企业官网建设流程全解析

线性代数里有个特别省事的小技巧：初等矩阵的逆矩阵，根本不用伴随矩阵、不用增广矩阵做初等变换，看上一眼就能写出来。我第一次意识到这个规律是在复习矩阵逆运算的时候，当时对着三种初等矩阵一个个用定义验证，结果发现它们全都是“把刚才那一步变换原样反着做一遍”。从那以后，凡是遇到求初等矩阵的逆，我基本就是直接看、直接写，整个过程不超过五秒。这篇文章就把这个方法彻底讲透，适合正在学线性代数、考研数学或者准备期末考的读者，只要你认得单位矩阵，就一定能看懂并学会。

1. 先搞清楚初等矩阵到底是什么

1.1 从单位矩阵出发的三种“小动作”

初等矩阵的定义并不复杂：单位矩阵经过一次初等行变换或初等列变换得到的矩阵，就是初等矩阵。注意三个关键词：单位矩阵、一次、初等变换。所谓“一次”，意味着只做一个动作，不能连续做两步。标准教材里把初等变换分成三类，对应着三种初等矩阵。

第一类是交换单位矩阵的两行或两列。比如把单位矩阵的第一行和第二行交换，得到的就是一个“换行矩阵”，通常记作 ( E_{ij} ) 或 ( P_{ij} )。它的矩阵形式里只有两行发生了交换，其余位置和单位矩阵一模一样。

第二类是给单位矩阵的某一行（或某一列）乘以一个非零常数 ( k )。比如把单位矩阵的第一行乘以 2，得到的矩阵主对角线上第一个元素变成 2，其余对角线元素仍然是 1。这类初等矩阵通常记作 ( E_i(k) )。

第三类是给单位矩阵的某一行加上另一行的 ( k ) 倍。比如把单位矩阵的第一行加上第二行的 3 倍，得到的矩阵在第一行第二列的位置上出现一个 3，其余位置不变。这类矩阵通常记作 ( E_{ij}(k) )，含义是“把第 j 行的 k 倍加到第 i 行”。

这三类看似简单，但它们是理解初等矩阵逆矩阵的唯一基础。你只要记住：初等矩阵其实就是一个“动作记录器”，记录了一次初等变换的每一个参数。

1.2 左乘右列：行变换和列变换的统一

为什么说初等矩阵能代表一次变换？因为矩阵乘法有一个“左行右列”的天然规则：对一个矩阵 ( A ) 做初等行变换，等价于在 ( A ) 的左边乘上对应的初等矩阵；做初等列变换，等价于在 ( A ) 的右边乘上对应的初等矩阵。

举个例子，想让矩阵 ( A ) 的第一行和第二行交换，我只需要计算 ( E_{12} A )。这里 ( E_{12} ) 就是单位矩阵交换第一行和第二行得到的初等矩阵。如果想让 ( A ) 的第一列和第二列交换，那就计算 ( A E_{12} )，用的是同一个初等矩阵，但乘在右边。

这个“左行右列”规则非常重要，因为初等矩阵的逆矩阵也要依赖它来理解。初学者最容易犯的错误就是忘记左右之别。比如求 ( E A ) 的逆，正确结果是 ( A^{-1} E^{-1} )，因为 ( (EA)^{-1} = A^{-1} E^{-1} )，顺序是反的。但你单独看 ( E ) 的逆，它依然是那个“反向操作矩阵”，这一点不受左右位置影响。

1.3 初等矩阵一定可逆，而且逆还是初等矩阵

所有初等变换都是可逆操作：交换过的行再交换一次就回去了；乘过 ( k ) 的行再乘 ( 1/k ) 就回去了；加过 ( k ) 倍的行再减去 ( k ) 倍就回去了。既然初等矩阵对应的变换可逆，那么初等矩阵本身必然可逆，而且它的逆矩阵正好对应反向变换。

这带来一个很漂亮的结论：初等矩阵的逆矩阵仍然是初等矩阵，而且属于同一种类型。交换型的逆还是交换型，倍乘型的逆还是倍乘型，倍加型的逆也还是倍加型。这个结论你不需要背，只需要记住“把动作反过来”这个直觉。后面所有“一眼看出”的技巧，全部建立在这条逻辑上。

2. 三种初等矩阵的逆矩阵速查表

2.1 第一类：交换两行/两行，逆矩阵是它自己

第一类初等矩阵最特殊，它的逆矩阵就是它本身。因为“交换第 i 行和第 j 行”这个操作执行两次，等于什么都没做。用符号表示就是 ( P_{ij} P_{ij} = I )，所以 ( P_{ij}^{-1} = P_{ij} )。

我在实际教学中发现，这个结论很多同学都不敢直接写，非得再用定义验证一下才放心。其实完全没必要。你想想，单位矩阵先交换第一行和第二行，得到 ( P_{12} )；再把 ( P_{12} ) 的第一行和第二行交换一次，是不是又变回了单位矩阵？因此 ( P_{12} ) 乘 ( P_{12} ) 就是单位矩阵，它当然是自己的逆。

需要注意的是，交换型初等矩阵的行列式永远是 -1，这也侧面说明它是可逆的。同时这种“自逆”性质有个专门名词叫对合矩阵。以后你只要看到某个初等矩阵由交换行得到，不管它交换的是哪两行，都可以放心地写：逆等于自身。

2.2 第二类：某行乘以常数 ( k )，逆矩阵把 ( k ) 换成 ( 1/k )

第二类初等矩阵 ( E_i(k) ) 的含义是：单位矩阵的第 i 行乘以 ( k )。它的逆矩阵非常简单，就是把 ( k ) 换成 ( 1/k )，即 ( E_i(k)^{-1} = E_i(1/k) )。

为什么？因为一个矩阵先乘以 ( k )，再乘以 ( 1/k )，相当于总共乘了 ( k \times (1/k) = 1 )，矩阵当然回到原来的状态。注意这里的 ( k ) 必须是非零常数，这是初等变换定义里明确要求的。 ( k = 0 ) 时，这个矩阵不可逆，它也不再是初等矩阵。

实操中还有一个容易忽略的细节：如果你看到某行乘的是负数，比如 ( E_2(-3) )，那它的逆就是 ( E_2(-1/3) )，负号要保留。因为 ( (-3) \times (-1/3) = 1 )。别一看到负号就觉得奇怪，本质上仍然是倒数关系。

2.3 第三类：某行加上另一行的 k 倍，逆矩阵把 k 换成 -k

第三类初等矩阵 ( E_{ij}(k) ) 表示“单位矩阵的第 j 行的 k 倍加到第 i 行上”。它的逆矩阵是 ( E_{ij}(-k) )，也就是“第 j 行的 k 倍从第 i 行上减去”。

我见过很多同学在这里写错，最典型的是把 ( E_{ij}(k) ) 的逆写成了 ( E_{ji}(-k) )，把下标也给换了。这是不对的。做“加上另一行的 k 倍”这个动作时，被操作的是第 i 行，提供倍数的是第 j 行。反过来做减法时，仍然是第 i 行被操作，第 j 行提供倍数，所以下标顺序 ( i j ) 不能变，变的只有 ( k ) 的正负号。

比如 ( E_{13}(4) ) 表示把第三行的 4 倍加到第一行上。它的逆就是把第三行的 4 倍从第一行上减去，也就是 ( E_{13}(-4) )。看，下标还是 ( 13 )，数值从 4 变成 -4。这个规律在矩阵里表现为：非对角线上的那个非零元素，从 ( k ) 变成 ( -k )，其余位置不变。

为了让你一眼对照，我把三种初等矩阵及其逆矩阵整理成下面的速查表：

这个表就是全文的核心。后面所有快速判断方法，本质上都是对这个表的灵活应用。

3. 如何“一眼看出”：读矩阵、找特征、直接写

3.1 三个特征：除了单位阵，只有一个位置“不一样”

现在进入真正的重点：拿到一个矩阵，怎么做到一眼看出它的逆？

我的方法分三步。第一步，先确认它是不是初等矩阵。确认方法很简单：把它和同阶单位矩阵对比，除单位矩阵外，只允许有一个位置不一样。这里“不一样”包括两种情况：主对角线上的元素不是 1，或者非主对角线位置出现非零元素。

为什么说只有一个位置不一样？因为初等矩阵是单位矩阵做一次变换得到的，一次变换不可能同时动两个位置。交换型矩阵比较特殊，它有两行都变了，但本质上可以理解为主对角线外的两个 1 互相交换位置，这个需要单独识别。其他两种初等矩阵，确实只有一个元素偏离单位矩阵。

第二步，判断它属于哪一类。看那个“不一样”的元素在哪里：

• 如果主对角线上某个元素不是 1，那就是倍乘型。因为单位矩阵的主对角线元素必然全是 1，只有某行乘以 ( k ) 才会把对应的对角线元素变成 ( k )。
• 如果非主对角线出现了一个非零元素，那就是倍加型。因为倍加操作只会在某行某列的交点处留下一个倍数 ( k )，其他位置不变。
• 如果矩阵里有两个主对角线元素“消失”了，而对应的两个非主对角线位置变成 1，那就是交换型。

第三步，根据类型直接写逆矩阵。倍乘型就把那个非 1 对角线元素写成倒数；倍加型就把那个非零元素写成相反数；交换型就原样照抄。

3.2 实战举例：5 个矩阵快速写出逆

光说理论不够，我直接带你过几个典型例子。假设现在有下面这 5 个 3 阶矩阵：

第一个矩阵：

[ A=\begin{pmatrix} 0 & 1 & 0 \ 1 & 0 & 0 \ 0 & 0 & 1 \end{pmatrix} ]

它和单位矩阵比，第一行第二行交换了，属于交换型。交换型的逆就是自己，所以 ( A^{-1}=A )。

第二个矩阵：

[ B=\begin{pmatrix} 1 & 0 & 0 \ 0 & 1 & 0 \ 0 & 0 & -\frac{1}{2} \end{pmatrix} ]

主对角线第三个元素是 ( -1/2 )，其他位置和单位矩阵一样，所以是倍乘型，对应“第三行乘以 ( -1/2 )”。逆矩阵把 ( -1/2 ) 换成它的倒数 ( -2 )，因此：

[ B^{-1}=\begin{pmatrix} 1 & 0 & 0 \ 0 & 1 & 0 \ 0 & 0 & -2 \end{pmatrix} ]

第三个矩阵：

[ C=\begin{pmatrix} 1 & 0 & 3 \ 0 & 1 & 0 \ 0 & 0 & 1 \end{pmatrix} ]

非主对角线位置 ( (1,3) ) 处有一个 3，这是“第三行的 3 倍加到第一行”，即 ( E_{13}(3) )。逆矩阵只要把这个 3 改成 -3：

[ C^{-1}=\begin{pmatrix} 1 & 0 & -3 \ 0 & 1 & 0 \ 0 & 0 & 1 \end{pmatrix} ]

第四个矩阵：

[ D=\begin{pmatrix} 1 & 0 & 0 \ 0 & 1 & 0 \ 2 & 0 & 1 \end{pmatrix} ]

看位置 ( (3,1) ) 处是 2，意思是“第一行的 2 倍加到第三行”，属于 ( E_{31}(2) )。逆矩阵写成 ( E_{31}(-2) )，也就是把第三行第一列的位置改成 -2：

[ D^{-1}=\begin{pmatrix} 1 & 0 & 0 \ 0 & 1 & 0 \ -2 & 0 & 1 \end{pmatrix} ]

第五个矩阵：

[ E=\begin{pmatrix} 1 & 0 & 0 \ 0 & 5 & 0 \ 0 & 0 & 1 \end{pmatrix} ]

主对角线第二个元素是 5，倍乘型，逆矩阵把 5 换成 ( 1/5 )：

[ E^{-1}=\begin{pmatrix} 1 & 0 & 0 \ 0 & \frac{1}{5} & 0 \ 0 & 0 & 1 \end{pmatrix} ]

以上五个例子覆盖了三种类型的所有典型情况。你把这套“找不同、判类型、写逆变换”三步走练熟以后，看到任何初等矩阵都能在五秒内写出答案。

3.3 验证为什么这样做是对的

有人可能会问：凭什么非对角线元素取相反数就是逆？我们用定义验一下。以 ( C=E_{13}(3) ) 为例，它左乘任意矩阵时，相当于把第三行的 3 倍加到第一行。而 ( E_{13}(-3) ) 左乘任意矩阵时，相当于把第三行的 3 倍从第一行减去。两个操作挨着做，先加 3 倍再减 3 倍，等于没做，所以乘积是单位矩阵：

[ E_{13}(-3)E_{13}(3)=I ]

同理，倍乘型 ( E_2(5) ) 左乘矩阵时把第二行乘以 5，接着用 ( E_2(1/5) ) 左乘就把第二行除以 5，两个操作抵消。于是：

[ E_2(1/5)E_2(5)=I ]

交换型就更直接了，( P_{12}P_{12}=I )。这就构成了完整的验证闭环。你会发现整个过程根本不用算伴随矩阵，也不用解方程组，完全靠“操作与逆操作”的对应关系。

4. 常见误区与排查技巧

4.1 别把倍加初等矩阵的逆写成“加另一个元素”

我批改作业时见过最多的错误，是把 ( E_{ij}(k) ) 的逆写成 ( E_{ji}(-k) )。比如把 ( E_{13}(3) ) 的逆写成：

[ \begin{pmatrix} 1 & 0 & 0 \ 0 & 1 & 0 \ 0 & 0 & 1 \end{pmatrix} ] 在位置 ( (3,1) ) 处填 -3。

错在哪里？我们对比一下：正确的 ( E_{13}(-3) ) 是在 ( (1,3) ) 处填 -3；错误的写法是在 ( (3,1) ) 处填 -3。这两个矩阵完全不是一回事。

为什么会写反？因为有些同学记初等矩阵时习惯记“第 j 行加到第 i 行”，逆矩阵时下意识把行和列也对调了。但其实变换的方向没有变：原来是把第三行加到第一行，逆操作仍然是“从第一行减去第三行”，先动的是第一行，提供倍数的是第三行，下标顺序始终是 ( i j )。记住这一点，就不会再把位置写错。

4.2 “左行右列”用反了，逆矩阵位置就写错

初等矩阵的逆本身不存在“左乘还是右乘”的问题，但当你把初等矩阵用在乘法里时，左右位置必须分清楚。比如你要求一个可逆矩阵 ( A ) 的逆，使用初等行变换时，应该左乘初等矩阵；使用初等列变换时，应该右乘初等矩阵。如果你用错方向，即使逆矩阵本身写对了，整个矩阵求逆过程也会崩。

有一个快速自检方法：观察初等矩阵的那个“特殊位置”。如果特殊位置在矩阵的 ( (i,j) ) 处，左乘它意味着影响目标矩阵的第 i 行；右乘它则意味着影响目标矩阵的第 j 列。你把初等变换记为“第 j 行加到第 i 行”，那么左乘时对应行变换，右乘时对应列变换，但符号和下标的含义会变。遇到混合情况，最稳妥的办法是回到“左行右列”去判断，别凭感觉。

4.3 不是所有可逆矩阵都是初等矩阵，但都能拆成初等矩阵的乘积

还有一类常见疑问：既然初等矩阵的逆这么简单，是不是所有可逆矩阵都能看成初等矩阵？不是。初等矩阵必须由单位矩阵只做一次初等变换得到，绝大多数可逆矩阵并不满足这个严格要求。

但反过来说，任何一个可逆矩阵都可以分解为若干个初等矩阵的乘积。这个结论在理论推导中非常有用。比如高斯消元的过程，就是左乘一系列初等矩阵把 ( A ) 化为行最简形。如果 ( A ) 可逆，行最简形就是单位矩阵，于是：

[ E_m \cdots E_2 E_1 A = I ]

所以：

[ A^{-1} = E_m \cdots E_2 E_1 ]

换句话说，你能把消元过程中用到的所有初等矩阵列出来，再把它们的逆矩阵按反向顺序乘起来，就得到了 ( A^{-1} )。在这个流程里，“初等矩阵的逆一眼看出”是省时间的关键。你要是每个初等矩阵的逆都要列竖式去算，那整个分解过程就失去了意义。

5. 从“一眼看出”到灵活运用

5.1 用初等矩阵逆矩阵来理解高斯消元

初等矩阵的逆不只是考试技巧，它能帮你真正理解线性方程组求解的本质。举个例子，解方程 ( Ax=b ) 时，高斯消元会把 ( A ) 逐步变成上三角矩阵 ( U )。这个过程的每一步都对应一个初等矩阵左乘 ( A )，也就是：

[ U = E_k \cdots E_1 A ]

如果你想知道原矩阵 ( A ) 怎么由 ( U ) 换回来，只需要对等式两边左乘那些初等矩阵的逆矩阵：

[ A = E_1^{-1} \cdots E_k^{-1} U ]

由于每个 ( E^{-1} ) 都能一眼写出，这个回代过程在纸面上几乎不需要计算。我在手算线性方程组时，经常用这个方法反推消元过程是否正确。如果在消元过程中某个初等矩阵的逆写错了，最后反推得到的 ( A ) 就会和原矩阵对不上，能立刻发现问题。

5.2 快速求逆矩阵的其他场景

除了理论上辅助理解，这个技巧在一些具体计算题里也能派上大用场。比如题目给了你一个分解式：

[ A = P_{12} E_2(3) E_{13}(-2) ]

要求 ( A^{-1} )。你不需要先算 ( A ) 再求逆，直接利用“乘积的逆等于反向顺序的逆”：

[ A^{-1} = E_{13}(-2)^{-1} E_2(3)^{-1} P_{12}^{-1} ]

根据速查表：

[ A^{-1} = E_{13}(2) E_2(1/3) P_{12} ]

然后再把这三个初等矩阵相乘，整个计算量比先求 ( A ) 再求逆小得多。这类题型在考研数学和线性代数竞赛里很常见，掌握“逆矩阵反向写”的技巧能节省大量时间。

5.3 一个小经验：先看变换再写逆

最后分享一个我的个人经验。每次拿到初等矩阵，我先不说“它是 ( E_{ij}(k) )”，而是先在心里把它的变换动作描述出来：交换哪两行、哪一行乘了什么数、哪一行加上了哪一行的多少倍。想清楚动作，逆矩阵就是“撤销动作”，自然就出来了。

这套思路尤其适合正在备考的同学。你不需要把三种初等矩阵的公式当成孤立结论死记硬背，而是把它们理解为“动作”与“反向动作”的关系。只要动作想明白，公式即使一时忘了也能在几秒内重新推导出来。我到现在做线性代数题遇到初等矩阵，依然是这个流程：看特殊位置，判定类型，心里默念一句“交换变自己、倍乘变倒数、倍加变相反数”，然后直接落笔写答案。

说句实在话，初等矩阵逆矩阵这块内容在矩阵理论里属于很小的一个点，但它能体现线性代数的一个核心思想：任何可逆变换都有对应的逆变换，而初等变换的逆变换往往就藏在原变换的“反号”或“取倒数”里。把这个小技巧练到条件反射，你在做矩阵分解、解方程组、求逆矩阵的时候都会比别人快不少。