Существует ли обратная матрица. Способы нахождения обратной матрицы. Пример решения системы линейных уравнений с помощью метода обратной матрицы
В данной статье мы расскажем о матричном методе решения системы линейных алгебраических уравнений, найдем его определение и приведем примеры решения.
Определение 1
Метод обратной матрицы - это метод, использующийся при решении СЛАУ в том случае, если число неизвестных равняется числу уравнений.
Пример 1
Найти решение системы n линейных уравнений с n неизвестными:
a 11 x 1 + a 12 x 2 + . . . + a 1 n x n = b 1 a n 1 x 1 + a n 2 x 2 + . . . + a n n x n = b n
Матричный вид записи : А × X = B
где А = а 11 а 12 ⋯ а 1 n а 21 а 22 ⋯ а 2 n ⋯ ⋯ ⋯ ⋯ а n 1 а n 2 ⋯ а n n - матрица системы.
X = x 1 x 2 ⋮ x n - столбец неизвестных,
B = b 1 b 2 ⋮ b n - столбец свободных коэффициентов.
Из уравнения, которое мы получили, необходимо выразить X . Для этого нужно умножить обе части матричного уравнения слева на A - 1:
A - 1 × A × X = A - 1 × B .
Так как А - 1 × А = Е, то Е × X = А - 1 × В или X = А - 1 × В.
Замечание
Обратная матрица к матрице А имеет право на существование только, если выполняется условие d e t A н е р а в е н н у л ю. Поэтому при решении СЛАУ методом обратной матрицы, в первую очередь находится d e t А.
В том случае, если d e t A н е р а в е н н у л ю, у системы имеется только один вариант решения: при помощи метода обратной матрицы. Если d e t А = 0 , то систему нельзя решить данным методом.
Пример решения системы линейных уравнений с помощью метода обратной матрицы
Пример 2Решаем СЛАУ методом обратной матрицы:
2 x 1 - 4 x 2 + 3 x 3 = 1 x 1 - 2 x 2 + 4 x 3 = 3 3 x 1 - x 2 + 5 x 3 = 2
Как решить?
- Записываем систему в виде матричного уравнения А X = B , где
А = 2 - 4 3 1 - 2 4 3 - 1 5 , X = x 1 x 2 x 3 , B = 1 3 2 .
- Выражаем из этого уравнения X:
- Находим определитель матрицы А:
d e t A = 2 - 4 3 1 - 2 4 3 - 1 5 = 2 × (- 2) × 5 + 3 × (- 4) × 4 + 3 × (- 1) × 1 - 3 × (- 2) × 3 - - 1 × (- 4) × 5 - 2 × 4 - (- 1) = - 20 - 48 - 3 + 18 + 20 + 8 = - 25
d e t А не равняется 0, следовательно для этой системы подходит метод решения обратной матрицей.
- Находим обратную матрицу А - 1 при помощи союзной матрицы. Вычисляем алгебраические дополнения А i j к соответствующим элементам матрицы А:
А 11 = (- 1) (1 + 1) - 2 4 - 1 5 = - 10 + 4 = - 6 ,
А 12 = (- 1) 1 + 2 1 4 3 5 = - (5 - 12) = 7 ,
А 13 = (- 1) 1 + 3 1 - 2 3 - 1 = - 1 + 6 = 5 ,
А 21 = (- 1) 2 + 1 - 4 3 - 1 5 = - (- 20 + 3) = 17 ,
А 22 = (- 1) 2 + 2 2 3 3 5 - 10 - 9 = 1 ,
А 23 = (- 1) 2 + 3 2 - 4 3 - 1 = - (- 2 + 12) = - 10 ,
А 31 = (- 1) 3 + 1 - 4 3 - 2 4 = - 16 + 6 = - 10 ,
А 32 = (- 1) 3 + 2 2 3 1 4 = - (8 - 3) = - 5 ,
А 33 = (- 1) 3 + 3 2 - 4 1 - 2 = - 4 + 4 = 0 .
- Записываем союзную матрицу А * , которая составлена из алгебраических дополнений матрицы А:
А * = - 6 7 5 17 1 - 10 - 10 - 5 0
- Записываем обратную матрицу согласно формуле:
A - 1 = 1 d e t A (A *) T: А - 1 = - 1 25 - 6 17 - 10 7 1 - 5 5 - 10 0 ,
- Умножаем обратную матрицу А - 1 на столбец свободных членов В и получаем решение системы:
X = A - 1 × B = - 1 25 - 6 17 - 10 7 1 - 5 5 - 10 0 1 3 2 = - 1 25 - 6 + 51 - 20 7 + 3 - 10 5 - 30 + 0 = - 1 0 1
Ответ : x 1 = - 1 ; x 2 = 0 ; x 3 = 1
Если вы заметили ошибку в тексте, пожалуйста, выделите её и нажмите Ctrl+Enter
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.
Для решения системы линейных уравнений (3) относительно x 1 воспользуемся методом Гаусса .
Аналогичным образом решаются остальные системы линейных уравнений (2).
Наконец группа векторов столбцов x 1 , x 2 , ..., x n образует обратную матрицу A -1 .
Заметим, что один раз находя матрицы перестановок P 1 ,P 2 , ... , P n-1 и матрицы исключений М 1 , М 2 , ..., M n-1 (см. страницу Метод исключения Гаусса) и построив матрицу
M=M n-1 P n-1 ...M 2 P 2 M 1 P 1 ,
систему (2) можно преобразовать к виду
- MAx 1 =Me 1 ,
- MAx 2 =Me 2 ,
- ......
- MAx n =Me n .
Отсюда находятся x 1 ,x 2 , ..., x n , при разных правых частях Me 1 , Me 2 , ..., Me n .
При вычислении обратной матрицы более удобно с правой стороны исходной матрицы добавить единичную матрицу и применять метод Гаусса в прямом и обратном направлениях.
Рассмотрим это на примере.
Пример вычисления обратной матрицы
Пусть требуется найти обратную матрицу A -1 для данной матрицы A :
Запишем с правой стороны единичную матрицу:
Выбираем ведущий элемент "4" (т.к. он самый большой по модулю) и переставляем местами первую и третью строки:
Применяем Гауссово исключение для первого столбца:
Переставляем вторую и третью строки и применяем Гауссово исключение для второго столбца.
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 матрицаОбратная 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:
3) транспонированная обратная матрица равна обратной матрице от данной транспонированной матрицы:
П р и м е р. Вычислить матрицу, обратную данной.