矩阵 。
- 对增广矩阵进行初等行变换，试图将左侧 变为单位矩阵 。
- 若能将 化为 ，即 ，则 可逆，且 。
- 若在变换过程中 部分出现全零行，则 不可逆。
方法三：特征值判别法
适用场景：已知矩阵的特征值或矩阵具有特殊结构（如对称矩阵）。
判定步骤：
- 求出矩阵 的所有特征值 。
- 检查是否所有 。
- 若全不为0，则 ，故 可逆。
注意：零特征值的个数等于矩阵的零度（Nullity），若存在零特征值，则矩阵奇异。
方法四：定义构造法
适用场景：抽象矩阵证明题，或矩阵满足特定多项式方程。
判定步骤：
- 尝试寻找矩阵 ，使得 。
- 若矩阵 满足方程 ，移项得 ，即 。
- 由此构造出逆矩阵 ，证明 可逆。
【深度】可逆矩阵的重要定理与推论
除了基本性质，可逆矩阵的性质和定理中还包含一些极具价值的推论，这些定理在高等数学研究和复杂系统分析中经常用到。
定理1：可逆矩阵的分解定理
任何一个可逆矩阵都可以分解为有限个初等矩阵的乘积。即 ，其中 为初等矩阵。这一性质不仅证明了可逆矩阵可以通过初等变换化为单位矩阵，也为数值计算中的LU分解、QR分解提供了理论支撑。
定理2：分块矩阵的可逆性
对于分块对角矩阵 ，若 均可逆，则 可逆，且 。这一性质极大地简化了大型矩阵的求逆运算。
定理3：Schur补与可逆性
对于分块矩阵 ，若 可逆，则 的行列式 。若 （即Schur补）也可逆，则 可逆。这是处理大型稀疏矩阵求逆的重要工具。
定理4：正交矩阵必可逆
若 是正交矩阵（即 ），则 必可逆，且 。正交矩阵的行列式值为 ，因此永远非零。
〓 可逆矩阵的发展与应用时间轴
17世纪末：行列式的萌芽
莱布尼茨首次引入了行列式的概念，为后续矩阵理论奠定了基础，虽然当时尚未明确提出“矩阵”一词，但可逆性的思想已初现端倪。
1850s：凯莱-哈密顿定理
阿瑟·凯莱和威廉·罗恩·汉密尔顿提出了矩阵多项式理论，揭示了矩阵与其特征多项式的关系，进一步明确了矩阵可逆性与特征值的关系。
20世纪中叶：计算机科学的兴起
随着计算机的出现，可逆矩阵的求逆算法（如高斯-若尔当消元法）成为数值线性代数的核心。矩阵求逆效率直接影响了科学计算的能力。
现代：人工智能与数据科学
在机器学习（如线性回归中的正规方程 ）和深度学习优化中，判断矩阵是否可逆（或条件数大小）直接关系到模型能否收敛及稳定性。
【实战】可逆矩阵典型例题解析
结合可逆矩阵的性质和定理，我们通过几个典型例题来巩固知识点。
例题1：已知矩阵方程求逆
题目：设 为 阶可逆矩阵，且 可逆，证明 可逆，并求其逆矩阵。
解析：
首先化简原式：
A(A^{-1} + B^{-1})B
= A(A^{-1}B + B^{-1}B) (分配律)
= A(A^{-1}B + E)
= AA^{-1}B + AE
= EB + A
= B + A
= A + B
因为已知 可逆，所以原式可逆，且其逆矩阵为 。
例题2：伴随矩阵的行列式计算
题目：设 为3阶方阵，且 ，求 。
解析：
利用性质 。
原式 。
利用 ，这里 。
原式 。
例题3：抽象矩阵的可逆性证明
题目：设 为 阶方阵，满足 ，证明 和 均可逆，并求逆矩阵。
解析：
由 。故 可逆，。
由 。故 可逆。
〓 常见问题解答 (FAQ)
是的，可逆矩阵的逆矩阵是唯一的。若B和C都是A的逆矩阵，即AB=BA=E且AC=CA=E，则B=B(E)=B(AC)=(BA)C=EC=C。这一性质保证了逆矩阵运算的确定性。
不一定。例如，单位矩阵E是可逆的，但E + (-E) = O（零矩阵）是不可逆的。只有当满足特定条件（如A+B也是非奇异矩阵）时，和才可逆。但在某些特殊情况下，如A和B均为正定矩阵，则A+B必为正定，故可逆。
对于n阶方阵A，有A·A = A·A = |A|E。当A可逆时，A⁻¹ = (1/|A|)·A。这一公式是理论计算逆矩阵的重要工具，尤其在阶数较低时非常有效。
对于低阶矩阵，计算行列式是否非零是最快的方法。对于高阶矩阵，可以通过高斯消元法看是否能化为上三角矩阵且对角线元素均不为0，或者检查矩阵的秩是否等于阶数。
可逆矩阵的所有特征值均不为0。反之，若一个方阵的所有特征值均不为0，则该矩阵可逆。此外，若λ是A的特征值，则1/λ是A⁻¹的特征值。