Когда существует обратная матрица. Обратная матрица и её свойства

Рассмотрим квадратную матрицу . Обозначим Δ = det A ее определитель. Квадратная В есть (ОМ) для квадратной А того же порядка, если их произведение А*В = В* А = Е, где Е - единичная матрица того же порядка, что и А и В.

Квадратная А называется невырожденной, или неособенной, если ее определитель отличен от нуля, и вырожденной, или особенной, если Δ = 0.

Теорема. Для того, чтобы А имела обратную, необходимо и достаточно, чтобы ее определитель был отличен от нуля.

(ОМ) А, обозначается через А -1 , так что В = А -1 и вычисляется по формуле

, (1)

где А i j - алгебраические дополнения элементов a i j , Δ = detA.

Вычисление A -1 по формуле (1) для матриц высокого порядка очень трудоемко, поэтому на практике бывает удобно находить A -1 с помощью метода элементарных преобразований (ЭП). Любую неособенную А путем ЭП только столбцов (или только строк) можно привести к единичной Е. Если совершенные над матрицей А ЭП в том же порядке применить к единичной Е, то в результате получится A -1 . Удобно совершать ЭП над А и Е одновременно, записывая обе рядом через черту A|E. Если нужно найти A -1 , в процессе преобразований следует использовать только строки или только столбцы.

Нахождение обратной матрицы с помощью алгебраических дополнений

Пример 1 . Для найти A -1 .

Решение. Находим сначала детерминант А
значит, (ОМ) существует и мы ее можем найти по формуле: , где А i j (i,j=1,2,3) - алгебраические дополнения элементов а i j исходной А.

Алгебраическое дополнение элемента a ij это определитель или минор M ij . Он получается вычеркиванием столбца i и строки j. Затем минор умножается на (-1) i+j , т.е. A ij =(-1) i+j M ij

откуда .

Нахождение обратной матрицы с помощью элементарных преобразований

Пример 2 . Методом элементарных преобразований найти A -1 для: А= .

Решение. Приписываем к исходной A справа единичную того же порядка: . С помощью элементарных преобразований столбцов приведем левую “половину” к единичной, совершая одновременно точно такие преобразования над правой "половиной".
Для этого поменяем местами первый и второй столбцы: ~. К третьему столбцу прибавим первый, а ко второму - первый, умноженный на -2: . Из первого столбца вычтем удвоенный второй, а из третьего - умноженный на 6 второй; . Прибавим третий столбец к первому и второму: . Умножим последний столбец на -1: . Полученная справа от вертикальной черты квадратная таблица является обратной А -1 . Итак,
.

Матрица А -1 называется обратной матрицей по отношению к матрице А, если А*А -1 = Е, где Е - единичная матрица n -го порядка. Обратная матрица может существовать только для квадратных матриц.

Назначение сервиса . С помощью данного сервиса в онлайн режиме можно найти алгебраические дополнения , транспонированную матрицу A T , союзную матрицу и обратную матрицу. Решение проводится непосредственно на сайте (в онлайн режиме) и является бесплатным. Результаты вычислений оформляются в отчете формата Word и в формате Excel (т.е. имеется возможность проверить решение). см. пример оформления .

Инструкция . Для получения решения необходимо задать размерность матрицы. Далее в новом диалоговом окне заполните матрицу A .

См. также Обратная матрица методом Жордано-Гаусса

Алгоритм нахождения обратной матрицы

1. Нахождение транспонированной матрицы A T .
2. Определение алгебраических дополнений. Заменяют каждый элемент матрицы его алгебраическим дополнением.
3. Составление обратной матрицы из алгебраических дополнений: каждый элемент полученной матрицы делят на определитель исходной матрицы. Результирующая матрица является обратной для исходной матрицы.

Следующий алгоритм нахождения обратной матрицы аналогичен предыдущему за исключением некоторых шагов: сначала вычисляются алгебраические дополнения, а затем определяется союзная матрица C .

1. Определяют, квадратная ли матрица. Если нет, то обратной матрицы для нее не существует.
2. Вычисление определителя матрицы A . Если он не равен нулю, продолжаем решение, иначе - обратной матрицы не существует.
3. Определение алгебраических дополнений.
4. Заполнение союзной (взаимной, присоединённой) матрицы C .
5. Составление обратной матрицы из алгебраических дополнений: каждый элемент присоединённой матрицы C делят на определитель исходной матрицы. Результирующая матрица является обратной для исходной матрицы.
6. Делают проверку: перемножают исходную и полученную матрицы. В результате должна получиться единичная матрица.

Пример №1 . Запишем матрицу в виде:

Алгебраические дополнения. ∆ 1,2 = -(2·4-(-2·(-2))) = -4 ∆ 2,1 = -(2·4-5·3) = 7 ∆ 2,3 = -(-1·5-(-2·2)) = 1 ∆ 3,2 = -(-1·(-2)-2·3) = 4

A -1 =

0,6 -0,4 0,8 0,7 0,2 0,1 -0,1 0,4 -0,3

Другой алгоритм нахождения обратной матрицы

Приведем другую схему нахождения обратной матрицы.

1. Находим определитель данной квадратной матрицы A .
2. Находим алгебраические дополнения ко всем элементам матрицы A .
3. Записываем алгебраические дополнения элементов строк в столбцы (транспонирование).
4. Делим каждый элемент полученной матрицы на определитель матрицы A .

Как видим, операция транспонирования может применяться как в начале, над исходной матрицей, так и в конце, над полученными алгебраическими дополнениями.

Особый случай : Обратной, по отношению к единичной матрице E , является единичная матрица E .

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} .

1. Находим определитель исходной матрицы. Если , то матрица- вырожденная и обратной матрицыне существует. Если, то матрицаневырожденная и обратная матрица существует.

2. Находим матрицу , транспонированную к.

3. Находим алгебраические дополнения элементов и составляем из них присоединенную матрицу.

4. Составляем обратную матрицу по формуле .

5. Проверяем правильность вычисления обратной матрицы , исходя из ее определения:.

Пример. Найти матрицу, обратную данной: .

Р е ш е н и е.

1) Определитель матрицы

.

2) Находим алгебраические дополнения элементов матрицы и составляем из них присоединенную матрицу :

3) Вычисляем обратную матрицу:

,

4) Проверяем:

№4 Ранг матрицы. Линейная независимость строк матрицы

Для решения и исследования ряда математических и прикладных задач важное значение имеет понятие ранга матрицы.

В матрице размеромвычеркиванием каких-либо строк и столбцов можно вычленить квадратные подматрицы-го порядка, где. Определители таких подматриц называютсяминорами -го порядка матрицы .

Например, из матриц можно получить подматрицы 1, 2 и 3-го порядка.

Определение. Рангом матрицы называется наивысший порядок отличных от нуля миноров этой матрицы. Обозначение:или.

Из определения следует:

1) Ранг матрицы не превосходит меньшего из ее размеров, т.е..

2) тогда и только тогда, когда все элементы матрицы равны нулю, т.е..

3) Для квадратной матрицы n-го порядка тогда и только тогда, когда матрица- невырожденная.

Поскольку непосредственный перебор всех возможных миноров матрицы , начиная с наибольшего размера, затруднителен (трудоемок), то пользуются элементарными преобразованиями матрицы, сохраняющими ранг матрицы.

Элементарные преобразования матрицы:

1) Отбрасывание нулевой строки (столбца).

2) Умножение всех элементов строки (столбца) на число .

3) Изменение порядка строк (столбцов) матрицы.

4) Прибавление к каждому элементу одной строки (столбца) соответствующих элементов другой строки (столбца), умноженных на любое число.

5) Транспонирование матрицы.

Определение. Матрица , полученная из матрицыпри помощи элементарных преобразований, называется эквивалентной и обозначаетсяА В .

Теорема. Ранг матрицы не изменяется при элементарных преобразованиях матрицы.

С помощью элементарных преобразований можно привести матрицу к так называемому ступенчатому виду, когда вычисление ее ранга не представляет труда.

Матрица называется ступенчатой если она имеет вид:

Очевидно, что ранг ступенчатой матрицы равен числу ненулевых строк , т.к. имеется минор-го порядка, не равный нулю:

.

Пример. Определить ранг матрицы с помощью элементарных преобразований.

Ранг матрицы равен количеству ненулевых строк, т.е. .

№5Линейная независимость строк матрицы

Дана матрица размера

Обозначим строки матрицы следующим образом:

Две строки называются равными , если равны их соответствующие элементы. .

Введем операции умножения строки на число и сложение строк как операции, проводимые поэлементно:

Определение. Строка называется линейной комбинацией строкматрицы, если она равна сумме произведений этих строк на произвольные действительные числа(любые числа):

Определение. Строки матрицы называютсялинейно зависимыми , если существует такие числа , не равные одновременно нулю, что линейная комбинация строк матрицы равна нулевой строке:

Где . (1.1)

Линейная зависимость строк матрицы обозначает, что хотя бы 1 строка матрицы является линейной комбинацией остальных.

Определение. Если линейная комбинация строк (1.1) равна нулю тогда и только тогда, когда все коэффициенты , то строкиназываютсялинейно независимыми .

Теорема о ранге матрицы . Ранг матрицы равен максимальному числу ее линейно независимых строк или столбцов, через которые линейно выражаются все остальные строки (столбцы).

Теорема играет принципиальную роль в матричном анализе, в частности, при исследовании систем линейных уравнений.

№6 Решение системы линейных уравнений снеизвестными

Системы линейных уравнений находят широкое применение в экономике.

Система линейных уравнений спеременными имеет вид:

,

где () - произвольные числа, называемыекоэффициентами при переменных и свободными членами уравнений , соответственно.

Краткая запись: ().

Определение. Решением системы называется такая совокупность значений , при подстановке которых каждое уравнение системы обращается в верное равенство.

1) Система уравнений называется совместной , если она имеет хотя бы одно решение, и несовместной , если она не имеет решений.

2) Совместная система уравнений называется определенной , если она имеет единственное решение, и неопределенной , если она имеет более одного решения.

3) Две системы уравнений называются равносильными (эквивалентными ) , если они имеют одно и то же множество решений (например, одно решение).

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)