Главная » Частный дом » Получить обратную матрицу. Нахождение обратной матрицы. Выбор начального приближения

Получить обратную матрицу. Нахождение обратной матрицы. Выбор начального приближения

Для любой невырожденной матрицы А существует и притом единственная матрица A -1 такая, что

A*A -1 =A -1 *A = E,

где E — единичная матрица тех же порядков, что и А. Матрица A -1 называется обратной к матрице A.

Если кто-то забыл, в единичной матрице, кроме диагонали, заполненной единицами, все остальные позиции заполнены нулями, пример единичной матрицы:

Нахождение обратной матрицы методом присоединённой матрицы

Обратная матрица определяется формулой:

где A ij - элементов a ij .

Т.е. для вычисления обратной матрицы, нужно вычислить определитель этой матрицы. Затем найти алгебраические дополнения для всех её элементов и составить из них новую матрицу. Далее нужно транспортировать эту матрицу. И каждый элемент новой матрицы поделить на определитель исходной матрицы.

Рассмотрим несколько примеров.

Найти A -1 для матрицы

Р е ш е н и е. Найдём A -1 методом присоединённой матрицы. Имеем det A = 2. Найдём алгебраические дополнения элементов матрицы A. В данном случае алгебраическими дополнениями элементов матрицы будут соответствующие элементы самой матрицы, взятые со знаком в соответствии с формулой

Имеем A 11 = 3, A 12 = -4, A 21 = -1, A 22 = 2. Образуем присоединённую матрицу

Транспортируем матрицу A*:

Находим обратную матрицу по формуле:

Получаем:

Методом присоединённой матрицы найти A -1 , если

Р е ш е н и е. Прежде всего вычисляем определитесь данной матрицы, чтобы убедиться в существовании обратной матрицы. Имеем

Здесь мы прибавили к элементам второй строки элементы третьей строки, умноженные предварительно на (-1), а затем раскрыли определитель по второй строке. Так как определитесь данной матрицы отличен от нуля, то обратная к ней матрица существует. Для построения присоединённой матрицы находим алгебраические дополнения элементов данной матрицы. Имеем

В соответствии с формулой

транспортируем матрицу A*:

Тогда по формуле

Нахождение обратной матрицы методом элементарных преобразований

Кроме метода нахождения обратной матрицы, вытекающего из формулы (метод присоединенной матрицы), существует метод нахождения обратной матрицы, называемый методом элементарных преобразований.

Элементарные преобразования матрицы

Элементарными преобразованиями матрицы называются следующие преобразования:

1) перестановка строк (столбцов);

2) умножение строки (столбца) на число, отличное от нуля;

3) прибавление к элементам строки (столбца) соответствующих элементов другой строки (столбца), предварительно умноженных на некоторое число.

Для нахождения матрицы A -1 построим прямоугольную матрицу В = (А|Е) порядков (n; 2n), приписывая к матрице А справа единичную матрицу Е через разделительную черту:

Рассмотрим пример.

Методом элементарных преобразований найти A -1 , если

Р е ш е н и е. Образуем матрицу B:

Обозначим строки матрицы B через α 1 , α 2 , α 3 . Произведём над строками матрицы B следующие преобразования.

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

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

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*.

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} .

Матричная алгебра - Обратная матрица

Обратная матрица

Обратной матрицей называется матрица, которая при умножении как справа, так и слева на данную матрицу дает единичную матрицу.
Обозначим обратную матрицу к матрице А через , тогда согласно определению получим:

где Е – единичная матрица.
Квадратная матрица называется неособенной (невырожденной ), если ее определитель не равен нулю. В противном случае она называется особенной (вырожденной ) или сингулярной .

Имеет место теорема: всякая неособенная матрица имеет обратную матрицу.

Операция нахождения обратной матрицы называется обращением матрицы. Рассмотрим алгоритм обращения матрицы. Пусть дана неособенная матрица n -го порядка:

где Δ = det A ≠ 0.

Алгебраическим дополнением элемента матрицы n -го порядка А называется взятый с определенным знаком определитель матрицы (n –1)-го порядка, полученной вычеркиванием i -ой строки и j -го столбца матрицы А :

Составим так называемую присоединенную матрицу:

где– алгебраические дополнения соответствующих элементовматрицы А .
Заметим, что алгебраические дополнения элементов строк матрицы А размещаются в соответствующих столбцах матрицы Ã , то есть одновременно производится транспонирование матрицы.
Разделив все элементы матрицы Ã на Δ – величину определителя матрицы А , получим в результате обратную матрицу:

Отметим ряд особых свойств обратной матрицы:
1) для данной матрицы А ее обратная матрица является единственной;
2) если существует обратная матрица , то правая обратная и левая обратная матрицы совпадают с ней;
3) особенная (вырожденная) квадратная матрица не имеет обратной матрицы.

Основные свойства обратной матрицы:
1) определитель обратной матрицы и определитель исходной матрицы являются обратными величинами;
2) обратная матрица произведения квадратных матриц равна произведениюобратных матриц сомножителей, взятому в обратном порядке: