二矩阵求逆矩阵：
若ad-bc≠哦，则：
扩展资料：
初等变换法
求元索为具体数字的矩阵的逆矩阵，常用初等变换法‘如果A可逆，则A’可通过初等变换，化为单位矩阵 I ，
即存在初等矩阵使 ：
（1） ；
（2）用 右乘上式两端，得： ；
比较（1）、（2）两式，可以看到当A通过初等变换化为单位处阵的同时，对单位矩阵I作同样的初等变换，就化为A的逆矩阵 。
用矩阵表示：
这就是求逆矩阵的初等行变换法，它是实际应用中比较简单的一种方法。需要注意的是，在作初等变换时只允许作行初等变换。同样，只用列初等变换也可以求逆矩阵。
参考资料：百度百科——矩阵求逆
二阶矩阵的逆是伴随矩阵除以行列式。
二阶矩阵求逆矩阵最简单的办法就是行列式分之伴随，二阶求伴随主对角线互换副对角线变号。
定理
（1）逆矩阵的唯一性。
若矩阵A是可逆的，则A的逆矩阵是唯一的，并记作A的逆矩阵为A-1。
（2）n阶方阵A可逆的充分必要条件是r(A)=m。
对n阶方阵A,若r(A)=n,则称A为满秩矩阵或非奇异矩阵。
（3）任何一个满秩矩阵都能通过有限次初等行变换化为单位矩阵。
二矩阵求逆矩阵：
若ad-bc≠哦，则：
矩阵求逆，即求矩阵的逆矩阵。矩阵是线性代数的上要内容，很多实际问题用矩阵的思想去解既简单又快捷。逆矩阵又是矩阵理论的很重要的内容，逆矩阵的求法自然也就成为线性代数研究的主要内容之一。
设A是数域上的一个n阶方阵，若在相同数域上存在另一个n阶矩B，使得： AB=BA=E。 则我们称B是A的逆矩阵，而A则被称为可逆矩阵。其中，E为单位矩阵。
典型的矩阵求逆方法有：利用定义求逆矩阵、初等变换法、伴随阵法、恒等变形法等。
求元索为具体数字的矩阵的逆矩阵，常用初等变换法‘如果A可逆，则A’可通过初等变换，化为单位矩阵 I ，即存在初等矩阵使 ：
（1） ；
（2）用 右乘上式两端，得： ；
比较（1）、（2）两式，可以看到当A通过初等变换化为单位处阵的同时，对单位矩阵I作同样的初等变换，就化为A的逆矩阵 。
扩展资料：
线性（linear）指量与量之间按比例、成直线的关系，在数学上可以理解为一阶导数为常数的函数。
非线性（non-linear）则指不按比例、不成直线的关系，一阶导数不为常数。
线性代数起源于对二维和三维直角坐标系的研究。在这里，一个向量是一个有方向的线段，由长度和方向同时表示。这样向量可以用来表示物理量，比如力，也可以和标量做加法和乘法。这就是实数向量空间的第一个例子。
现代线性代数已经扩展到研究任意或无限维空间。一个维数为 n 的向量空间叫做n 维空间。在二维和三维空间中大多数有用的结论可以扩展到这些高维空间。尽管许多人不容易想象n 维空间中的向量，这样的向量（即n 元组）用来表示数据非常有效。
由于作为 n 元组，向量是n 个元素的“有序”列表，大多数人可以在这种框架中有效地概括和操纵数据。比如，在经济学中可以使用 8 维向量来表示 8 个国家的国民生产总值（GNP）。当所有国家的顺序排定之后，比如（中国、美国、英国、法国、德国、西班牙、印度、澳大利亚），可以使用向量（v1,v2,v3,v4,v5,v6,v7,v8）显示这些国家某一年各自的 GNP。
这里，每个国家的 GNP 都在各自的位置上。
作为证明定理而使用的纯抽象概念，向量空间（线性空间）属于抽象代数的一部分，而且已经非常好地融入了这个领域。一些显著的例子有：不可逆线性映射或矩阵的群，向量空间的线性映射的环。线性代数也在数学分析中扮演重要角色，特别在 向量分析中描述高阶导数，研究张量积和可交换映射等领域。
参考资料：
矩阵求逆_百度百科
线性代数（数学分支学科）_百度百科
欢迎分享，转载请注明来源：民族网
