1 基本定义
1.1 可逆矩阵的定义
在矩阵论中，若一个 \(n \times n\) 方阵 \(A\) 存在同阶矩阵 \(B\)，使得 \[ AB=BA=I_n, \] 其中 \(I_n\) 为 \(n\) 阶单位矩阵，则称 \(A\) 为可逆矩阵，\(B\) 为 \(A\) 的逆矩阵，记作 \(A^{-1}\)。可逆矩阵只对方阵定义，这是因为只有同阶矩阵相乘后才可能得到单位矩阵。
可逆矩阵反映了矩阵对应线性变换的“可恢复性”：经过该变换后，原向量可以被唯一还原。这一性质使其成为线性代数中的核心概念之一。
1.2 左逆与右逆
若存在矩阵 \(L\) 使 \(LA=I\)，则称 \(L\) 为 \(A\) 的左逆；若存在矩阵 \(R\) 使 \(AR=I\)，则称 \(R\) 为 \(A\) 的右逆。对方阵而言，只要左逆或右逆之一存在，往往即可推出矩阵可逆，并且左逆与右逆最终相同。
在非方阵情形中，左逆和右逆可能不一致，甚至只有一侧存在。这种区别在一般矩阵理论和泛函分析中都有重要意义，但在“逆矩阵”这一通常概念下，默认讨论的仍是方阵的双边逆。
1.3 单位矩阵与逆矩阵的关系
单位矩阵在矩阵乘法中扮演类似数论中“1”的角色。任何可逆矩阵与其逆矩阵相乘，结果都等于单位矩阵；而单位矩阵本身也是可逆矩阵，且它的逆就是自身。
从群论角度看，所有同阶可逆矩阵在乘法下构成一个群，单位矩阵是其中的幺元，逆矩阵则对应群中的逆元。
1.4 非可逆矩阵与奇异矩阵
不可逆的方阵通常称为奇异矩阵，或非奇异矩阵的反面。若矩阵不存在逆矩阵，则它无法通过另一矩阵“抵消”回单位矩阵。此类矩阵常伴随行列式为零、秩不足、线性方程组无唯一解等现象。
奇异性意味着矩阵所表示的线性变换会压缩维度、丢失信息或使不同向量映射到同一点，因此无法从结果唯一恢复原始输入。
2 判定条件
2.1 行列式判别法
对于方阵 \(A\)，若 \(\det(A)\neq 0\)，则 \(A\) 可逆；若 \(\det(A)=0\)，则 \(A\) 不可逆。行列式因此成为判断可逆性的最常用工具之一。
这一条件的几何意义较直观：行列式可看作线性变换对体积的缩放因子。若缩放因子为零，说明变换把空间压扁到低维子空间中，信息发生损失，逆变换便不存在。
2.2 秩判别法
一个 \(n \times n\) 方阵可逆，当且仅当它的秩等于 \(n\)。秩表示矩阵中线性无关行或列的最大数量。若秩不足，则说明矩阵的行向量或列向量存在依赖关系，从而不能张成整个 \(n\) 维空间。
秩判别法在理论分析和数值计算中都很常见，尤其适合与线性方程组和向量组独立性问题联动使用。
2.3 初等变换判别法
若一个方阵可以通过有限次初等行变换化为单位矩阵，则它可逆。等价地，若在增广矩阵 \((A\mid I)\) 上进行行变换后，左边能够化为 \(I\)，则右边所得到的矩阵就是 \(A^{-1}\)。
这一方法不仅用于判断是否可逆，也是一种实用的求逆途径。其本质是利用初等变换对应的可逆操作性质，逐步把矩阵“化简”为标准形式。
2.4 特征值判别法
2.4.1 零特征值与不可逆性
如果方阵 \(A\) 存在零特征值，即存在非零向量 \(x\) 使 \(Ax=0\)，则 \(A\) 不可逆。因为可逆矩阵对应的线性映射只有零向量会被映到零向量，不会把非零向量压成零。
从特征多项式角度看，零是否为特征值直接影响矩阵的可逆性，因此特征值信息常用于分析矩阵结构。
2.4.2 谱性质与可逆性
更一般地说，方阵可逆当且仅当它的谱中不包含零。这里的“谱”在通常有限维情形下可理解为全部特征值集合。若零不在谱中，则矩阵对应的线性算子具有逆算子。
在复数域上，谱性质与矩阵的函数演算、谱分解等内容联系紧密，因此可逆性也常通过谱理论来讨论。
3 基本性质
3.1 逆矩阵的唯一性
若矩阵 \(A\) 的逆矩阵存在，则它是唯一的。设 \(B\) 与 \(C\) 都是 \(A\) 的逆矩阵，则有 \[ B=BI= B(AC)=(BA)C=IC=C. \] 因此同一个矩阵不可能对应多个不同的逆矩阵。
唯一性保证了记号 \(A^{-1}\) 的确定性，也为后续运算规则提供了基础。
3.2 逆矩阵的乘积性质
若 \(A\) 和 \(B\) 均可逆，则 \(AB\) 也可逆，且 \[ (AB)^{-1}=B^{-1}A^{-1}. \] 逆矩阵的乘积顺序与原乘积相反，这一点与一般算术中的“除法”直觉不同，原因在于矩阵乘法通常不可交换。
这一性质在矩阵分解、坐标变换连乘以及算法设计中非常重要。
3.3 转置与共轭转置的逆
若 \(A\) 可逆，则 \(A^T\) 也可逆，并且 \[ (A^T)^{-1}=(A^{-1})^T. \] 对于复矩阵，还成立 \[ (A^*)^{-1}=(A^{-1})^*, \] 其中 \(A^*\) 表示共轭转置。
这些关系说明，转置和共轭转置不会破坏可逆性，只会相应地把逆矩阵作同样的变换。
3.4 可逆矩阵的封闭性
可逆矩阵在乘法下具有封闭性：两个可逆矩阵相乘仍可逆；其逆矩阵也仍属于可逆矩阵集合。这使得同阶可逆矩阵构成一个代数结构良好的整体。
3.4.1 矩阵乘积的可逆性
若 \(A,B\) 可逆，则 \(AB\) 可逆，且逆为 \(B^{-1}A^{-1}\)。因此，在复合多个线性变换时，只要每一步都可逆，总变换就可逆。
这一点在坐标系叠加变换和矩阵分解中十分常见。
3.4.2 逆矩阵的逆
若 \(A\) 可逆，则其逆矩阵 \(A^{-1}\) 也可逆，并且 \[ (A^{-1})^{-1}=A. \] 这是逆运算最基本的回到原矩阵的性质，类似数的倒数再取倒数会回到原数。
4 计算方法
4.1 伴随矩阵法
对于可逆方阵 \(A\)，有 \[ A^{-1}=\frac{1}{\det(A)}\operatorname{adj}(A), \] 其中 \(\operatorname{adj}(A)\) 为伴随矩阵。该公式在理论推导中非常经典，但在高阶矩阵的实际计算中并不高效，因为需要计算大量余子式。
伴随矩阵法更适合用于证明性质或处理中低阶矩阵。
4.2 高斯消元法
高斯消元法是求逆的常用数值与手工计算方法。将增广矩阵 \((A\mid I)\) 通过初等行变换化为 \((I\mid A^{-1})\)，即可得到逆矩阵。
该方法步骤清晰，适用于一般方阵，也便于与求解线性方程组同步进行。实际应用中，常采用带主元选取的变体以提高稳定性。
4.3 初等矩阵法
每一次初等行变换都可表示为左乘一个初等矩阵。若若干初等矩阵的乘积能把 \(A\) 化为单位矩阵，那么这些初等矩阵逆向乘回去，就得到 \(A^{-1}\)。
这种方法将“变换过程”与“矩阵乘法”统一起来，适合理解矩阵可逆性的结构本质。
4.4 分块矩阵求逆
对于具有分块结构的矩阵，可以利用块运算求逆，通常比整体展开更简洁。该方法在大规模系统、控制理论和数值线性代数中很常见。
4.4.1 分块对角矩阵
若矩阵为分块对角形式，例如 \[ \begin{pmatrix} A & 0\\ 0 & B \end{pmatrix}, \] 且 \(A,B\) 都可逆，则其逆仍为分块对角矩阵： \[ \begin{pmatrix} A^{-1} & 0\\ 0 & B^{-1} \end{pmatrix}. \] 这反映了互不耦合的子系统可以分别处理。
4.4.2 Schur补方法
对于一般分块矩阵，若某个主块可逆，可以借助 Schur 补公式求逆。该方法把整体问题转化为较小块的组合运算，尤其适合分析块矩阵的可逆性及结构性质。
Schur补在统计学、优化理论和数值代数中都有广泛用途。
5 相关定理
5.1 逆矩阵存在定理
逆矩阵存在定理指出：对于方阵 \(A\)，以下条件彼此等价：\(A\) 可逆、\(\det(A)\neq 0\)、\(\operatorname{rank}(A)=n\)、齐次方程 \(Ax=0\) 只有零解、\(A\) 可化为单位矩阵等。
该定理把多个看似不同的判断标准统一起来，是可逆矩阵理论的核心结论。
5.2 矩阵乘积可逆定理
若 \(AB\) 可逆，则 \(A\) 与 \(B\) 都可逆；反之，若 \(A\) 与 \(B\) 都可逆，则 \(AB\) 可逆。此定理说明，矩阵乘积的可逆性与因子本身的可逆性紧密相关。
它常用于分析复合变换、矩阵分解以及算法中各步骤是否可逆。
5.3 秩-零化度定理
对线性映射而言，定义域维数等于像空间维数与零空间维数之和，即 \[ \dim(V)=\operatorname{rank}(T)+\operatorname{nullity}(T). \] 在矩阵语言下，这就是秩-零化度定理。若方阵可逆，则零空间维数为零，秩达到最大值。
该定理帮助从维数角度理解“为什么秩满才可逆”。
5.4 克拉默法则
克拉默法则给出了线性方程组在系数矩阵可逆时的显式解表达。对于 \(n\) 元线性方程组，若系数矩阵 \(A\) 可逆，则每个未知量都可用行列式比值表示。
5.4.1 线性方程组中的应用
克拉默法则适用于系数矩阵可逆的方程组，能够直接写出解的表达式。尽管对大规模问题计算量较大，但在理论分析和小规模系统中非常有用。
它也常用来证明某些参数条件下方程组具有唯一解。
5.4.2 行列式与唯一解条件
克拉默法则成立的前提是 \(\det(A)\neq 0\)。因此，它把“唯一解”与“行列式非零”直接联系起来。若行列式为零，则该法则不适用，方程组可能无解或有无穷多解。
6 线性方程组中的应用
6.1 通过逆矩阵求解方程组
对于线性方程组 \(Ax=b\)，若 \(A\) 可逆，则解可写为 \[ x=A^{-1}b. \] 这是可逆矩阵最直接的应用之一。它把求解过程转化为矩阵乘法，形式简洁。
不过在实际计算中，通常不直接先求逆再相乘，而是采用消元法或分解法，因为数值上更高效、也更稳定。
6.2 解的唯一性
当系数矩阵可逆时，线性方程组必有且只有一个解。反之，若方程组存在唯一解，则系数矩阵必可逆。因而，可逆性正是“唯一可解”的代数条件。
这一结论在建模、拟合和工程计算中尤为常见，因为它决定了模型参数能否被唯一确定。
6.3 参数矩阵与可逆性分析
在含参数的矩阵问题中，是否可逆往往取决于参数取值。通常需要通过计算行列式、分析秩变化或讨论特征值来确定参数范围。
这类问题常出现在控制系统、插值问题和符号计算中。参数改变可能导致矩阵由可逆变为奇异，进而引起解的性质突变。
6.4 解空间的结构解释
从几何上看，可逆矩阵对应的方程组解空间是一个单点；不可逆时，解空间可能为空，也可能是一个具有正维数的仿射子空间。可逆性决定了解的“自由度”是否被完全消除。
因此，矩阵是否可逆不仅是代数问题，也直接刻画了方程组解集的形状。
7 线性变换中的意义
7.1 可逆线性变换
线性变换 \(T:V\to V\) 若存在逆变换 \(T^{-1}\)，则称其为可逆线性变换。在线性代数中，这与矩阵可逆完全对应：在某组基下表示 \(T\) 的矩阵可逆，当且仅当 \(T\) 可逆。
可逆线性变换保留信息，不会把不同向量压缩为同一个结果。
7.2 同构与矩阵表示
向量空间之间的同构本质上就是一种可逆线性映射。若两个有限维向量空间同构，则它们在结构上完全一致，只是坐标表示不同。
矩阵作为线性映射的表示工具，使同构问题可以转化为矩阵是否可逆的判断，从而便于计算和分类。
7.3 基变换矩阵
基变换矩阵用于描述同一向量在不同基下的坐标转换。由于基与基之间存在一一对应关系，基变换矩阵一定可逆，其逆矩阵对应反向的坐标变换。
这使得可逆矩阵成为“不同坐标系统之间的桥梁”。
7.4 几何解释
可逆矩阵对应的线性变换在几何上不会“塌陷”空间，而是对空间进行可恢复的重新排列、拉伸或扭转。它保留线性结构，只改变表示方式。
7.4.1 旋转与缩放
旋转矩阵、非零缩放矩阵通常都是可逆的。旋转不会丢失信息，缩放只要比例不为零，也能通过反向缩放恢复。
这类变换是理解可逆性的直观入口。
7.4.2 反射与剪切
反射变换通常可逆，因为它有自身作为逆。剪切变换若参数正常，也可逆，其逆仍是剪切型变换。两者都不会将空间压扁成低维对象，因此保持可恢复性。
8 特殊类型的可逆矩阵
8.1 对角矩阵
对角矩阵是否可逆，只需检查主对角线元素是否全非零。若所有对角元都不为零，则逆矩阵仍为对角矩阵，其对角元分别取倒数。
这种矩阵结构简单，常用于表示独立方向上的缩放。
8.2 三角矩阵
上三角或下三角矩阵可逆的充要条件是主对角线元素全部非零。其逆矩阵仍为同类型三角矩阵。
三角矩阵在消元、递推和分解算法中非常重要，因为它们便于逐步回代计算。
8.3 正交矩阵
实正交矩阵满足 \(Q^TQ=I\)，因此必可逆，且 \[ Q^{-1}=Q^T. \] 正交矩阵对应长度和角度保持的变换，如旋转与反射。
由于数值性质良好，正交矩阵在计算中常被视为稳定结构。
8.4 酉矩阵
复数域中的酉矩阵满足 \(U^*U=I\)，其逆为共轭转置： \[ U^{-1}=U^*. \] 酉矩阵保持复内积、范数和正交性，是复线性空间中的标准“保结构”变换。
8.5 置换矩阵
置换矩阵由单位矩阵的行或列重新排列得到，必可逆，其逆仍是置换矩阵。置换矩阵的逆对应于原排列的反排列。
它们在行交换、数据重排和分解算法中经常出现。
9 逆矩阵的数值计算
9.1 数值稳定性
在浮点运算中，求逆并不总是稳定。若矩阵接近奇异，微小舍入误差可能被放大，导致计算结果偏差明显。
因此，实际应用中常优先采用分解方法而非显式求逆，以减少误差传播。
9.2 条件数
矩阵的条件数用于衡量问题对扰动的敏感程度。条件数越大，说明矩阵越接近奇异，求逆和解方程时越容易受误差影响。
这也是判断一个线性系统“好不好算”的重要指标。
9.3 误差分析
误差分析关注输入扰动、舍入误差与输出误差之间的关系。对于可逆矩阵，若条件良好，误差通常可控；若条件很差，则哪怕原始数据很小的变化，也可能导致结果显著偏移。
因此，在科学计算中，误差评估与可逆性分析往往需要结合进行。
9.4 计算机实现中的注意事项
计算机实现逆矩阵时，应尽量避免直接使用显式求逆来解方程组，通常改用 LU 分解、QR 分解或迭代方法。对于稀疏矩阵，更需要保留稀疏结构，以节省内存并提高效率。
同时，主元选取、舍入策略和精度控制也会影响最终结果的可靠性。
10 常见误区与性质辨析
10.1 可逆与可交换的区别
“可逆”表示存在逆矩阵，“可交换”则指两个矩阵乘法次序相同。二者是完全不同的概念：矩阵可逆并不意味着它与所有矩阵都可交换，甚至也不意味着与某一个特定矩阵可交换。
在矩阵运算中，不能把“能求逆”误解为“能交换”。
10.2 可逆不等于逐元素可除
矩阵的逆不是把每个元素逐个取倒数。矩阵求逆依赖整体结构，涉及行列式、秩和矩阵乘法关系，而不是元素级别的简单操作。
例如，对角矩阵可以逐元素倒数是因为其结构特殊；一般矩阵则绝不能这样处理。
10.3 行列式非零但结构不同的情形
虽然行列式非零足以保证可逆，但不同的可逆矩阵在几何和代数上可能差异巨大。有的接近旋转，有的接近强烈剪切，有的数值上极不稳定。
因此，“可逆”只是一个基本门槛，不代表矩阵具有相同的结构或良好的数值性质。
10.4 逆矩阵存在但未必易于显式写出
即便矩阵可逆，显式写出其逆也可能十分困难，尤其在高维、符号复杂或带参数的情况下。实际问题中，很多时候只需要通过算法求解 \(Ax=b\)，而不必把 \(A^{-1}\) 完整写出来。
这也是现代数值线性代数更重视分解与求解，而非直接构造逆矩阵的原因之一。