Найти элемент обратной матрицы. Нахождение обратной матрицы. С помощью матрицы алгебраических дополнений

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).

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 .

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.

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} .

Исходной по формуле: A^-1 = A*/detA, где A* - присоединенная матрица, detA - исходной матрицы. Присоединенная матрица - это транспонированная матрица дополнений к элементам исходной матрицы.

Первым делом найдите определитель матрицы, он должен быть отличен от нуля, так как дальше определитель будет использоваться в качестве делителя. Пусть для примера дана матрица третьего (состоящая из трех строк и трех столбцов). Как видно, определитель матрицы не равен нулю, поэтому существует обратная матрица.

Найдите дополнения к каждому элементу матрицы A. Дополнением к A называется определитель подматрицы, полученной из исходной вычеркиванием i-ой строки и j-го столбца, причем этот определитель берется со знаком. Знак определяется умножением определителя на (-1) в степени i+j. Таким образом, например, дополнением к A будет определитель, рассмотренный на рисунке. Знак получился так: (-1)^(2+1) = -1.

В результате вы получите матрицу дополнений, теперь транспонируйте ее. Транспонирование - это операция, симметричная относительно главной диагонали матрицы, столбцы и строки меняются местами. Таким образом, вы нашли присоединенную матрицу A*.