Образуется матрица с обратной. Алгоритм вычисления обратной матрицы
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.
Обратная матрица — это матрица A −1 , при умножении на которую заданная начальная матрица A даёт в итоге единичную матрицу E :
АA −1 = A −1 A = E.
Метод обратной матрицы.
Метод обратной матрицы - это один из самых распространенных методов решения матриц и применяется для решения систем линейных алгебраических уравнений (СЛАУ) в случаях, когда число неизвестных соответствует количеству уравнений.
Пусть есть система n линейных уравнений с n неизвестными:
Такую систему можно записать как матричное уравнение A* X = B ,
где
- матрица системы,
- столбец неизвестных,
- столбец свободных коэффициентов.
Из выведенного матричного уравнения выражаем X путем умножения обеих частей матричного уравнения слева на A -1 , в результате чего имеем:
A -1 * A * X = A -1 * B
Зная, что A -1 * A = E , тогда E * X = A -1 * B либо X = A -1 * B .
Следующим шагом определяется обратная матрица A -1 и умножается на столбец свободных членов B .
Обратная матрица к матрице A существует лишь тогда, когда det A ≠ 0 . Ввиду этого при решении СЛАУ методом обратной матрицы первым делом находится det A . Если det A ≠ 0 , то у системы есть только одно решение, которое можно получить методом обратной матрицы, если же det A = 0 , то такая система методом обратной матрицы не решается.
Решение обратной матрицы.
Последовательность действий для решения обратной матрицы :
- Получаем определитель матрицы A . Если определитель больше нуля, решаем обратную матрицы дальше, если он равен нулю, то здесь обратную матрицу найти не удастся.
- Находим транспонированную матрицу AT .
- Ищем алгебраические дополнения, после чего заменяем все элементы матрицы их алгебраическими дополнениями.
- Собираем обратную матрицу из алгебраических дополнений: все элементы полученной матрицы делим на определитель исходно заданной матрицы. Итоговая матрица будет искомой обратной матрицей относительно исходной.
Приведенный ниже алгоритм решения обратной матрицы по сути такой же, как и приведенный выше, разница только в нескольких шагах: первым делом определяем алгебраические дополнения, а уже после этого вычисляем союзную матрицу C .
- Понять, квадратная ли данная матрица. В случае отрицательного ответа становится ясно, что обратной матрицы для нее не может быть.
- Понять, квадратная ли данная матрица. В случае отрицательного ответа становится ясно, что обратной матрицы для нее не может быть.
- Вычисляем алгебраические дополнения.
- Составляем союзную (взаимную, присоединённую) матрицу C .
- Составляем обратную матрицу из алгебраических дополнений: все элементы присоединённой матрицы C делим на определитель начальной матрицы. Итоговая матрица будет искомой обратной матрицей относительно заданной.
- Проверяем выполненную работу: умножаем начальную и полученную матрицы, результатом должна стать единичная матрица.
Это лучше всего делать с помощью присоединённой матрицы.
Теорема: Если к квадратной матрице с правой стороны приписать единичную матрицу такого же порядка и при помощи элементарных преобразований над строками преобразовать начальную матрицу, стоящую слева, в единичную, то полученная с правой стороны будет обратной к начальной.
Пример нахождения обратной матрицы.
Задание. Для матрицы найти обратную методом присоединенной матрицы .
Решение. Дописываем к заданной матрице А справа единичную матрицу 2го порядка:
Из 1й строки вычитаем 2ю:
От второй строки отнимаем 2 первых:
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} .
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*.