Определение 1: матрица называется вырожденной, если её определитель равен нулю.

Определение 2: матрица называется невырожденной, если её определитель не равен нулю.

Матрица "A" называется обратной матрицей , если выполняется условие A*A-1 = A-1 *A = E (единичной матрице).

Квадратная матрица обратима только в том случае, когда она является невырожденной.

Схема вычисления обратной матрицы:

1) Вычислить определитель матрицы "A", если ∆ A = 0, то обратной матрицы не существует.

2) Найти все алгебраические дополнения матрицы "A".

3) Составить матрицу из алгебраических дополнений (Aij )

4) Транспонировать матрицу из алгебраических дополнений (Aij )T

5) Умножить транспонированную матрицу на число, обратное определителю данной матрицы.

6) Выполнить проверку:

На первый взгляд может показаться, что это сложно, но на самом деле всё очень просто. Все решения основаны на простых арифметических действиях, главное при решении не путаться со знаками "-" и "+", и не терять их.

А теперь давайте вместе с Вами решим практическое задание, вычислив обратную матрицу.

Задание: найти обратную матрицу "A", представленную на картинке ниже:

Решаем всё в точности так, как это указано в план-схеме вычисления обратной матрицы.

1. Первое, что нужно сделать, это найти определитель матрицы "A":

Пояснение:

Мы упростили наш определитель, воспользовавшись его основными функциями. Во первых, мы прибавили ко 2 и 3 строке элементы первой строки, умноженные на одно число.

Во-вторых, мы поменяли 2 и 3 столбец определителя, и по его свойствам поменяли знак перед ним.

В-третьих, мы вынесли общий множитель (-1) второй строки, тем самым, снова поменяв знак, и он стал положительным. Также мы упростили 3 строку также, как в самом начале примера.

У нас получилась треугольный определитель, у которого элементы ниже диагонали равны нулю, и по 7 свойству он равен произведению элементов диагонали. В итоге мы получили ∆ A = 26, следовательно обратная матрица существует.

А11 = 1*(3+1) = 4

А12 = -1*(9+2) = -11

А13 = 1*1 = 1

А21 = -1*(-6) = 6

А22 = 1*(3-0) = 3

А23 = -1*(1+4) = -5

А31 = 1*2 = 2

А32 = -1*(-1) = -1

А33 = 1+(1+6) = 7

3. Следующий шаг - составление матрицы из получившихся дополнений:

5. Умножаем эту матрицу на число, обратное определителю, то есть на 1/26:

6. Ну а теперь нам просто нужно выполнить проверку:

В ходе проверки мы получили единичную матрицу, следовательно, решение было выполнено абсолютно верно.

2 способ вычисления обратной матрицы.

1. Элементарное преобразование матриц

2. Обратная матрица через элементарный преобразователь.

Элементарное преобразование матриц включает:

1. Умножение строки на число, не равное нулю.

2. Прибавление к любой строке другой строки, умноженной на число.

3. Перемена местами строк матрицы.

4. Применяя цепочку элементарных преобразований, получаем другую матрицу.

А-1 = ?

1. (A|E) ~ (E|A-1 )

2. A-1 * A = E

Рассмотрим это на практическом примере с действительными числами.

Задание: Найти обратную матрицу.

Решение:

Выполним проверку:

Небольшое разъяснение по решению:

Сперва мы переставили 1 и 2 строку матрицы, затем умножили первую строку на (-1).

После этого умножили первую строку на (-2) и сложили со второй строкой матрицы. После чего умножили 2 строку на 1/4.

Заключительным этапом преобразований стало умножение второй строки на 2 и прибавлением с первой. В результате слева у нас получилась единичная матрица, следовательно, обратная матрица - это матрица справа.

После проверки мы убедились в правильности решения.

Как вы видите, вычисление обратной матрицы - это очень просто.

В заключении данной лекции хотелось бы также уделить немного времени свойствам такой матрицы.

АЛГЕБРАИЧЕСКИЕ ДОПОЛНЕНИЯ И МИНОРЫ

Пусть имеем определитель третьего порядка: .

Минором , соответствующим данному элементу a ij определителя третьего порядка, называется определитель второго порядка, полученный из данного вычёркиванием строки и столбца, на пересечении которых стоит данный элемент, т.е. i -ой строки и j -го столбца. Миноры соответствующие данному элементу a ij будем обозначать M ij .

Например , минором M 12 , соответствующим элементу a 12 , будет определитель , который получается вычёркиванием из данного определителя 1-ой строки и 2-го столбца.

Таким образом, формула, определяющая определитель третьего порядка, показывает, что этот определитель равен сумме произведений элементов 1-ой строки на соответствующие им миноры; при этом минор, соответствующий элементу a 12 , берётся со знаком “–”, т.е. можно записать, что

. (1)

Аналогично можно ввести определения миноров для определителей второго порядка и высших порядков.

Введём ещё одно понятие.

Алгебраическим дополнением элемента a ij определителя называется его минор M ij , умноженный на (–1) i+j .

Алгебраическое дополнение элемента a ij обозначается A ij .

Из определения получаем, что связь между алгебраическим дополнением элемента и его минором выражается равенством A ij = (–1) i+j M ij .

Например,

Пример. Дан определитель . Найти A 13 , A 21 , A 32 .

Легко видеть, что используя алгебраические дополнения элементов, формулу (1) можно записать в виде:

Аналогично этой формуле можно получить разложение определителя по элементам любой строки или столбца.

Например, разложение определителя по элементам 2-ой строки можно получить следующим образом. Согласно свойству 2 определителя имеем:

Разложим полученный определитель по элементам 1-ой строки.

. (2)

Отсюда т.к. определители второго порядка в формуле (2) есть миноры элементов a 21 , a 22 , a 23 . Таким образом, , т.е. мы получили разложение определителя по элементам 2-ой строки.

Аналогично можно получить разложение определителя по элементам третьей строки. Используя свойство 1 определителей (о транспонировании), можно показать, что аналогичные разложения справедливы и при разложении по элементам столбцов.

Таким образом, справедлива следующая теорема.

Теорема (о разложении определителя по заданной строке или столбцу). Определитель равен сумме произведений элементов какой–либо его строки (или столбца) на их алгебраические дополнения.

Всё вышесказанное справедливо и для определителей любого более высокого порядка.

Примеры.

ОБРАТНАЯ МАТРИЦА

Понятие обратной матрицы вводится только для квадратных матриц .

Если A – квадратная матрица, то обратной для неё матрицей называется матрица, обозначаемая A -1 и удовлетворяющая условию . (Это определение вводится по аналогии с умножением чисел)

Как правило, обратные операции используются для упрощения сложных алгебраических выражений. Например, если в задаче присутствует операция деления на дробь, можно заменить ее операцией умножения на обратную дробь, что является обратной операцией. Более того, матрицы делить нельзя, поэтому нужно умножать на обратную матрицу. Вычислять матрицу, обратную матрице размером 3х3, довольно утомительно, но нужно уметь делать это вручную. Также обратную величину можно найти с помощью хорошего графического калькулятора.

Шаги

С помощью присоединенной матрицы

Транспонируйте исходную матрицу. Транспонирование – это замена строк на столбцы относительно главной диагонали матрицы, то есть нужно поменять местами элементы (i,j) и (j,i). При этом элементы главной диагонали (начинается в верхнем левом углу и заканчивается в нижнем правом углу) не меняются.

  • Чтобы поменять строки на столбцы, запишите элементы первой строки в первом столбце, элементы второй строки во втором столбце, а элементы третьей строки в третьем столбце. Порядок изменения положения элементов показан на рисунке, на котором соответствующие элементы обведены цветными кружками.

  • Найдите определить каждой матрицы размером 2х2. Каждый элемент любой матрицы, включая транспонированную, связан с соответствующей матрицей 2х2. Чтобы найти матрицу 2х2, которая соответствует определенному элементу, зачеркните строку и столбец, в которых находится данный элемент, то есть нужно зачеркнуть пять элементов исходной матрицы 3х3. Незачеркнутыми останутся четыре элемента, которые являются элементами соответствующей матрицы 2х2.

    • Например, чтобы найти матрицу 2х2 для элемента, который расположен на пересечении второй строки и первого столбца, зачеркните пять элементов, которые находятся во второй строке и первом столбце. Оставшиеся четыре элемента являются элементами соответствующей матрицы 2х2.
    • Найдите определитель каждой матрицы 2х2. Для этого произведение элементов второстепенной диагонали вычтите из произведения элементов главной диагонали (смотрите рисунок).
    • Подробную информацию о матрицах 2х2, соответствующих определенным элементам матрицы 3х3, можно найти в интернете.

  • Создайте матрицу кофакторов. Результаты, полученные ранее, запишите в виде новой матрицы кофакторов. Для этого найденный определитель каждой матрицы 2х2 напишите там, где располагался соответствующий элемент матрицы 3х3. Например, если рассматривается матрица 2х2 для элемента (1,1), ее определитель запишите в позиции (1,1). Затем поменяйте знаки соответствующих элементов согласно определенной схеме, которая показана на рисунке.

    • Схема изменения знаков: знак первого элемента первой строки не меняется; знак второго элемента первой строки меняется на противоположный; знак третьего элемента первой строки не меняется и так далее построчно. Обратите внимание, что знаки «+» и «-», которые показаны на схеме (смотрите рисунок), не свидетельствуют о том, что соответствующий элемент будет положительным или отрицательным. В данном случае знак «+» говорит о том, что знак элемента не меняется, а знак «-» свидетельствует об изменении знака элемента.
    • Подробную информацию о матрицах кофакторов можно найти в интернете.
    • Так вы найдете присоединенную матрицу исходной матрицы. Иногда ее называют комплексно-сопряженной матрицей. Такая матрица обозначается как adj(M).

  • Разделите каждый элемент присоединенной матрицы на определитель. Определитель матрицы М был вычислен в самом начале, чтобы проверить, что обратная матрица существует. Теперь разделите каждый элемент присоединенной матрицы на этот определитель. Результат каждой операции деления запишите там, где находится соответствующий элемент. Так вы найдете матрицу, обратную исходной.

    • Определитель матрицы, которая показана на рисунке, равен 1. Таким образом, здесь присоединенная матрица является обратной матрицей (потому что при делении любого числа на 1 оно не меняется).
    • В некоторых источниках операция деления заменяется операцией умножения на 1/det(М). При этом конечный результат не меняется.

  • Запишите обратную матрицу. Запишите элементы, расположенные на правой половине большой матрицы, в виде отдельной матрицы, которая является обратной матрицей.

    С помощью калькулятора

      Выберите калькулятор, который работает с матрицами. С помощью простых калькуляторов нельзя найти обратную матрицу, но это можно сделать на хорошем графическом калькуляторе, таком как Texas Instruments TI-83 или TI-86.

      Введите исходную матрицу в память калькулятора. Для этого нажмите кнопку Matrix (Матрица), если она есть. В случае калькулятора Texas Instruments, возможно, понадобится нажать кнопки 2 nd и Matrix.

      Выберите меню Edit (Редактирование). Сделайте это с помощью кнопок со стрелками или соответствующей функциональной кнопки, которая находится в верхней части клавиатуры калькулятора (расположение кнопки зависит от модели калькулятора).

      Введите обозначение матрицы. Большинство графических калькуляторов умеет работать с 3-10 матрицами, которые можно обозначить буквами А-J. Как правило, просто выберите [A], чтобы обозначить исходную матрицу. Затем нажмите кнопку Enter (Ввод).

      Введите размер матрицы. В данной статье говорится о матрицах 3х3. Но графические калькуляторы умеют работать с матрицами больших размеров. Введите количество строк, нажмите кнопку Enter, затем введите количество столбцов и еще раз нажмите кнопку Enter.

      Введите каждый элемент матрицы. На экране калькулятора отобразится матрица. Если ранее в калькулятор уже вводилась матрица, она появится на экране. Курсор выделит первый элемент матрицы. Введите значение первого элемента и нажмите Enter. Курсор автоматически переместится к следующему элементу матрицы.

    Для решения системы линейных уравнений (3) относительно x 1 воспользуемся методом Гаусса .

    Аналогичным образом решаются остальные системы линейных уравнений (2).

    Наконец группа векторов столбцов x 1 , x 2 , ..., x n образует обратную матрицу A -1 .

    Заметим, что один раз находя матрицы перестановок P 1 ,P 2 , ... , P n-1 и матрицы исключений М 1 , М 2 , ..., M n-1 (см. страницу Метод исключения Гаусса) и построив матрицу

    M=M n-1 P n-1 ...M 2 P 2 M 1 P 1 ,

    систему (2) можно преобразовать к виду

    • MAx 1 =Me 1 ,
    • MAx 2 =Me 2 ,
    • ......
    • MAx n =Me n .

    Отсюда находятся x 1 ,x 2 , ..., x n , при разных правых частях Me 1 , Me 2 , ..., Me n .

    При вычислении обратной матрицы более удобно с правой стороны исходной матрицы добавить единичную матрицу и применять метод Гаусса в прямом и обратном направлениях.

    Рассмотрим это на примере.

    Пример вычисления обратной матрицы

    Пусть требуется найти обратную матрицу A -1 для данной матрицы A :

    Запишем с правой стороны единичную матрицу:

    Выбираем ведущий элемент "4" (т.к. он самый большой по модулю) и переставляем местами первую и третью строки:

    Применяем Гауссово исключение для первого столбца:

    Переставляем вторую и третью строки и применяем Гауссово исключение для второго столбца.

    Похожие на обратные по многим свойствам.

    Энциклопедичный YouTube

      1 / 5

      ✪ Обратная матрица (2 способа нахождения)

      ✪ Как находить обратную матрицу - bezbotvy

      ✪ Обратная матрица #1

      ✪ Решение системы уравнений методом обратной матрицы - bezbotvy

      ✪ Обратная Матрица

      Субтитры

    Свойства обратной матрицы

    • det A − 1 = 1 det A {\displaystyle \det A^{-1}={\frac {1}{\det A}}} , где det {\displaystyle \ \det } обозначает определитель .
    • (A B) − 1 = B − 1 A − 1 {\displaystyle \ (AB)^{-1}=B^{-1}A^{-1}} для двух квадратных обратимых матриц A {\displaystyle A} и B {\displaystyle B} .
    • (A T) − 1 = (A − 1) T {\displaystyle \ (A^{T})^{-1}=(A^{-1})^{T}} , где (. . .) T {\displaystyle (...)^{T}} обозначает транспонированную матрицу.
    • (k A) − 1 = k − 1 A − 1 {\displaystyle \ (kA)^{-1}=k^{-1}A^{-1}} для любого коэффициента k ≠ 0 {\displaystyle k\not =0} .
    • E − 1 = E {\displaystyle \ E^{-1}=E} .
    • Если необходимо решить систему линейных уравнений , (b - ненулевой вектор) где x {\displaystyle x} - искомый вектор, и если A − 1 {\displaystyle A^{-1}} существует, то x = A − 1 b {\displaystyle x=A^{-1}b} . В противном случае либо размерность пространства решений больше нуля, либо их нет вовсе.

    Способы нахождения обратной матрицы

    Если матрица обратима, то для нахождения обратной матрицы можно воспользоваться одним из следующих способов:

    Точные (прямые) методы

    Метод Гаусса-Жордана

    Возьмём две матрицы: саму A и единичную E . Приведём матрицу A к единичной матрице методом Гаусса-Жордана применяя преобразования по строкам (можно также применять преобразования и по столбцам, но не в перемешку). После применения каждой операции к первой матрице применим ту же операцию ко второй. Когда приведение первой матрицы к единичному виду будет завершено, вторая матрица окажется равной A −1 .

    При использовании метода Гаусса первая матрица будет умножаться слева на одну из элементарных матриц Λ i {\displaystyle \Lambda _{i}} (трансвекцию или диагональную матрицу с единицами на главной диагонали, кроме одной позиции):

    Λ 1 ⋅ ⋯ ⋅ Λ n ⋅ A = Λ A = E ⇒ Λ = A − 1 {\displaystyle \Lambda _{1}\cdot \dots \cdot \Lambda _{n}\cdot A=\Lambda A=E\Rightarrow \Lambda =A^{-1}} . Λ m = [ 1 … 0 − a 1 m / a m m 0 … 0 … 0 … 1 − a m − 1 m / a m m 0 … 0 0 … 0 1 / a m m 0 … 0 0 … 0 − a m + 1 m / a m m 1 … 0 … 0 … 0 − a n m / a m m 0 … 1 ] {\displaystyle \Lambda _{m}={\begin{bmatrix}1&\dots &0&-a_{1m}/a_{mm}&0&\dots &0\\&&&\dots &&&\\0&\dots &1&-a_{m-1m}/a_{mm}&0&\dots &0\\0&\dots &0&1/a_{mm}&0&\dots &0\\0&\dots &0&-a_{m+1m}/a_{mm}&1&\dots &0\\&&&\dots &&&\\0&\dots &0&-a_{nm}/a_{mm}&0&\dots &1\end{bmatrix}}} .

    Вторая матрица после применения всех операций станет равна Λ {\displaystyle \Lambda } , то есть будет искомой. Сложность алгоритма - O (n 3) {\displaystyle O(n^{3})} .

    С помощью матрицы алгебраических дополнений

    Матрица, обратная матрице A {\displaystyle A} , представима в виде

    A − 1 = adj (A) det (A) {\displaystyle {A}^{-1}={{{\mbox{adj}}(A)} \over {\det(A)}}}

    где adj (A) {\displaystyle {\mbox{adj}}(A)} - присоединенная матрица ;

    Сложность алгоритма зависит от сложности алгоритма расчета определителя O det и равна O(n²)·O det .

    Использование LU/LUP-разложения

    Матричное уравнение A X = I n {\displaystyle AX=I_{n}} для обратной матрицы X {\displaystyle X} можно рассматривать как совокупность n {\displaystyle n} систем вида A x = b {\displaystyle Ax=b} . Обозначим i {\displaystyle i} -ый столбец матрицы X {\displaystyle X} через X i {\displaystyle X_{i}} ; тогда A X i = e i {\displaystyle AX_{i}=e_{i}} , i = 1 , … , n {\displaystyle i=1,\ldots ,n} ,поскольку i {\displaystyle i} -м столбцом матрицы I n {\displaystyle I_{n}} является единичный вектор e i {\displaystyle e_{i}} . другими словами, нахождение обратной матрицы сводится к решению n уравнений с одной матрицей и разными правыми частями. После выполнения LUP-разложения (время O(n³)) на решение каждого из n уравнений нужно время O(n²), так что и эта часть работы требует времени O(n³) .

    Если матрица A невырождена, то для неё можно рассчитать LUP-разложение P A = L U {\displaystyle PA=LU} . Пусть P A = B {\displaystyle PA=B} , B − 1 = D {\displaystyle B^{-1}=D} . Тогда из свойств обратной матрицы можно записать: D = U − 1 L − 1 {\displaystyle D=U^{-1}L^{-1}} . Если умножить это равенство на U и L то можно получить два равенства вида U D = L − 1 {\displaystyle UD=L^{-1}} и D L = U − 1 {\displaystyle DL=U^{-1}} . Первое из этих равенств представляет собой систему из n² линейных уравнений для n (n + 1) 2 {\displaystyle {\frac {n(n+1)}{2}}} из которых известны правые части (из свойств треугольных матриц). Второе представляет также систему из n² линейных уравнений для n (n − 1) 2 {\displaystyle {\frac {n(n-1)}{2}}} из которых известны правые части (также из свойств треугольных матриц). Вместе они представляют собой систему из n² равенств. С помощью этих равенств можно реккурентно определить все n² элементов матрицы D. Тогда из равенства (PA) −1 = A −1 P −1 = B −1 = D. получаем равенство A − 1 = D P {\displaystyle A^{-1}=DP} .

    В случае использования LU-разложения не требуется перестановки столбцов матрицы D но решение может разойтись даже если матрица A невырождена.

    Сложность алгоритма - O(n³).

    Итерационные методы

    Методы Шульца

    { Ψ k = E − A U k , U k + 1 = U k ∑ i = 0 n Ψ k i {\displaystyle {\begin{cases}\Psi _{k}=E-AU_{k},\\U_{k+1}=U_{k}\sum _{i=0}^{n}\Psi _{k}^{i}\end{cases}}}

    Оценка погрешности

    Выбор начального приближения

    Проблема выбора начального приближения в рассматриваемых здесь процессах итерационного обращения матриц не позволяет относиться к ним как к самостоятельным универсальным методам, конкурирующими с прямыми методами обращения, основанными, например, на LU-разложении матриц. Имеются некоторые рекомендации по выбору U 0 {\displaystyle U_{0}} , обеспечивающие выполнение условия ρ (Ψ 0) < 1 {\displaystyle \rho (\Psi _{0})<1} (спектральный радиус матрицы меньше единицы), являющегося необходимым и достаточным для сходимости процесса. Однако при этом, во-первых, требуется знать сверху оценку спектра обращаемой матрицы A либо матрицы A A T {\displaystyle AA^{T}} (а именно, если A - симметричная положительно определённая матрица и ρ (A) ≤ β {\displaystyle \rho (A)\leq \beta } , то можно взять U 0 = α E {\displaystyle U_{0}={\alpha }E} , где ; если же A - произвольная невырожденная матрица и ρ (A A T) ≤ β {\displaystyle \rho (AA^{T})\leq \beta } , то полагают U 0 = α A T {\displaystyle U_{0}={\alpha }A^{T}} , где также α ∈ (0 , 2 β) {\displaystyle \alpha \in \left(0,{\frac {2}{\beta }}\right)} ; можно конечно упростить ситуацию и, воспользовавшись тем, что ρ (A A T) ≤ k A A T k {\displaystyle \rho (AA^{T})\leq {\mathcal {k}}AA^{T}{\mathcal {k}}} , положить U 0 = A T ‖ A A T ‖ {\displaystyle U_{0}={\frac {A^{T}}{\|AA^{T}\|}}} ). Во-вторых, при таком задании начальной матрицы нет гарантии, что ‖ Ψ 0 ‖ {\displaystyle \|\Psi _{0}\|} будет малой (возможно, даже окажется ‖ Ψ 0 ‖ > 1 {\displaystyle \|\Psi _{0}\|>1} ), и высокий порядок скорости сходимости обнаружится далеко не сразу.

    Примеры

    Матрица 2х2

    Невозможно разобрать выражение (синтаксическая ошибка): {\displaystyle \mathbf{A}^{-1} = \begin{bmatrix} a & b \\ c & d \\ \end{bmatrix}^{-1} = \frac{1}{\det(\mathbf{A})} \begin& \!\!-b \\ -c & \,a \\ \end{bmatrix} = \frac{1}{ad - bc} \begin{bmatrix} \,\,\,d & \!\!-b\\ -c & \,a \\ \end{bmatrix}.}

    Обращение матрицы 2х2 возможно только при условии, что a d − b c = det A ≠ 0 {\displaystyle ad-bc=\det A\neq 0} .