3. 克拉默法则:对于 n 阶方阵 A ,如果它的行列式 det(A) 不等于零,那么可以使用克拉默法则求解 Ax=b 中的未知量 x 。逆矩阵A^-1 = (1/det(A)) * adj(A) ,其中 adj(A) 表示 A 的伴随矩阵。这种方法适用于求解较小规模的矩阵逆。
4. LU 分解:将原始矩阵 A 分解为一个下三角矩阵 L 和一个上三角矩阵 U 的乘积,即 A=LU 。然后,可以使用 LU 分解的性质来求解 Ax=b 形式的线性方程组。在求解过程中,可以用 L 和 U 的逆矩阵代替它们本身,从而得到 A 的逆矩阵。
5. QR 分解:将原始矩阵 A 分解为一个正交矩阵 Q 和一个上三角矩阵 R 的乘积,即 A=QR 。类似于 LU 分解,可以使用 QR 分解的性质来求解 Ax=b 形式的线性方程组,并利用 Q 和 R 的逆矩阵作为代替得到 A 的逆矩阵。
6. 特征值分解:将原始矩阵 A 分解为特征向量构成的矩阵P和对角矩阵 D 的乘积,即 A=PDP^-1 。如果 A 是非奇异矩阵(行列式不为零),则可以使用特征值分解来求解 Ax=b 形式的线性方程组,其中 P^-1 可以代替 P 来得到 A 的逆矩阵。
7. SVD 分解:奇异值分解(Singular Value Decomposition)将原始矩阵 A 分解为三个矩阵 U 、Σ 和 V 的乘积,即 A=UΣV^T 。在 SVD 分解中,U 和 V 是正交矩阵,Σ 是一个对角矩阵。通过逆转 Σ 的对角元素,并利用 U 和 V 的逆矩阵代替它们本身,可以得到 A 的逆矩阵。