逆矩阵公式的证明过程-逆矩阵公式证明｜深度解析
从初学者的畏手畏脚到高手的游刃有余——系统拆解 A(A^T)^{-1}A^T 的严谨推导、常见变体与实战应用，助您彻底掌握矩阵求逆核心理论
逆矩阵公式的证明过程核心公式解析
在数学的世界里，求逆矩阵就像是在黑夜中找路。大量初学者看到 A(A^T)^{-1}A^T 这样的式子，第一反应就是“畏手畏脚，怕算错”。实际上啊，这公式看着挺玄乎，但拆开看，它实际上就是我们要找的那个秘密钥匙。别急着背公式，咱们得把过程掰开了揉碎了，像剥洋葱一样一层层看明白。
• 维度匹配：若 A 是 m×n 矩阵，则 A(Aᵀ)⁻¹Aᵀ 是 m×m 的方阵
• 几何意义：当 A 列满秩时，该表达式表示投影矩阵到 A 的列空间上
• 对称性验证：[A(Aᵀ)⁻¹Aᵀ]ᵀ = A(Aᵀ)⁻¹Aᵀ，说明它是对称矩阵
核心定理：矩阵乘积的逆公式
对于可逆矩阵 A 和 B，有：(AB)⁻¹ = B⁻¹A⁻¹。这个看似简单的公式，却隐藏着深刻的数学逻辑。它告诉我们：逆运算不是简单的“倒过来”，而是要“逆序”。这就像穿衣服和脱衣服——先穿外套再穿毛衣，脱的时候必须先脱毛衣再脱外套。
设 A 是 n×n 可逆矩阵，则：
(A^T A)^{-1} = A^{-1} (A^T)^{-1} = A^{-1} A^{-T}
证明过程：
验证：(A^T A)(A^{-1} A^{-T}) = A^T (A A^{-1}) A^{-T} = A^T I A^{-T} = A^T A^{-T} = I
同理：(A^{-1} A^{-T})(A^T A) = I
因此，(A^T A)^{-1} = A^{-1} A^{-T} 成立。
重要推论：转置与逆的交换性
个常被忽视但至关重要的性质是：(A⁻¹)ᵀ = (Aᵀ)⁻¹。也就是说，先求逆再转置，与先转置再求逆，结果完全相同。这个性质在很多证明中起到“桥梁”作用。
证明：由 A A⁻¹ = I，两边同时转置得：
(A A^{-1})^T = I^T ⇒ (A^{-1})^T A^T = I
这说明 (A^{-1})^T 是 A^T 的逆矩阵，即：
(A^{-1})^T = (A^T)^{-1}
这个等式是许多复杂公式推导的基石。
逆矩阵公式证明经典案例深度剖析
案例1：具体数值验证 (AᵀA)⁻¹ = A⁻¹A⁻ᵀ
设矩阵 A 为：
A^T A = begin{bmatrix} 1 & 0 \ 1 & 1 end{bmatrix} begin{bmatrix} 1 & 1 \ 0 & 1 end{bmatrix} = begin{bmatrix} 1 & 1 \ 1 & 2 end{bmatrix}
对于 2×2 矩阵 begin{bmatrix} a & b \ c & d end{bmatrix}，其逆为 frac{1}{ad-bc}begin{bmatrix} d & -b \ -c & a end{bmatrix}
行列式 det = 1×2 - 1×1 = 1
(A^T A)^{-1} = frac{1}{1}begin{bmatrix} 2 & -1 \ -1 & 1 end{bmatrix} = begin{bmatrix} 2 & -1 \ -1 & 1 end{bmatrix}
计算 A 的逆：
A^{-1} = begin{bmatrix} 1 & -1 \ 0 & 1 end{bmatrix}
计算 A⁻ᵀ = (A⁻¹)ᵀ：
A^{-T} = begin{bmatrix} 1 & 0 \ -1 & 1 end{bmatrix}
计算 A⁻¹A⁻ᵀ：
A^{-1} A^{-T} = begin{bmatrix} 1 & -1 \ 0 & 1 end{bmatrix} begin{bmatrix} 1 & 0 \ -1 & 1 end{bmatrix} = begin{bmatrix} 2 & -1 \ -1 & 1 end{bmatrix}
两者结果完全一致：(A^T A)^{-1} = A^{-1} A^{-T} = begin{bmatrix} 2 & -1 \ -1 & 1 end{bmatrix}，证明成立！
案例2：单位矩阵的特殊情形
当 A 是单位矩阵 I 时，有：
因为 Iᵀ = I，且 I⁻¹ = I，所以：
(I^T I)^{-1} = (I I)^{-1} = I^{-1} = I
I^{-1} I^{-T} = I I = I
结论：公式在单位矩阵情形下依然成立。
这个特例说明：即使在最简单的情形下，公式也自洽，增强了其可信度。
案例3：正交矩阵的简化情形
当 A 是正交矩阵时，有 AᵀA = I，因此：
由正交矩阵定义：AᵀA = I
所以：(A^T A)^{-1} = I^{-1} = I
另一方面：A^{-1} A^{-T} = A^T (A^T)^T = A^T A = I
两者结果一致，再次验证公式。
逆矩阵公式证明常见误区警示
错误原因：忽略了矩阵乘法不满足交换律，逆序性被破坏。
正确形式：(AB)⁻¹ = B⁻¹A⁻¹
示例：若 A = begin{bmatrix} 1 & 1 \ 0 & 1 end{bmatrix}，B = begin{bmatrix} 1 & 0 \ 1 & 1 end{bmatrix}，则 AB ≠ BA，且 (AB)⁻¹ ≠ A⁻¹B⁻¹。
错误认知：认为两者没有关系或需要分别计算。
正确理解：(A⁻¹)ᵀ = (Aᵀ)⁻¹ 恒成立，可以互换使用。
记忆技巧：想象“转置”和“求逆”是两个操作，它们的顺序可以交换，就像“穿袜子”和“穿鞋”的顺序可以交换一样（虽然实际中不建议这样做！）。
关键点：所有逆矩阵公式都以矩阵可逆为前提！
可逆充要条件：det(A) ≠ 0，或 A 列满秩，或 A 行满秩（对方阵而言）。
反例：若 A = begin{bmatrix} 1 & 2 \ 2 & 4 end{bmatrix}，则 det(A) = 0，A 不可逆，所有逆矩阵公式均不适用。
常见错误：看到 A 和 A⁻¹ 就以为抵消。
真相：A(Aᵀ)⁻¹Aᵀ ≠ I，因为 A 和 Aᵀ 一般不 commute。
正确结论：当 A 是方阵且可逆时，A(Aᵀ)⁻¹Aᵀ = A(A⁻¹)ᵀAᵀ，其结果是 A 与 Aᵀ 的某种“中间态”，通常不等于 I。
逆矩阵公式证明分步推演
证明：若 A 是 n×n 可逆矩阵，则 (AᵀA)⁻¹ = A⁻¹A⁻ᵀ。
要证 X 是 Y 的逆，只需验证 XY = I 且 YX = I。设 X = A⁻¹A⁻ᵀ，Y = AᵀA。
YX = (AᵀA)(A⁻¹A⁻ᵀ) = Aᵀ(AA⁻¹)A⁻ᵀ = AᵀIA⁻ᵀ = AᵀA⁻ᵀ
由 (A⁻¹)ᵀ = (Aᵀ)⁻¹，得 AᵀA⁻ᵀ = Aᵀ(Aᵀ)⁻¹ = I。
XY = (A⁻¹A⁻ᵀ)(AᵀA) = A⁻¹(A⁻ᵀAᵀ)A = A⁻¹I A = A⁻¹A = I。
因 YX = I 且 XY = I，故 X = (AᵀA)⁻¹，即 (AᵀA)⁻¹ = A⁻¹A⁻ᵀ。
• I 是单位矩阵
• 所有矩阵均为同阶方阵且可逆
• 矩阵乘法满足结合律但不满足交换律
逆矩阵公式证明的实际应用场景
-
最小二乘法
在回归分析中，正规方程 (XᵀX)β = Xᵀy 的解为 β = (XᵀX)⁻¹Xᵀy，这里直接应用了逆矩阵公式。
-
投影矩阵
在线性空间中，向子空间的投影矩阵可表示为 A(AᵀA)⁻¹Aᵀ，是信号处理的核心工具。
-
机器学习
在高斯过程回归中，协方差矩阵的逆计算直接依赖于此类矩阵恒等式。
-
图像处理
在图像复原和去噪中，正则化方法常涉及 (AᵀA + λI)⁻¹ 的计算，可类比推导。
在通信系统中，接收信号 y = Ax + n，其中 A 是信道矩阵，x 是发送信号，n 是噪声。
最优线性无偏估计为：hat{x} = (A^T A)^{-1} A^T y
若 A 是方阵且可逆，则简化为：hat{x} = A^{-1} A^{-T} A^T y = A^{-1} y
这说明：当信道矩阵可逆时，发送信号可精确重建；否则需用伪逆等更复杂方法。
逆矩阵公式证明网友常见问题
A：这是出于计算效率的考虑！当 A 是 m×n 矩阵（m > n）且列满秩时，A 不是方阵，不可逆，但 AᵀA 是 n×n 方阵且可逆。此时 (AᵀA)⁻¹ 有意义，而 A⁻¹ 不存在。因此，(AᵀA)⁻¹ 的写法更具普适性。
A：不能。所有逆矩阵公式都要求矩阵可逆。若 A 奇异（det(A) = 0），则 A⁻¹ 不存在。此时可考虑用 Moore-Penrose 伪逆 A⁺，但公式形式会完全不同，例如 (AᵀA)⁺ = A⁺A⁺ᵀ。
A：记住三个关键词：逆序、转置交换、前提可逆。
• (AB)⁻¹ = B⁻¹A⁻¹ → 逆序
• (A⁻¹)ᵀ = (Aᵀ)⁻¹ → 转置与求逆可交换
• 所有公式前先检查 det(A) ≠ 0 → 前提可逆
A：需要稍作调整！在复数域中，应将转置 T 替换为共轭转置 H（Hermitian transpose）。即：(AᴴA)⁻¹ = A⁻¹A⁻ᴴ，其中 A⁻ᴴ = (A⁻¹)ᴴ = (Aᴴ)⁻¹。