Найти обратную матрицу 2 на 2. Способы нахождения обратной матрицы

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):

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

A − 1 = [ a b c d ] − 1 = 1 det (A) [ d − b − c a ] = 1 a d − b c [ d − b − c a ] . {\displaystyle \mathbf {A} ^{-1}={\begin{bmatrix}a&b\\c&d\\\end{bmatrix}}^{-1}={\frac {1}{\det(\mathbf {A})}}{\begin{bmatrix}\,\,\,d&\!\!-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} .

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.

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

Нахождение транспонированной матрицы A T .
Определение алгебраических дополнений. Заменяют каждый элемент матрицы его алгебраическим дополнением.
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 .

Определяют, квадратная ли матрица. Если нет, то обратной матрицы для нее не существует.
Вычисление определителя матрицы A . Если он не равен нулю, продолжаем решение, иначе - обратной матрицы не существует.
Определение алгебраических дополнений.
Заполнение союзной (взаимной, присоединённой) матрицы C .
Составление обратной матрицы из алгебраических дополнений: каждый элемент присоединённой матрицы C делят на определитель исходной матрицы. Результирующая матрица является обратной для исходной матрицы.
Делают проверку: перемножают исходную и полученную матрицы. В результате должна получиться единичная матрица.

Пример №1 . Запишем матрицу в виде:

Алгебраические дополнения.

A 1,1 = (-1) 1+1

-1	-2
5	4

∆ 1,1 = (-1 4-5 (-2)) = 6

A 1,2 = (-1) 1+2

2	-2
-2	4

∆ 1,2 = -(2 4-(-2 (-2))) = -4

A 1,3 = (-1) 1+3

2	-1
-2	5

∆ 1,3 = (2 5-(-2 (-1))) = 8

A 2,1 = (-1) 2+1

2	3
5	4

∆ 2,1 = -(2 4-5 3) = 7

A 2,2 = (-1) 2+2

-1	3
-2	4

∆ 2,2 = (-1 4-(-2 3)) = 2

A 2,3 = (-1) 2+3

-1	2
-2	5

∆ 2,3 = -(-1 5-(-2 2)) = 1

A 3,1 = (-1) 3+1

2	3
-1	-2

∆ 3,1 = (2 (-2)-(-1 3)) = -1

A 3,2 = (-1) 3+2

-1	3
2	-2

∆ 3,2 = -(-1 (-2)-2 3) = 4

A 3,3 = (-1) 3+3

-1	2
2	-1

∆ 3,3 = (-1 (-1)-2 2) = -3
Тогда обратную матрицу можно записать как:

A -1 = 1 / 10

6	-4	8
7	2	1
-1	4	-3

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.

Находим определитель данной квадратной матрицы A .
Находим алгебраические дополнения ко всем элементам матрицы A .
Записываем алгебраические дополнения элементов строк в столбцы (транспонирование).
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 .

Нахождение обратной матрицы.

В этой статье разберемся с понятием обратной матрицы, ее свойствами и способами нахождения. Подробно остановимся на решении примеров, в которых требуется построить обратную матрицу для заданной.

Навигация по странице.

Обратная матрица - определение.

Нахождение обратной матрицы с помощью матрицы из алгебраических дополнений.

Свойства обратной матрицы.

Нахождение обратной матрицы методом Гаусса-Жордана.

Нахождение элементов обратной матрицы с помощью решения соответствующих систем линейных алгебраических уравнений.

Обратная матрица - определение.

Понятие обратной матрицы вводится лишь для квадратных матриц, определитель которых отличен от нуля, то есть для невырожденных квадратных матриц.

Определение.

Матрица называется обратной для матрицы , определитель которой отличен от нуля , если справедливы равенства , где E – единичная матрица порядка n на n .

Нахождение обратной матрицы с помощью матрицы из алгебраических дополнений.

Как же находить обратную матрицу для данной?

Во-первых, нам потребуются понятия транспонированной матрицы , минора матрицы и алгебраического дополнения элемента матрицы.

Определение.

Минор k-ого порядка матрицы A порядка m на n – это определитель матрицы порядка k на k , которая получается из элементов матрицы А , находящихся в выбранныхk строках и k столбцах. (k не превосходит наименьшего из чисел m или n ).

Минор (n-1)-ого порядка, который составляется из элементов всех строк, кроме i-ой , и всех столбцов, кроме j-ого , квадратной матрицы А порядка n на n обозначим как .

Иными словами, минор получается из квадратной матрицы А порядка n на n вычеркиванием элементов i-ой строки и j-ого столбца.

Для примера запишем, минор 2-ого порядка, который получаетсся из матрицы выбором элементов ее второй, третьей строк и первого, третьего столбцов . Также покажем минор, который получается из матрицы вычеркиванием второй строки и третьего столбца . Проиллюстрируем построение этих миноров: и .

Определение.

Алгебраическим дополнением элемента квадратной матрицы называют минор (n-1)-ого порядка, который получается из матрицы А , вычеркиванием элементов ее i-ой строки и j-ого столбца, умноженный на .

Алгебраическое дополнение элемента обозначается как . Таким обрзом, .

Например, для матрицы алгебраическое дополнение элемента есть .

Во-вторых, нам пригодятся два свойства определителя, которые мы разобрали в разделевычисление определителя матрицы :

На основании этих свойств определителя, определения операции умножения матрицы на число и понятия обратной матрицы справедливо равенство , где - транспонированная матрица, элементами которой являются алгебраические дополнения .

Матрица действительно является обратной для матрицы А , так как выполняются равенства . Покажем это

Составим алгоритм нахождения обратной матрицы с использованием равенства .

Разберем алгоритм нахождения обратной матрицы на примере.

Пример.

Дана матрица . Найдите обратную матрицу.

Решение.

Вычислим определитель матрицы А , разложив его по элементам третьего столбца:

Определитель отличен от нуля, так что матрица А обратима.

Найдем матрицу из алгебраических дополнений:

Поэтому

Выполним транспонирование матрицы из алгебраических дополнений:

Теперь находим обратную матрицу как :

Проверяем полученный результат:

Равенства выполняются, следовательно, обратная матрица найдена верно.

Свойства обратной матрицы.

Понятие обратной матрицы, равенство , определения операций над матрицами и свойства определителя матрицы позволяют обосновать следующие свойства обратной матрицы :

Рассмотрим еще один способ нахождения обратной матрицы для квадратной матрицы А порядка n на n .

Этот метод основан на решении n систем линейных неоднородных алгебраических уравнений с n неизвестными. Неизвестными переменными в этих системах уравнений являются элементы обратной матрицы.

Идея очень проста. Обозначим обратную матрицу как X , то есть, . Так как по определению обратной матрицы , то

Приравнивая соответствующие элементы по столбцам, получим n систем линейных уравнений

Решаем их любым способом и из найденных значений составляем обратную матрицу.

Разберем этот метод на примере.

Пример.

Дана матрица . Найдите обратную матрицу.

Решение.

Примем . Равенство дает нам три системы линейных неоднородных алгебраических уравнений:

Не будем расписывать решение этих систем, при необходимости обращайтесь к разделурешение систем линейных алгебраических уравнений .

Из первой системы уравнений имеем , из второй - , из третьей - . Следовательно, искомая обратная матрица имеет вид . Рекомендуем сделать проверку, чтобы убедиться в правильности результата.

Подведем итог.

Мы рассмотрели понятие обратной матрицы, ее свойства и три метода ее нахождения.

Пример решений методом обратной матрицы

Задание 1. Решить СЛАУ методом обратной матрицы. 2 x 1 + 3x 2 + 3x 3 + x 4 = 1 3 x 1 + 5x 2 + 3x 3 + 2x 4 = 2 5 x 1 + 7x 2 + 6x 3 + 2x 4 = 3 4 x 1 + 4x 2 + 3x 3 + x 4 = 4

Начало формы

Конец формы

Решение . Запишем матрицу в виде: Вектор B: B T = (1,2,3,4) Главный определитель Минор для (1,1): = 5 (6 1-3 2)-7 (3 1-3 2)+4 (3 2-6 2) = -3 Минор для (2,1): = 3 (6 1-3 2)-7 (3 1-3 1)+4 (3 2-6 1) = 0 Минор для (3,1): = 3 (3 1-3 2)-5 (3 1-3 1)+4 (3 2-3 1) = 3 Минор для (4,1): = 3 (3 2-6 2)-5 (3 2-6 1)+7 (3 2-3 1) = 3 Определитель минора ∆ = 2 (-3)-3 0+5 3-4 3 = -3

Транспонированная матрица Алгебраические дополнения ∆ 1,1 = 5 (6 1-2 3)-3 (7 1-2 4)+2 (7 3-6 4) = -3 ∆ 1,2 = -3 (6 1-2 3)-3 (7 1-2 4)+1 (7 3-6 4) = 0 ∆ 1,3 = 3 (3 1-2 3)-3 (5 1-2 4)+1 (5 3-3 4) = 3 ∆ 1,4 = -3 (3 2-2 6)-3 (5 2-2 7)+1 (5 6-3 7) = -3 ∆ 2,1 = -3 (6 1-2 3)-3 (5 1-2 4)+2 (5 3-6 4) = 9 ∆ 2,2 = 2 (6 1-2 3)-3 (5 1-2 4)+1 (5 3-6 4) = 0 ∆ 2,3 = -2 (3 1-2 3)-3 (3 1-2 4)+1 (3 3-3 4) = -6 ∆ 2,4 = 2 (3 2-2 6)-3 (3 2-2 5)+1 (3 6-3 5) = 3 ∆ 3,1 = 3 (7 1-2 4)-5 (5 1-2 4)+2 (5 4-7 4) = -4 ∆ 3,2 = -2 (7 1-2 4)-3 (5 1-2 4)+1 (5 4-7 4) = 1 ∆ 3,3 = 2 (5 1-2 4)-3 (3 1-2 4)+1 (3 4-5 4) = 1 ∆ 3,4 = -2 (5 2-2 7)-3 (3 2-2 5)+1 (3 7-5 5) = 0 ∆ 4,1 = -3 (7 3-6 4)-5 (5 3-6 4)+3 (5 4-7 4) = -12 ∆ 4,2 = 2 (7 3-6 4)-3 (5 3-6 4)+3 (5 4-7 4) = -3 ∆ 4,3 = -2 (5 3-3 4)-3 (3 3-3 4)+3 (3 4-5 4) = 9 ∆ 4,4 = 2 (5 6-3 7)-3 (3 6-3 5)+3 (3 7-5 5) = -3 Обратная матрица Вектор результатов X X = A -1 ∙ B X T = (2,-1,-0.33,1) x 1 = 2 x 2 = -1 x 3 = -0.33 x 4 = 1

см. также решений СЛАУ методом обратной матрицы online. Для этого введите свои данные и получите решение с подробными комментариями.

Задание 2 . Систему уравнений записать в матричной форме и решить ее с помощью обратной матрицы. Сделать проверку полученного решения. Решение :xml :xls

Пример 2 . Записать систему уравнений в матричной форме и решить с помощью обратной матрицы. Решение :xml :xls

Пример . Дана система трех линейных уравнений с тремя неизвестными. Требуется: 1) найти ее решение с помощью формул Крамера ; 2) записать систему в матричной форме и решить ее средствами матричного исчисления. Методические рекомендации . После решения методом Крамера, найдите кнопку "Решение методом обратной матрицы для исходных данных". Вы получите соответствующее решение. Таким образом, данные вновь заполнять не придется. Решение . Обозначим через А - матрицу коэффициентов при неизвестных; X - матрицу-столбец неизвестных; B - матрицу-столбец свободных членов:

Вектор B: B T =(4,-3,-3) С учетом этих обозначений данная система уравнений принимает следующую матричную форму: А*Х = B. Если матрица А - невырожденная (ее определитель отличен от нуля, то она имеет обратную матрицу А -1 . Умножив обе части уравнения на А -1 , получим: А -1 *А*Х = А -1 *B, А -1 *А=Е. Это равенство называется матричной записью решения системы линейных уравнений . Для нахождения решения системы уравнений необходимо вычислить обратную матрицу А -1 . Система будет иметь решение, если определитель матрицы A отличен от нуля. Найдем главный определитель. ∆=-1 (-2 (-1)-1 1)-3 (3 (-1)-1 0)+2 (3 1-(-2 0))=14 Итак, определитель 14 ≠ 0, поэтому продолжаем решение. Для этого найдем обратную матрицу через алгебраические дополнения. Пусть имеем невырожденную матрицу А:

Вычисляем алгебраические дополнения.

∆ 1,1 =(-2 (-1)-1 1)=1

∆ 1,2 =-(3 (-1)-0 1)=3

∆ 1,3 =(3 1-0 (-2))=3

∆ 2,1 =-(3 (-1)-1 2)=5

∆ 2,2 =(-1 (-1)-0 2)=1

∆ 2,3 =-(-1 1-0 3)=1

∆ 3,1 =(3 1-(-2 2))=7

∆ 3,2 =-(-1 1-3 2)=7

X T =(-1,1,2) x 1 = -14 / 14 =-1 x 2 = 14 / 14 =1 x 3 = 28 / 14 =2 Проверка . -1 -1+3 1+0 2=4 3 -1+-2 1+1 2=-3 2 -1+1 1+-1 2=-3 doc :xml :xls Ответ: -1,1,2.

Матрица $A^{-1}$ называется обратной по отношению к квадратной матрице $A$, если выполнено условие $A^{-1}\cdot A=A\cdot A^{-1}=E$, где $E$ – единичная матрица, порядок которой равен порядку матрицы $A$.

Невырожденная матрица – матрица, определитель которой не равен нулю. Соответственно, вырожденная матрица – та, у которой равен нулю определитель.

Обратная матрица $A^{-1}$ существует тогда и только тогда, когда матрица $A$ – невырожденная. Если обратная матрица $A^{-1}$ существует, то она единственная.

Есть несколько способов нахождения обратной матрицы, и мы рассмотрим два из них. На этой странице будет рассмотрен метод присоединённой матрицы, который полагается стандартным в большинстве курсов высшей математики. Второй способ нахождения обратной матрицы (метод элементарных преобразований), который предполагает использование метода Гаусса или метода Гаусса-Жордана, рассмотрен во второй части .

Метод присоединённой (союзной) матрицы

Пусть задана матрица $A_{n\times n}$. Для того, чтобы найти обратную матрицу $A^{-1}$, требуется осуществить три шага:

Найти определитель матрицы $A$ и убедиться, что $\Delta A\neq 0$, т.е. что матрица А – невырожденная.
Составить алгебраические дополнения $A_{ij}$ каждого элемента матрицы $A$ и записать матрицу $A_{n\times n}^{*}=\left(A_{ij} \right)$ из найденных алгебраических дополнений.
Записать обратную матрицу с учетом формулы $A^{-1}=\frac{1}{\Delta A}\cdot {A^{*}}^T$.

Матрицу ${A^{*}}^T$ часто именуют присоединённой (взаимной, союзной) к матрице $A$.

Если решение происходит вручную, то первый способ хорош лишь для матриц сравнительно небольших порядков: второго (), третьего (), четвертого (). Чтобы найти обратную матрицу для матрицы высшего порядка, используются иные методы. Например, метод Гаусса, который рассмотрен во второй части .

Пример №1

Найти матрицу, обратную к матрице $A=\left(\begin{array} {cccc} 5 & -4 &1 & 0 \\ 12 &-11 &4 & 0 \\ -5 & 58 &4 & 0 \\ 3 & -1 & -9 & 0 \end{array} \right)$.

Так как все элементы четвёртого столбца равны нулю, то $\Delta A=0$ (т.е. матрица $A$ является вырожденной). Так как $\Delta A=0$, то обратной матрицы к матрице $A$ не существует.

Пример №2

Найти матрицу, обратную к матрице $A=\left(\begin{array} {cc} -5 & 7 \\ 9 & 8 \end{array}\right)$.

Используем метод присоединённой матрицы. Сначала найдем определитель заданной матрицы $A$:

$$ \Delta A=\left| \begin{array} {cc} -5 & 7\\ 9 & 8 \end{array}\right|=-5\cdot 8-7\cdot 9=-103. $$

Так как $\Delta A \neq 0$, то обратная матрица существует, посему продолжим решение. Находим алгебраические дополнения

\begin{aligned} & A_{11}=(-1)^2\cdot 8=8; \; A_{12}=(-1)^3\cdot 9=-9;\\ & A_{21}=(-1)^3\cdot 7=-7; \; A_{22}=(-1)^4\cdot (-5)=-5.\\ \end{aligned}

Составляем матрицу из алгебраических дополнений: $A^{*}=\left(\begin{array} {cc} 8 & -9\\ -7 & -5 \end{array}\right)$.

Транспонируем полученную матрицу: ${A^{*}}^T=\left(\begin{array} {cc} 8 & -7\\ -9 & -5 \end{array}\right)$ (полученная матрица часто именуется присоединённой или союзной матрицей к матрице $A$). Используя формулу $A^{-1}=\frac{1}{\Delta A}\cdot {A^{*}}^T$, имеем:

$$ A^{-1}=\frac{1}{-103}\cdot \left(\begin{array} {cc} 8 & -7\\ -9 & -5 \end{array}\right)=\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right) $$

Итак, обратная матрица найдена: $A^{-1}=\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right)$. Чтобы проверить истинность результата, достаточно проверить истинность одного из равенств: $A^{-1}\cdot A=E$ или $A\cdot A^{-1}=E$. Проверим выполнение равенства $A^{-1}\cdot A=E$. Дабы поменьше работать с дробями, будем подставлять матрицу $A^{-1}$ не в форме $\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right)$, а в виде $-\frac{1}{103}\cdot \left(\begin{array} {cc} 8 & -7\\ -9 & -5 \end{array}\right)$:

Ответ : $A^{-1}=\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right)$.

Пример №3

Найти обратную матрицу для матрицы $A=\left(\begin{array} {ccc} 1 & 7 & 3 \\ -4 & 9 & 4 \\ 0 & 3 & 2\end{array} \right)$.

Начнём с вычисления определителя матрицы $A$. Итак, определитель матрицы $A$ таков:

$$ \Delta A=\left| \begin{array} {ccc} 1 & 7 & 3 \\ -4 & 9 & 4 \\ 0 & 3 & 2\end{array} \right| = 18-36+56-12=26. $$

Так как $\Delta A\neq 0$, то обратная матрица существует, посему продолжим решение. Находим алгебраические дополнения каждого элемента заданной матрицы:

Составляем матрицу из алгебраических дополнений и транспонируем её:

$$ A^*=\left(\begin{array} {ccc} 6 & 8 & -12 \\ -5 & 2 & -3 \\ 1 & -16 & 37\end{array} \right); \; {A^*}^T=\left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right) $$

Используя формулу $A^{-1}=\frac{1}{\Delta A}\cdot {A^{*}}^T$, получим:

$$ A^{-1}=\frac{1}{26}\cdot \left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right)= \left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right) $$

Итак, $A^{-1}=\left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right)$. Чтобы проверить истинность результата, достаточно проверить истинность одного из равенств: $A^{-1}\cdot A=E$ или $A\cdot A^{-1}=E$. Проверим выполнение равенства $A\cdot A^{-1}=E$. Дабы поменьше работать с дробями, будем подставлять матрицу $A^{-1}$ не в форме $\left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right)$, а в виде $\frac{1}{26}\cdot \left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right)$:

Проверка пройдена успешно, обратная матрица $A^{-1}$ найдена верно.

Ответ : $A^{-1}=\left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right)$.

Пример №4

Найти матрицу, обратную матрице $A=\left(\begin{array} {cccc} 6 & -5 & 8 & 4\\ 9 & 7 & 5 & 2 \\ 7 & 5 & 3 & 7\\ -4 & 8 & -8 & -3 \end{array} \right)$.

Для матрицы четвёртого порядка нахождение обратной матрицы с помощью алгебраических дополнений несколько затруднительно. Однако такие примеры в контрольных работах встречаются.

Чтобы найти обратную матрицу, для начала нужно вычислить определитель матрицы $A$. Лучше всего в данной ситуации это сделать с помощью разложения определителя по строке (столбцу) . Выбираем любую строку или столбец и находим алгебраические дополнения каждого элемента избранной строки или столбца.

Предыдущая статья: Чему равна скорость света Следующая статья: Чувственное и рациональное в познавательном процессе