Обратная матрица примеры с решением 2х2. Матричная алгебра - обратная матрица

Способы нахождения обратной матрицы, . Рассмотрим квадратную матрицу

Обозначим Δ =det A.

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

Квадратная матрица В есть для квадратной матрицы А того же порядка, если их произведение А В = В А = Е, где Е - единичная матрица того же порядка, что и матрицы А и В.

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

Обратная матрица матрице 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 матрицы A..

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 матрицу А путем ЭП только столбцов (или только строк) можно привести к единичной матрице Е. Если совершенные над матрицей А ЭП в том же порядке применить к единичной матрице Е, то в результате получится обратная матрица. Удобно совершать ЭП над матрицами А и Е одновременно, записывая обе матрицы рядом через черту. Отметим еще раз, что при отыскании канонического вида матрицы с целью нахождения можно пользоваться преобразованиями строк и столбцов. Если нужно найти обратную матрицу, в процессе преобразований следует использовать только строки или только столбцы.

Пример 2.10 . Для матрицы найти A -1 .

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

Откуда .

Пример 2.11 . Методом элементарных преобразований найти A -1 для матрицы: А= .

Решение. Приписываем к исходной матрице справа единичную матрицу того же порядка: . С помощью элементарных преобразований столбцов приведем левую “половину” к единичной, совершая одновременно точно такие преобразования над правой матрицей.
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 матрица является обратной матрицей к данной матрице А. Итак,
.

Рассмотрим проблему определения операции, обратной умножению матриц.

Пусть A - квадратная матрица порядка n . Матрица A^{-1} , удовлетворяющая вместе с заданной матрицей A равенствам:

A^{-1}\cdot A=A\cdot A^{-1}=E,

Из определения следует, что если обратная матрица A^{-1} существует, то она квадратная того же порядка, что и A . Однако не для всякой квадратной матрицы существует обратная. Если определитель матрицы A равен нулю (\det{A}=0) , то для нее не существует обратной. В самом деле, применяя теорему об определителе произведения матриц для единичной матрицы E=A^{-1}A получаем противоречие

\det{E}=\det(A^{-1}\cdot A)=\det{A^{-1}}\det{A}=\det{A^{-1}}\cdot0=0

Теорема 4.1 о существовании и единственности обратной матрицы. Квадратная матрица A=\begin{pmatrix}a_{11}&\cdots&a_{1n}\\ \vdots&\ddots&\vdots\\ a_{n1}&\cdots&a_{nn} \end{pmatrix} , определитель которой отличен от нуля, имеет обратную матрицу и притом только одну:

A^{-1}=\frac{1}{\det{A}}\cdot\! \begin{pmatrix}A_{11}&A_{21}&\cdots&A_{1n}\\ A_{12}&A_{22}&\cdots&A_{n2}\\ \vdots&\vdots&\ddots&\vdots\\ A_{1n}&A_{2n}&\cdots&A_{nn} \end{pmatrix}= \frac{1}{\det{A}}\cdot A^{+},

где A^{+} - матрица, транспонированная для матрицы, составленной из алгебраических дополнений элементов матрицы A .

Матрица A^{+} называется присоединенной матрицей по отношению к матрице A .

В самом деле, матрица \frac{1}{\det{A}}\,A^{+} существует при условии \det{A}\ne0 . Надо показать, что она обратная к A , т.е. удовлетворяет двум условиям:

\begin{aligned}\mathsf{1)}&~A\cdot\!\left(\frac{1}{\det{A}}\cdot A^{+}\right)=E;\\ \mathsf{2)}&~ \!\left(\frac{1}{\det{A}}\cdot A^{+}\right)\!\cdot A=E.\end{aligned}

Докажем первое равенство. Согласно п.4 замечаний 2.3, из свойств определителя следует, что AA^{+}=\det{A}\cdot E . Поэтому

A\cdot\!\left(\frac{1}{\det{A}}\cdot A^{+}\right)= \frac{1}{\det{A}}\cdot AA^{+}= \frac{1}{\det{A}}\cdot \det{A}\cdot E=E,

что и требовалось показать. Аналогично доказывается второе равенство. Следовательно, при условии \det{A}\ne0 матрица A имеет обратную

A^{-1}=\frac{1}{\det{A}}\cdot A^{+}.

Единственность обратной матрицы докажем от противного. Пусть кроме матрицы A^{-1} существует еще одна обратная матрица B\,(B\ne A^{-1}) такая, что AB=E . Умножая обе части этого равенства слева на матрицу A^{-1} , получаем \underbrace{A^{-1}AB}_{E}=A^{-1}E . Отсюда B=A^{-1} , что противоречит предположению B\ne A^{-1} . Следовательно, обратная матрица единственная.

Замечания 4.1

1. Из определения следует, что матрицы A и A^{-1} перестановочны.

2. Матрица, обратная к невырожденной диагональной, является тоже диагональной:

\Bigl[\operatorname{diag}(a_{11},a_{22},\ldots,a_{nn})\Bigr]^{-1}= \operatorname{diag}\!\left(\frac{1}{a_{11}},\,\frac{1}{a_{22}},\,\ldots,\,\frac{1}{a_{nn}}\right)\!.

3. Матрица, обратная к невырожденной нижней (верхней) треугольной, является нижней (верхней) треугольной.

4. Элементарные матрицы имеют обратные, которые также являются элементарными (см. п.1 замечаний 1.11).

Свойства обратной матрицы

Операция обращения матрицы обладает следующими свойствами:

\begin{aligned}\bold{1.}&~~ (A^{-1})^{-1}=A\,;\\ \bold{2.}&~~ (AB)^{-1}=B^{-1}A^{-1}\,;\\ \bold{3.}&~~ (A^T)^{-1}=(A^{-1})^T\,;\\ \bold{4.}&~~ \det{A^{-1}}=\frac{1}{\det{A}}\,;\\ \bold{5.}&~~ E^{-1}=E\,. \end{aligned}

Докажем свойство 2: если произведение AB невырожденных квадратных матриц одного и того же порядка имеет обратную матрицу, то (AB)^{-1}=B^{-1}A^{-1} .

Действительно, определитель произведения матриц AB не равен нулю, так как

\det(A\cdot B)=\det{A}\cdot\det{B} , где \det{A}\ne0,~\det{B}\ne0

Следовательно, обратная матрица (AB)^{-1} существует и единственна. Покажем по определению, что матрица B^{-1}A^{-1} является обратной по отношению к матрице AB . Действительно.

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.

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:

Другой алгоритм 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 .

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

Пусть имеется квадратная матрица n-го порядка

Матрица А -1 называется обратной матрицей по отношению к матрице А, если А*А -1 = Е, где Е — единичная матрица n-го порядка.

Единичная матрица — такая квадратная матрица, у которой все элементы по главной диагонали, проходящей от левого верхнего угла к правому нижнему углу, — единицы, а остальные — нули, например:

Обратная матрица может существовать только для квадратных матриц т.е. для тех матриц, у которых число строк и столбцов совпадают.

Теорема условия существования обратной матрицы

Для того чтобы матрица имела обратную матрицу необходимо и достаточно, чтобы она была невырожденной.

Матрица А = (А1, А2,...А n) называется невырожденной , если векторы-столбцы являются линейно независимыми. Число линейно независимых векторов-столбцов матрицы называется рангом матрицы . Поэтому можно сказать, что для того, чтобы существовала обратная матрица, необходимо и достаточно, чтобы ранг матрицы равнялся ее размерности, т.е. r = n.

Алгоритм нахождения обратной матрицы

1. Записать в таблицу для решения систем уравнений методом Гаусса матрицу А и справа (на место правых частей уравнений) приписать к ней матрицу Е.
2. Используя преобразования Жордана, привести матрицу А к матрице, состоящей из единичных столбцов; при этом необходимо одновременно преобразовать матрицу Е.
3. Если необходимо, то переставить строки (уравнения) последней таблицы так, чтобы под матрицей А исходной таблицы получилась единичная матрица Е.
4. Записать обратную матрицу А -1 , которая находится в последней таблице под матрицей Е исходной таблицы.

Для матрицы А найти обратную матрицу А -1

Решение: Записываем матрицу А и справа приписываем единичную матрицу Е. Используя преобразования Жордана, приводим матрицу А к единичной матрице Е. Вычисления приведены в таблице 31.1.

Проверим правильность вычислений умножением исходной матрицы А и обратной матрицы А -1 .

В результате умножения матриц получилась единичная матрица. Следовательно, вычисления произведены правильно.

Ответ:

Решение матричных уравнений

Матричные уравнения могут иметь вид:

АХ = В, ХА = В, АХВ = С,

где А,В,С — задаваемые матрицы, Х- искомая матрица.

Матричные уравнения решаются с помощью умножения уравнения на обратные матрицы.

Например, чтобы найти матрицу из уравнения , необходимо умножить это уравнение на слева.

Следовательно, чтобы найти решение уравнения , нужно найти обратную матрицу и умножить ее на матрицу , стоящие в правой части уравнения.

Аналогично решаются другие уравнения.

Решить уравнение АХ = В, если

Решение : Так как обратная матрица равняется (см. пример 1)

Матричный метод в экономическом анализе

Наряду с другими в находят применение также матричные методы . Эти методы базируются на линейной и векторно-матричной алгебре. Такие методы применяются для целей анализа сложных и многомерных экономических явлений. Чаще всего эти методы используются при необходимости сравнительной оценки функционирования организаций и их структурных подразделений.

В процессе применения матричных методов анализа можно выделить несколько этапов.

На первом этапе осуществляется формирование системы экономических показателей и на ее основе составляется матрица исходных данных , которая представляет собой таблицу, в которой по ее отдельным строкам показываются номера систем (i = 1,2,....,n) , а по вертикальным графам — номера показателей (j = 1,2,....,m) .

На втором этапе по каждой вертикальной графе выявляется наибольшее из имеющихся значений показателей, которое и принимается за единицу.

После этого все суммы, отраженные в данной графе делят на наибольшее значение и формируется матрица стандартизированных коэффициентов .

На третьем этапе все составные части матрицы возводят в квадрат. Если они имеют различную значимость, то каждому показателю матрицы присваивается определенный весовой коэффициент k . Величина последнего определяется экспертным путем.

На последнем, четвертом этапе найденные величины рейтинговых оценок R j группируются в порядке их увеличения или уменьшения.

Изложенные матричные методы следует использовать, например, при сравнительном анализе различных инвестиционных проектов, а также при оценке других экономических показателей деятельности организаций.

Похожие на обратные по многим свойствам.

Энциклопедичный YouTube

1 / 5

✪ Как находить обратную матрицу - bezbotvy

✪ Обратная матрица (2 способа нахождения)

✪ Обратная матрица #1

✪ 2015-01-28. Обратная матрица 3x3

✪ 2015-01-27. Обратная матрица 2х2

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):

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

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