解析矩阵求逆：元素为$M_{jk}=j^k$的方阵$M$的逆矩阵解析表达式求解

嘿，好问题！这个元素为$M_{jk}=j^k$的$n×n$方阵属于一类特殊的幂矩阵（power matrix），它的逆矩阵确实存在清晰的解析表达式，而且和组合数学里的斯特林数、拉格朗日插值、有限差分这些核心工具紧密相关。下面我来一步步拆解：

从线性变换的角度理解矩阵意义 #

先理清这个矩阵对应的线性操作：它把系数向量$\boldsymbol{c}=(c_1,c_2,...,c_n)^{T$映射到向量$\boldsymbol{y}=(y_1,y_2,...,y_n)}T$，其中每个分量满足：
$$y_j = \sum_{k=1}^n c_k j^k$$
换句话说，这就是在点$x=1,2,...,n$处对多项式$P(x)=\sum_{k=1}^n c_k x^{k$求值。那么逆矩阵对应的操作就是：给定每个点的函数值$y_j=P(j)$，反推出多项式的系数$c_k$——这正是经典的插值问题，而逆矩阵的元素$M}{-1}_{k,j}$就是$c_k$关于$y_j$的线性组合系数。

两种常用的解析表达式形式 #

1. 基于拉格朗日插值的直接形式 #

根据拉格朗日插值公式，多项式$P(x)$可以用已知点的值表示为：
$$P(x) = \sum_{j=1}^n y_j \cdot L_j(x)$$
这里的$L_j(x)$是拉格朗日基多项式：
$$L_j(x) = \prod_{\substack{1 \leq m \leq n \ m \neq j}} \frac{x - m}{j - m}$$
而我们要找的系数$c_k$就是$L_j(x)$中$x^k$的系数，因此逆矩阵的元素可以直接写成：
$$M^{-1}_{k,j} = [x^k] L_j(x)$$
（注：$[x^{k]$是提取多项式中$x}k$系数的符号）

这个式子还能进一步化简：

• 分母部分：$\prod_{m≠j}(j-m) = (-1)^{n-j} j! (n-j)!$
• 分子部分：$\prod_{m≠j}(x-m) = \frac{(x)_n}{x-j}$（其中$(x)_n=x(x-1)...(x-n+1)$是下降阶乘）

代入后就能得到用阶乘和组合数表示的具体数值表达式。

2. 基于斯特林数的组合形式 #

利用第二类斯特林数$S(k,m)$（描述将$k$个元素划分为$m$个非空子集的方式数）和带符号第一类斯特林数$s(m,k)$（描述将$m$个元素排列为$k$个循环的带符号方式数）的互逆关系，我们可以实现幂次和下降阶乘的相互转换：
$$x^k = \sum_{m=1}^k S(k,m) (x)_m$$
$$(x)m = \sum{k=m}^n s(m,k) x^k$$

结合幂矩阵的结构，其逆矩阵的元素可以表示为：
$$M^{-1}{k,j} = \frac{1}{j!} \sum{m=k}^n (-1)^{m-j} \binom{m}{j} s(m,k) \binom{n}{m} m!$$
这个形式更偏向组合计数的意义，适合从离散数学的角度理解逆矩阵元素的来源。

参考文献推荐 #

这类结果属于组合线性代数的经典内容，你可以在以下权威资料中找到更严谨的推导和扩展：

• 《Concrete Mathematics》（Graham、Knuth、Patashnik 合著）：第6章关于斯特林数和有限差分的章节，详细讨论了幂多项式与插值的联系，能帮你理清背后的组合逻辑。
• 《Enumerative Combinatorics, Volume 1》（Stanley 著）：第1章介绍斯特林数时，提到了这类特殊矩阵的逆矩阵结构。
• 部分进阶线性代数教材（比如《Matrix Analysis》中的组合线性代数专题）也会涉及这类特殊矩阵的逆表达式推导。

内容的提问来源于stack exchange，提问作者user64620