标签：可逆 矩阵 long 线性代数 笔记 bmatrix Ep vdots
在进行矩阵的运算的时候，我们会发现我们没有定义矩阵的除法，但是经常又需要做类似的操作，因而我们引入矩阵的逆的概念，用以填补这个空白。
矩阵的逆
由于我们在定义矩阵运算的时候只定义了数乘和矩阵乘法，而没有除法运算。和逆元的产生一样，我们为了定义出除法，我们采用乘一个数/矩阵得到单位1/单位矩阵的方法，并定义这个数/矩阵为原数/原矩阵的乘法。
注：单位矩阵是一个除了主对角线为1，其他全为0的方阵。由于阶数不固定，因而有无穷多种单位矩阵。
[ 1 0 0 0 1 0 0 0 1 ] \begin{bmatrix} 1 & 0 & 0\\ 0 & 1 & 0\\ 0 & 0 & 1\\\end{bmatrix} ⎣⎡100010001⎦⎤
定义：设 A A A为 n n n阶方阵，若存在 n n n阶方阵 B B B，使得 A B = B A = I AB=BA=I AB=BA=I，则称 B B B为 A A A的逆，并称 A A A为可逆矩阵。 记 A − 1 A^{-1} A−1为 A A A的逆。
若 A A A可逆，则逆唯一。
证明：若 B B B与 C C C都是 A A A的逆，由定义 A B = B A = I AB=BA=I AB=BA=I， A C = C A = I AC=CA=I AC=CA=I，则有：
B = I B = ( C A ) B = C ( A B ) = C I = C B=IB=(CA)B=C(AB)=CI=C B=IB=(CA)B=C(AB)=CI=C
即 B = C B=C B=C
有一种用行列式来判定和计算矩阵是否可逆的方法，过于繁琐，不适用于计算，只在此介绍。
定义：设 n n n阶方阵
[ a 11 a 12 a 13 ⋯ a 1 n a 12 a 22 a 23 ⋯ a 2 n ⋮ ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 a n 3 ⋯ a n n ] \begin{bmatrix} a_{11} & a_{12} & a_{13} & \cdots & a_{1n} \\ a_{12} & a_{22} & a_{23} & \cdots & a_{2n} \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & a_{n3} & \cdots & a_{nn} \\ \end{bmatrix} ⎣⎢⎢⎢⎡a11a12⋮an1a12a22⋮an2a13a23⋮an3⋯⋯⋱⋯a1na2n⋮ann⎦⎥⎥⎥⎤
由 A A A的行列式 ∣ A ∣ |A| ∣A∣中元素 a i j a_{ij} aij的代数余子式 A i j A_{ij} Aij构成的如下 n n n阶方阵：
A ∗ = [ A 11 A 21 A 31 ⋯ A n 1 A 12 A 22 A 32 ⋯ A n 2 ⋮ ⋮ ⋮ ⋱ ⋮ A n 1 A n 2 A 3 n ⋯ A n n ] A^*=\begin{bmatrix} A_{11} & A_{21} & A_{31} & \cdots & A_{n1} \\ A_{12} & A_{22} & A_{32} & \cdots & A_{n2} \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ A_{n1} & A_{n2} & A_{3n} & \cdots & A_{nn} \\ \end{bmatrix} A∗=⎣⎢⎢⎢⎡A11A12⋮An1A21A22⋮An2A31A32⋮A3n⋯⋯⋱⋯An1An2⋮Ann⎦⎥⎥⎥⎤
称 A ∗ A^* A∗为 A A A的伴随矩阵，而 A A A可逆的充要条件为 ∣ A ∣ ≠ 0 |A| \neq 0 ∣A∣=0，且
A − 1 = A ∗ ∣ A ∣ A^{-1}=\frac{A^*}{|A|} A−1=∣A∣A∗
此处证明需要用到行列式的性质，在此略去。
下文有更简单的判定和计算方法。
逆变换有一重要性质：若 A , B A,B A,B均可逆，则 A B AB AB也可逆，且 ( A B ) − 1 = B − 1 A − 1 (AB)^{-1}=B^{-1}A^{-1} (AB)−1=B−1A−1。该性质可以反复利用，因此可以拓展到 k k k个可逆行列式相乘：
( A 1 A 2 … … A k ) − 1 = A k − 1 A k − 1 − 1 … … A 1 − 1 (A_1A_2……A_k)^{-1}=A_k^{-1}A_{k-1}^{-1}……A_1^{-1} (A1A2……Ak)−1=Ak−1Ak−1−1……A1−1
初等矩阵
把单位矩阵进行一次初等行变换，就得到了初等矩阵。复习一下，初等行变换有以下三种：
1.交换矩阵的任意两行。
2.用一个非零整数 k k k乘矩阵的任意一行。
3.将矩阵中某一行乘以 k k k倍加到另外一行。
因此对于三阶单位矩阵 I 3 I_3 I3
[ 1 0 0 0 1 0 − 4 0 1 ] [ 0 1 0 1 0 0 0 0 1 ] [ 1 0 0 0 1 0 0 0 5 ] \begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0\\ -4 & 0 & 1 \\ \end{bmatrix} \begin{bmatrix} 0 & 1 & 0 \\ 1 & 0 & 0\\ 0 & 0 & 1 \\ \end{bmatrix} \begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0\\ 0 & 0 & 5 \\ \end{bmatrix} ⎣⎡10−4010001⎦⎤⎣⎡010100001⎦⎤⎣⎡100010005⎦⎤
均为初等矩阵。
由于初等行变换可逆（可以改过去又可以改回来），因此初等矩阵可逆。
证明：设 E E E为一初等矩阵，由于 E I = E EI=E EI=E，因此任意一个初等矩阵可以视为对 I I I矩阵的一种变换，使其变为 E E E矩阵。由于初等行变换可逆，则存在 E E E变换的逆变换 F F F，将 E E E矩阵变回 I I I，因此 E F = I EF=I EF=I，即 E E E可逆，且其逆为 E E E的逆变换。
到此可以引出本题的证明了：
方阵 A A A可逆，当且仅当 A A A行等价于 I n I_n In ，即 A A A经过若干次行变换可以变成 I n I_n In
充分性：由于 A A A可逆，则方程 A x = b Ax=b Ax=b必有解，其中 x , b x,b x,b均为向量（求解只需要在等式两边左乘以 A − 1 A^{-1} A−1即可）。那么，对于解 x x x：
x = [ x 1 x 2 ⋮ x n ] x=\begin{bmatrix} x_1\\ x_2\\ \vdots\\ x_n\\ \end{bmatrix} x=⎣⎢⎢⎢⎡x1x2⋮xn⎦⎥⎥⎥⎤
必可写出与 A A A等价的增广矩阵 A ′ A' A′（因为解一样）：
A ′ = [ 1 x 1 1 x 2 ⋱ ⋮ 1 x n ] A'=\left[ \begin{array}{cccc|c} 1&&&&x_1\\ &1&&&x_2\\ &&\ddots\ && \vdots\\ &&&1&x_n \end{array} \right] A′=⎣⎢⎢⎢⎡11⋱ 1x1x2⋮xn⎦⎥⎥⎥⎤
那么原矩阵必与 I n I_n In等价，否则无法化简成 A ′ A' A′
必要性：如果 A A A等价于 I n I_n In，则 A A A是由若干次初等行变换得到。对于每次初等行变换都有一个对应的初等矩阵，那么这些操作可以被记作：
E p E p − 1 … … E 1 A = I n E_pE_{p-1}……E_1A=I_n EpEp−1……E1A=In
由矩阵逆的另一种定义，若 A A A可逆，则必存在一种能让 A A A回到 I n I_n In的方法。考虑对上式两边左乘 ( E p E p − 1 … … E 1 ) − 1 (E_pE_{p-1}……E_1)^{-1} (EpEp−1……E1)−1
( ( E p E p − 1 … … E 1 ) − 1 E p E p − 1 … … E 1 ) A = ( E p E p − 1 … … E 1 ) − 1 I n ((E_pE_{p-1}……E_1)^{-1}E_pE_{p-1}……E_1)A=(E_pE_{p-1}……E_1)^{-1}I_n ((EpEp−1……E1)−1EpEp−1……E1)A=(EpEp−1……E1)−1In
即 A = ( E p E p − 1 … … E 1 ) − 1 A=(E_pE_{p-1}……E_1)^{-1} A=(EpEp−1……E1)−1，为可逆矩阵的乘积，因此 A A A可逆，且 A − 1 = E p E p − 1 … … E 1 A^{-1}=E_pE_{p-1}……E_1 A−1=EpEp−1……E1。因此， A − 1 A^{-1} A−1可以由 E 1 , E 2 , … … , E p E_1,E_2,……,E_p E1,E2,……,Ep依次作用于 I n I_n In得到。
得证。
接下来就是解法时间
我们把 A A A和 I n I_n In置于同一矩阵中：
[ A I n ] \begin{bmatrix} A & I_n \end{bmatrix} [AIn]
对其进行高斯-若尔当消元操作将 A A A变换为 I n I_n In。由于是在同一矩阵中，因此 A A A和 I n I_n In得到的操作都是一样的。我们只需要让前面的 A A A变换为 I n I_n In，那么对于同一过程， I n I_n In就会变成矩阵的逆。
用一张图来表示这个互相转化关系：
A ⇔ P ′ P I n ⇔ P ′ P A − 1 A\stackrel{P}{\underset{P'}{\Leftrightarrow}}I_n\stackrel{P}{\underset{P'}{\Leftrightarrow}}A^{-1} AP′⇔PInP′⇔PA−1
下面是洛谷P4783的代码，内含逆元，但是大体思路一样，因而还是放上代码。
#include <cstdio>
#include <algorithm>
using namespace std;
const long long mod = 1000000007;
long long power(long long a,int x)//快速幂板子
{
long long ans = 1;
while(x)
{
if(x&1)
{
ans *= a;
ans %= mod;
}
a *= a;
a %= mod;
x >>= 1;
}
return ans % mod;
}
long long a[405][805];
int main()
{
int n, m;
scanf("%d", &n);
m = 2 * n;//矩阵的宽
for (int i = 1; i <= n;i++)
{
for (int j = 1; j <= n;j++)
scanf("%lld", &a[i][j]);
a[i][i + n] = 1;//后面要跟上一个n阶单位矩阵
}
for (int i = 1; i <= n; i++)//高斯-若尔当消元的板子
{
int place = i;
for (int j = i + 1; j <= n; j++)//找到绝对值最大的元素开始消元
if(abs(a[j][i])>abs(a[place][i]))
place = j;
if (i != place)
swap(a[i], a[place]);
if(!a[i][i])//如果某行没有主元则A无法化为单位矩阵，无解
{
printf("No Solution");
return 0;
}
long long inv = power(a[i][i], mod - 2);//本题加入的逆元特色
for (int j = 1; j <= n; j++)
if(j!=i)
{
long long multiple = a[j][i] * inv % mod;//等价于除以a[i][i]，消去其他行在第i列上的数，使之变成简化阶梯形矩阵
for (int k = i; k <= m; k++)
a[j][k] = ((a[j][k] - a[i][k] * multiple) % mod + mod) % mod;
}
for (int j = 1; j <= m; j++)//由于此处需要简化阶梯型矩阵，要把原矩阵化为简化矩阵的必须操作。
//“在使用高斯-若尔当消元的时候，计算机计算的时候通常采用回带法，而人操作的时候建议采用此法。”——《线性代数及其应用》
a[i][j] = (a[i][j] * inv % mod);
}
for (int i = 1; i <= n;i++)
{
for (int j = n + 1; j <= m; j++)//只打印后面，前面的单位矩阵不要打出来了
printf("%lld ", a[i][j]);
printf("\n");
}
return 0;
}
标签：可逆,矩阵,long,线性代数,笔记,bmatrix,Ep,vdots 来源： https://blog.csdn.net/m0_52048145/article/details/113442257
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。