为什么逆矩阵这么重要？

想象你在解一个方程组 $A\mathbf{x} = \mathbf{b}$。如果 $A$ 可逆，那解就很简单：$\mathbf{x} = A^{-1}\mathbf{b}$。但现实往往没那么顺利——矩阵可能不可逆，这时候你得知道怎么判断，以及如果可逆的话该怎么求它的逆。

一、判定方阵是否可逆

1.1 核心定义

对于一个 $n \times n$ 的方阵 $A$，如果存在另一个 $n \times n$ 矩阵 $B$，使得：

\[AB = BA = I_n\]

其中 $I_n$ 是 $n$ 阶单位矩阵，那么 $A$ 就是可逆的（也称为非奇异矩阵），$B$ 就是 $A$ 的逆矩阵，记作 $A^{-1}$。

1.2 多种判定方法

方法一：行列式法

\[\det(A) \neq 0 \iff A \text{ 可逆}\]

这是最直接的判定方法。如果行列式为零，矩阵就是奇异矩阵，不可逆。

方法二：秩的判断

\[\text{rank}(A) = n \iff A \text{ 可逆}\]

满秩方阵一定可逆。

方法三：行变换法

对增广矩阵 $[A | I_n]$ 进行初等行变换：

如果能将 $A$ 部分化为 $I_n$，则 $A$ 可逆，且右侧变为 $A^{-1}$
如果在变换过程中 $A$ 部分出现全零行，则 $A$ 不可逆

方法四：齐次方程组

\[A\mathbf{x} = \mathbf{0} \text{ 只有零解} \iff A \text{ 可逆}\]

方法五：特征值法

$A$ 可逆 $\iff$ $0$ 不是 $A$ 的特征值

二、逆矩阵的求法

2.1 伴随矩阵法

对于 $n \times n$ 矩阵 $A$，逆矩阵公式为：

\[A^{-1} = \frac{1}{\det(A)} \text{adj}(A)\]

其中 $\text{adj}(A)$ 是 $A$ 的伴随矩阵，即 $A$ 的余子式矩阵的转置。

步骤：

计算 $\det(A)$，确认不为零
计算每个元素的代数余子式 $A_{ij} = (-1)^{i+j}M_{ij}$
构造余子式矩阵，再转置得到 $\text{adj}(A)$
代入公式计算 $A^{-1}$

2.2 初等行变换法（高斯-约旦消元法）

这是最实用的方法，特别适合编程实现。

步骤：

构造增广矩阵 $[A | I_n]$
对 $A$ 部分进行初等行变换，将其化为行最简形
如果 $A$ 部分化为 $I_n$，则右侧就是 $A^{-1}$
如果 $A$ 部分不能化为 $I_n$（出现全零行），则 $A$ 不可逆

操作细节：

初等行变换包括：
- 交换两行
- 某行乘以非零常数
- 某行加上另一行的倍数
目标是把 $A$ 变成对角线全为 1、其余全为 0 的单位矩阵

2.3 分块矩阵法

对于分块矩阵，有特殊的求逆公式。例如，对于：

\[M = \begin{bmatrix} A & B \\ C & D \end{bmatrix}\]

当 $A$ 可逆时，可以利用 Schur 补来求逆。这种方法在大型矩阵计算中很有用。

三、逆矩阵的性质

唯一性：如果 $A$ 可逆，则 $A^{-1}$ 唯一
双重逆：$(A^{-1})^{-1} = A$
转置与逆可交换：$(A^T)^{-1} = (A^{-1})^T$
乘积的逆：$(AB)^{-1} = B^{-1}A^{-1}$
数乘：$(kA)^{-1} = \frac{1}{k}A^{-1}$（$k \neq 0$）
行列式关系：$\det(A^{-1}) = \frac{1}{\det(A)}$

四、经典例题详解

例题 1：判定 2×2 矩阵是否可逆

题目：判断矩阵 $A = \begin{bmatrix} 3 & 2 \\ 6 & 4 \end{bmatrix}$ 是否可逆。

解答：

计算行列式： $$\det(A) = 3 \times 4 - 2 \times 6 = 12 - 12 = 0$$

由于 $\det(A) = 0$，所以 $A$ 不可逆（是奇异矩阵）。

验证：观察发现第二行是第一行的 2 倍，说明两行线性相关，矩阵不满秩，确实不可逆。

例题 2：求 2×2 逆矩阵

题目：求矩阵 $A = \begin{bmatrix} 2 & 1 \\ 5 & 3 \end{bmatrix}$ 的逆矩阵。

解答：

方法一：伴随矩阵法

计算行列式： $$\det(A) = 2 \times 3 - 1 \times 5 = 6 - 5 = 1 \neq 0$$ 所以 $A$ 可逆。
计算代数余子式：

$A_{11} = (-1)^{1+1} \times 3 = 3$
$A_{12} = (-1)^{1+2} \times 5 = -5$
$A_{21} = (-1)^{2+1} \times 1 = -1$
$A_{22} = (-1)^{2+2} \times 2 = 2$

余子式矩阵： $$\begin{bmatrix} 3 & -5 \\ -1 & 2 \end{bmatrix}$$
伴随矩阵（转置）： $$\text{adj}(A) = \begin{bmatrix} 3 & -1 \\ -5 & 2 \end{bmatrix}$$
逆矩阵： $$A^{-1} = \frac{1}{1} \begin{bmatrix} 3 & -1 \\ -5 & 2 \end{bmatrix} = \begin{bmatrix} 3 & -1 \\ -5 & 2 \end{bmatrix}$$

验证： $$AA^{-1} = \begin{bmatrix} 2 & 1 \\ 5 & 3 \end{bmatrix} \begin{bmatrix} 3 & -1 \\ -5 & 2 \end{bmatrix} = \begin{bmatrix} 6-5 & -2+2 \\ 15-15 & -5+6 \end{bmatrix} = \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix} = I_2 \checkmark$$

方法二：公式法（2×2 特例）

对于 $A = \begin{bmatrix} a & b \\ c & d \end{bmatrix}$，有： $$A^{-1} = \frac{1}{ad-bc} \begin{bmatrix} d & -b \\ -c & a \end{bmatrix}$$

代入得： $$A^{-1} = \frac{1}{1} \begin{bmatrix} 3 & -1 \\ -5 & 2 \end{bmatrix} = \begin{bmatrix} 3 & -1 \\ -5 & 2 \end{bmatrix}$$

结果一致！

例题 3：求 3×3 逆矩阵（初等行变换法）

题目：求矩阵 $A = \begin{bmatrix} 1 & 2 & 3 \\ 0 & 1 & 4 \\ 5 & 6 & 0 \end{bmatrix}$ 的逆矩阵。

解答：

构造增广矩阵 $[A | I_3]$： $$\left[\begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & 1 & 4 & 0 & 1 & 0 \\ 5 & 6 & 0 & 0 & 0 & 1 \end{array}\right]$$

步骤 1：消去第 3 行第 1 列元素，$R_3 \leftarrow R_3 - 5R_1$： $$\left[\begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & 1 & 4 & 0 & 1 & 0 \\ 0 & -4 & -15 & -5 & 0 & 1 \end{array}\right]$$

步骤 2：消去第 3 行第 2 列元素，$R_3 \leftarrow R_3 + 4R_2$： $$\left[\begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & 1 & 4 & 0 & 1 & 0 \\ 0 & 0 & 1 & -5 & 4 & 1 \end{array}\right]$$

步骤 3：消去第 2 行第 3 列元素，$R_2 \leftarrow R_2 - 4R_3$： $$\left[\begin{array}{ccc|ccc} 1 & 2 & 3 & 1 & 0 & 0 \\ 0 & 1 & 0 & 20 & -15 & -4 \\ 0 & 0 & 1 & -5 & 4 & 1 \end{array}\right]$$

步骤 4：消去第 1 行第 3 列元素，$R_1 \leftarrow R_1 - 3R_3$： $$\left[\begin{array}{ccc|ccc} 1 & 2 & 0 & 16 & -12 & -3 \\ 0 & 1 & 0 & 20 & -15 & -4 \\ 0 & 0 & 1 & -5 & 4 & 1 \end{array}\right]$$

步骤 5：消去第 1 行第 2 列元素，$R_1 \leftarrow R_1 - 2R_2$： $$\left[\begin{array}{ccc|ccc} 1 & 0 & 0 & -24 & 18 & 5 \\ 0 & 1 & 0 & 20 & -15 & -4 \\ 0 & 0 & 1 & -5 & 4 & 1 \end{array}\right]$$

最终得到： $$A^{-1} = \begin{bmatrix} -24 & 18 & 5 \\ 20 & -15 & -4 \\ -5 & 4 & 1 \end{bmatrix}$$

验证： $$AA^{-1} = \begin{bmatrix} 1 & 2 & 3 \\ 0 & 1 & 4 \\ 5 & 6 & 0 \end{bmatrix} \begin{bmatrix} -24 & 18 & 5 \\ 20 & -15 & -4 \\ -5 & 4 & 1 \end{bmatrix}$$

计算第一个元素：$1(-24) + 2(20) + 3(-5) = -24 + 40 - 15 = 1$ ✓ 计算 $(1,3)$ 元素：$1(5) + 2(-4) + 3(1) = 5 - 8 + 3 = 0$ ✓

（完整验证略，结果正确）

例题 4：不可逆矩阵的判定

题目：判断矩阵 $B = \begin{bmatrix} 2 & 1 & -1 \\ 4 & 2 & -2 \\ 6 & 3 & -3 \end{bmatrix}$ 是否可逆。

解答：

观察矩阵 $B$：

第 2 行 = $2 \times$ 第 1 行
第 3 行 = $3 \times$ 第 1 行

三行线性相关，$\text{rank}(B) = 1 < 3$，所以 $B$ 不可逆。

或者计算行列式： $$\det(B) = 0$$ （因为有两行成比例）

例题 5：含参数的可逆性讨论

题目：讨论矩阵 $C = \begin{bmatrix} 1 & 2 \\ 3 & k \end{bmatrix}$ 的可逆性。

解答：

\[\det(C) = 1 \times k - 2 \times 3 = k - 6\]

当 $k \neq 6$ 时，$\det(C) \neq 0$，$C$ 可逆
当 $k = 6$ 时，$\det(C) = 0$，$C$ 不可逆

当 $k \neq 6$ 时，逆矩阵为： $$C^{-1} = \frac{1}{k-6} \begin{bmatrix} k & -2 \\ -3 & 1 \end{bmatrix}$$

例题 6：实际应用——解线性方程组

题目：用逆矩阵法解方程组： $$\begin{cases} x + 2y = 5 \\ 3x + 4y = 11 \end{cases}$$

解答：

写成矩阵形式 $A\mathbf{x} = \mathbf{b}$： $$A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}, \quad \mathbf{x} = \begin{bmatrix} x \\ y \end{bmatrix}, \quad \mathbf{b} = \begin{bmatrix} 5 \\ 11 \end{bmatrix}$$

计算 $\det(A) = 1 \times 4 - 2 \times 3 = -2 \neq 0$，可逆
求 $A^{-1}$： $$A^{-1} = \frac{1}{-2} \begin{bmatrix} 4 & -2 \\ -3 & 1 \end{bmatrix} = \begin{bmatrix} -2 & 1 \\ 1.5 & -0.5 \end{bmatrix}$$
求解 $\mathbf{x} = A^{-1}\mathbf{b}$： $$\mathbf{x} = \begin{bmatrix} -2 & 1 \\ 1.5 & -0.5 \end{bmatrix} \begin{bmatrix} 5 \\ 11 \end{bmatrix} = \begin{bmatrix} -10 + 11 \\ 7.5 - 5.5 \end{bmatrix} = \begin{bmatrix} 1 \\ 2 \end{bmatrix}$$

所以 $x = 1, y = 2$。

验证：$1 + 2(2) = 5$ ✓，$3(1) + 4(2) = 11$ ✓

五、编程实现

Python 代码实现

”`python import numpy as np

def check_and_invert_matrix(A):

"""
判断方阵是否可逆，并求逆矩阵
返回：(是否可逆, 逆矩阵)
"""
A = np.array(A, dtype=float)

# 检查是否为方阵
if A.ndim != 2 or A.shape[0] != A.shape[1]:
    raise ValueError("输入必须是方阵")

n = A.shape[0]

# 方法一：行列式判定
det_A = np.linalg.det(A)
if abs(det_A) < 1e-10:  # 考虑浮点误差
    print(f"行列式 ≈ 0，矩阵不可逆")
    return False, None

print(f"行列式 = {det_A:.6f}，矩阵可逆")

# 方法二：求逆矩阵
try:
    A_inv = np.linalg.inv(A)
    print("逆矩阵为：")
    print(A_inv)

    # 验证：A * A_inv = I
    identity_check = np.dot(A, A_inv)
    print("\n验证 A * A_inv：")
    print(identity_check)

    return True, A_inv
except np.linalg.LinAlgError:
    print("求逆失败，矩阵不可逆")
    return False, None

测试例题

print(“=” * 50) print(“例题 2：2x2 矩阵”) print(“=” * 50) A = [[2, 1], [5, 3]] check_and_invert_matrix(A)

print(“\n”

正文

如何判断方阵是否可逆并求逆矩阵详解附经典例题

为什么逆矩阵这么重要？

一、判定方阵是否可逆

1.1 核心定义

1.2 多种判定方法

二、逆矩阵的求法

2.1 伴随矩阵法

2.2 初等行变换法（高斯-约旦消元法）

2.3 分块矩阵法

三、逆矩阵的性质

四、经典例题详解

例题 1：判定 2×2 矩阵是否可逆

例题 2：求 2×2 逆矩阵

例题 3：求 3×3 逆矩阵（初等行变换法）

例题 4：不可逆矩阵的判定

例题 5：含参数的可逆性讨论

例题 6：实际应用——解线性方程组

五、编程实现

Python 代码实现

测试例题

相关阅读

方阵可逆揭秘：例题解析，掌握矩阵逆条件的实用技巧

方阵大小因数倍数解法，轻松应对小学数学难题

方阵高次幂解题技巧：轻松学会计算大矩阵幂次，例题解析助你一臂之力

五阶方阵数学难题解析：轻松掌握解题技巧，挑战数学极限！

揭秘小学数学方阵问题：例题详解，轻松学会计算方阵人数

方阵可逆矩阵详解：通过实际例题学会求逆矩阵技巧

小学数学方阵图例题解析：轻松掌握解题技巧，解决实际问题

方阵奥秘解密：轻松学会与对角矩阵相似的例题技巧

小学数学方阵与矩阵入门：轻松理解例题，培养空间思维

解两方阵等价问题，掌握关键技巧，轻松应对例题解析！