Как сделать проверку обратной матрицы пример. Матричная алгебра - обратная матрица. Элементарные преобразования 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} .

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,
.

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*.

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.

Пример 1

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.

Пример 2

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.

Обратная матрица для данной это такая матрица, умножение исходной на которую дает единичную матрицу: Обязательным и достаточным условием наличия обратной матрицы является неравенство нулю детерминанта исходной (что в свою очередь подразумевает, что матрица должна быть квадратная). Если же определитель матрицы равняется нулю, то ее называют вырожденной и такая матрица не имеет обратной. В высшей математике обратные матрицы имеют важное значение и применяются для решения ряда задач. Например, на нахождении обратной матрицы построен матричный метод решения систем уравнений. Наш сервис сайт позволяет вычислять обратную матрицу онлайн двумя методами: методом Гаусса-Жордана и с помощью матрицы алгебраических дополнений. Прервый подразумевает большое количество элементарных преобразований внутри матрицы, второй - вычисление детерминанта и алгебраических дополнений ко всем элементам. Для вычисления определителя матрицы онлайн вы можете воспользоваться другим нашим сервисом - Вычисление детерминанта матрицы онлайн

.

Найти обратную матрицу на сайт

сайт позволяет находить обратную матрицу онлайн быстро и бесплатно. На сайте произвордятся вычисления нашим сервисом и выдается результат с подробным решением по нахождению обратной матрицы . Сервер всегда выдает только точный и верный ответ. В задачах по определению обратной матрицы онлайн , необходимо, чтобы определитель матрицы был отличным от нуля, иначе сайт сообщит о невозможности найти обратную матрицу ввиду равенства нулю определителя исходной матрицы. Задача по нахождению обратной матрицы встречается во многих разделах математики, являясь одним из самых базовых понятий алгебры и математическим инструментом в прикладных задачах. Самостоятельное определение обратной матрицы требует значительных усилий, много времени, вычислений и большой внимательности, чтобы не допустить описку или мелкую ошибку в вычислениях. Поэтому наш сервис по нахождению обратной матрицы онлайн значительно облегчит вам задачу и станет незаменимым инструментом для решения математических задач. Даже если вы находите обратную матрицу самостоятельно, мы рекомендуем проверить ваше решение на нашем сервере. Ввведите вашу исходную матрицу у нас на Вычисление обратной матрицы онлайн и сверьте ваш ответ. Наша система никогда не ошибается и находит обратную матрицу заданной размерности в режиме онлайн мгновенно! На сайте сайт допускаются символьные записи в элементах матриц , в этом случае обратная матрица онлайн будет представлена в общем символьном виде.