如何算才像人？逆矩阵的性质，实际上就藏在做题的血里 别整那些虚头巴脑的“为了严谨”和“逻辑链条”。要懂逆矩阵，你就得把自己当成在考场上熬红了眼的题主。 你看啊，矩阵乘法这事儿，本质上就是一个个向量在打架。两个 $n times n$ 的方阵相乘，相当于把第一个矩阵的列向量跟第二个矩阵的行向量“拼凑”在一起。
要是这两个“拼凑”工具完好无损，那结局肯定非零；要是结局要么是零向量，要么是乱七八糟的，那就说明这两个工具里起码有一个被破坏坏了——也就是行列数不匹配，要么里面藏了个零。 这就引出了两个最核心的看法。 第一，要是两个矩阵能互逆，那它们非零。
这听起来有点废话，但凑够课前的例子，你会发现大量老师都爱琢磨这个。
比如算 $begin{pmatrix} 1 & 2 \ 3 & 4 end{pmatrix}$ 的逆，第一步得判断行列式 $1times4 - 2times3 = -2$，不为 0，这才敢往下冲。
你看，要是行列式是 0，比如 $begin{pmatrix} 1 & 2 \ 3 & 6 end{pmatrix}$，它的逆根本不存有。
这时候你心里要是不慌，反而挺好办犯迷糊的。你估摸认定“没算出来就不可能是矩阵”，结局一算发现真没出来，心里就凉了半截。但这个坑，考试时藏着无数人掉进去。 第二，逆矩阵要是存有，那它们彼此对等。
这就好比两个人手里拿着计算器，互相算出来的结局务必一样。
要是 A 的逆是 B，那 A 乘以 B 等于单位阵 $E$。
反过来，B 乘以 A 也得等于 $E$。
这个性质在纯矩阵乘法里特别好用。平时做题，看到 $AB=E$，你脑子里要自动蹦出 $BA=E$。记得那个 $begin{pmatrix} 1 & 0 \ 0 & 1 end{pmatrix}$ 的事例吗？只要行列式不为 0，逆矩阵肯定存有，并且它们一定是对等矩阵。
要是它们不互等，那只能是它们本身就不存有了，要么根本算不出来。考试时，看到这种题，别慌，直接套公式，要么用初等行变换把它化成单位阵的过程，就是验证它们是否对等的最好办法。 自然，最让人抓狂的，还是那个“存有性”。 矩阵的逆矩阵万一不存有，那该如何办？这是个大坑。大局部时候，你只能宣布“不存有”。但万一题目让你证明某个逆矩阵的存有性，要么让你判断它一定存有呢？这时候就得用初等行变换了。 想象一下，$AX=E$ 这个方程，$A$ 是一堆乱码，$X$ 是我们要找的解。我们要找 $X$，就得把 $A$ 变形成单位阵 $E$。
要是 $A$ 能变成 $E$，说明 $A$ 可逆，那 $X$ 肯定能算出来。
这就好比把一堵墙拆成砖块，要是拆完能拼成原来的房子形状，那房子肯定存有。 举个例子，假设我们要算 $A = begin{pmatrix} 1 & 2 \ 2 & 4 end{pmatrix}$ 的逆。先试行列式，$1times4 - 2times2 = 0$，哦，这玩意儿行列式是 0，逆矩阵肯定“找”不到。
这时候要是你硬要证明它存有，那是骗人，出于数学上它根本不存有。考试时遇到这种情况，要是题目问“是否存有”，你的答案就是“不存有”。
要是题目问“求逆矩阵”，那这道题就是错题，要么你没算对系数。 反过来，要是题目让你求 $A^{-1}$ 但不给行列式，该如何办？这时候得用初等行变换法，要么高斯消元法。先把 $A$ 和 $E$ 拼在一起，做成增广矩阵 $begin{pmatrix} A & E end{pmatrix}$。左边做行变换，右边跟着变。
要是左边能变成 $E$，右边自然变成 $A^{-1}$。
这一套过程，实际上就是在不断“拆解”这个矩阵，把它还原成单位阵。 你可能会认定，如此写是不是忒啰嗦了？就像写代码一样，明明知道如何写，还是得写清楚每一步的变量名。 比如，从 $begin{pmatrix} 1 & 2 \ 2 & 4 end{pmatrix}$ 启动。
第一步，消元：$R_2 - 2R_1$，行变成 $begin{pmatrix} 1 & 2 \ 0 & 0 end{pmatrix}$。
哎哟，这行全 0 了，逆矩阵断了，没法持续化简。
这说明刚刚那列，是死胡同，没法逆回去。 再比如一个正例。算 $begin{pmatrix} 2 & 1 \ 1 & 1 end{pmatrix}$ 的逆。行列式 $2times1 - 1times1 = 1 neq 0$，稳的。用高斯消元法： $begin{pmatrix} 2 & 1 \ 1 & 1 end{pmatrix} xrightarrow{R_2 - 0.5R_1} begin{pmatrix} 2 & 1 \ 0 & 0.5 end{pmatrix} xrightarrow{R_2 div 0.5} begin{pmatrix} 2 & 1 \ 0 & 1 end{pmatrix} xrightarrow{R_1 - 2R_2} begin{pmatrix} 0 & -1 \ 0 & 1 end{pmatrix} xrightarrow{R_1 div -1} begin{pmatrix} 0 & 1 \ 0 & 1 end{pmatrix} dots$ （中间步骤省略，反正最终务必变回 $begin{pmatrix} 1 & 0 \ 0 & 1 end{pmatrix}$） 你看，每一步操作都有点乱，就连会出现系数除不尽的情况，比如除以 0.5 变成 2。
这时候你脑子里得有个数感，知道哪些数字能整除，哪些不能。考试时要是遇到除不尽的，大约率就是思路不对，要么题抄错了。 还有啊，有时候题目会问“证明逆矩阵一定对等”。
这时候你就得小心了。 要是一个矩阵可逆，它的逆矩阵 $A^{-1}$ 不只是是不存有的，它还是 $A$ 的“镜像”。$AA^{-1}=E$ 且 $A^{-1}A=E$。
要是 $A$ 是实对称矩阵（像 $begin{pmatrix} 1 & 2 & 2 \ 2 & 1 & 2 \ 2 & 2 & 1 end{pmatrix}$），它的逆矩阵也是实对称的。但要是 $A$ 不对称，比如 $begin{pmatrix} 1 & 1 \ 0 & 1 end{pmatrix}$，它的逆是 $begin{pmatrix} 1 & -1 \ 0 & 1 end{pmatrix}$，显然不对称。 故此，说“逆矩阵一定对等”这句话，实际上是个伪命题。
要不就前提里加了“同级”、“异级”要么“相同形式”这种限定词。在考试卷面上，要是你直接写了“逆矩阵对等”，阅卷老师大约率会给个“概念不清”的扣分项。 最终再啰嗦两句。矩阵的运算，有时候就像是在玩俄罗斯方块。有的方块能合法组合，有的就是绝对非法。逆矩阵就是那个“能不能合法组合”的判定器。 要是 $A$ 能组合出 $E$，那 $A^{-1}$ 就存有。
要是 $A$ 组合不出 $E$，那 $A^{-1}$ 就不存有。 大量学生犯的毛病，就是认定“只要行列式不为 0，就一定能求出逆矩阵”。
实际上只是能求出形式上的逆矩阵，不一定能算出数值上的解。
有时候解出来是分数，有时候是无限循环小数。在考场上，要是题目没说要求“有理数解”要么“整数解”，那把分数写进答案，一般也是对的。 总而言之，逆矩阵这东西，别把它当死书背。把它当成个工具，一个用来“破坏”矩阵、然后“修复”它回到单位阵的工具。 救人一命，胜造七级浮屠。逆矩阵存有，你的解就稳了；逆矩阵不存有，你的题就废了。 做题时，别纠结那些漂亮的定理名字，只看操作，看结局，看能不能变回 $E$。
这才是数学人该有的样子。