Матрица обратная данной. Алгоритм вычисления обратной матрицы. 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} .

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

1. Нахождение транспонированной матрицы A T .
2. Определение алгебраических дополнений. Заменяют каждый элемент матрицы его алгебраическим дополнением.
3. 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 .

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

Пример №1 . Запишем матрицу в виде:

Алгебраические дополнения. ∆ 1,2 = -(2·4-(-2·(-2))) = -4 ∆ 2,1 = -(2·4-5·3) = 7 ∆ 2,3 = -(-1·5-(-2·2)) = 1 ∆ 3,2 = -(-1·(-2)-2·3) = 4

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.

1. Находим определитель данной квадратной матрицы A .
2. Находим алгебраические дополнения ко всем элементам матрицы A .
3. Записываем алгебраические дополнения элементов строк в столбцы (транспонирование).
4. 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 .

Пусть дана квадратная матрица . Требуется найти обратную матрицу.

Первый способ. В теореме 4.1 существования и единственности обратной матрицы указан один из способов ее нахождения.

1. Вычислить определитель данной матрицы. Если, то обратной матрицы не существует (матрицавырожденная).

2. Составить матрицу из алгебраических дополненийэлементов матрицы.

3. Транспонируя матрицу , получить присоединенную матрицу.

4. Найти обратную матрицу (4.1), разделив все элементы присоединенной матрицы на определитель

Второй способ. Для нахождения обратной матрицы можно использовать элементарные преобразования.

1. Составить блочную матрицу , приписав к данной матрицеединичную матрицу того же порядка.

2. При помощи элементарных преобразований, выполняемых над строками матрицы , привести ее левый блокк простейшему виду. При этом блочная матрица приводится к виду, где- квадратная матрица, полученная в результате преобразований из единичной матрицы.

3. Если , то блокравен обратной матрице, т.е.. Если, то матрицане имеет обратной.

В самом деле, при помощи элементарных преобразований строк матрицы можно привести ее левый блокк упрощенному виду(см. рис. 1.5). При этом блочная матрицапреобразуется к виду, где- элементарная матрица, удовлетворяющая равенству. Если матрицаневырожденная, то согласно п.2 замечаний 3.3 ее упрощенный вид совпадает с единичной матрицей. Тогда из равенстваследует, что. Если же матрицавырожденная, то ее упрощенный видотличается от единичной матрицы, а матрицане имеет обратной.

11. Матричные уравнения и их решение. Матричная форма записи СЛАУ. Матричный способ (метод обратной матрицы) решения СЛАУ и условия его применимости.

Матричными уравнениями называются уравнения вида: A*X=C; X*A=C; A*X*B=C где матрица А,В,С известны,матрица Х не известна, если матрицы А и В не вырождены, то решения исходных матриц запишется в соответственном виде: Х=А -1 *С; Х=С*А -1 ; Х=А -1 *С*В -1 Матричная форма записи систем линейных алгебраических уравнений. С каждой СЛАУ можно связать несколько матриц; более того – саму СЛАУ можно записать в виде матричного уравнения. Для СЛАУ (1) рассмотрим такие матрицы:

Матрица A называется матрицей системы . Элементы данной матрицы представляют собой коэффициенты заданной СЛАУ.

Матрица A˜ называется расширенной матрицей системы . Её получают добавлением к матрице системы столбца, содержащего свободные члены b1,b2,...,bm. Обычно этот столбец отделяют вертикальной чертой, – для наглядности.

Матрица-столбец B называется матрицей свободных членов , а матрица-столбец X – матрицей неизвестных .

Используя введённые выше обозначения, СЛАУ (1) можно записать в форме матричного уравнения: A⋅X=B.

Примечание

Матрицы, связанные с системой, можно записать различными способами: всё зависит от порядка следования переменных и уравнений рассматриваемой СЛАУ. Но в любом случае порядок следования неизвестных в каждом уравнении заданной СЛАУ должен быть одинаков.

Матричный метод подходит для решения СЛАУ, в которых количество уравнений совпадает с числом неизвестных переменных и определитель основной матрицы системы отличен от нуля. Если система содержит больше трех уравнений, то нахождение обратной матрицы требует значительных вычислительных усилий, поэтому, в этом случае целесообразно использовать для решения метод Гаусса .

12. Однородные СЛАУ, условия существования их ненулевых решений. Свойства частных решений однородных СЛАУ.

Линейное уравнение называется однородным, если его свободный член равен нулю, и неоднородным в противном случае. Система, состоящая из однородных уравнений, называется однородной и имеет общий вид:

13 .Понятие линейной независимости и зависимости частных решений однородной СЛАУ. Фундаментальная система решений (ФСР) и её нахождение. Представление общего решения однородной СЛАУ через ФСР.

Система функций y 1 (x ), y 2 (x ), …, y n (x ) называется линейно зависимой на интервале (a , b ), если существует набор постоянных коэффициентов , не равных нулю одновременно, таких, что линейная комбинация этих функций тождественно равна нулю на (a , b ): для . Если равенство для возможно только при , система функций y 1 (x ), y 2 (x ), …, y n (x ) называется линейно независимой на интервале (a , b ). Другими словами, функции y 1 (x ), y 2 (x ), …, y n (x ) линейно зависимы на интервале (a , b ), если существует равная нулю на (a , b ) их нетривиальная линейная комбинация. Функции y 1 (x ),y 2 (x ), …, y n (x ) линейно независимы на интервале (a , b ), если только тривиальная их линейная комбинация тождественно равна нулю на (a , b ).

Фундаментальной системой решений (ФСР) однородной СЛАУ называется базис этой системы столбцов.

Количество элементов в ФСР равно количеству неизвестных системы минус ранг матрицы системы. Любое решение исходной системы есть линейная комбинация решений ФСР.

Теорема

Общее решение неоднородной СЛАУ равно сумме частного решения неоднородной СЛАУ и общего решения соответствующей однородной СЛАУ.

1 . Если столбцы - решения однородной системы уравнений, то любая их линейная комбинациятакже является решением однородной системы.

В самом деле, из равенств следует, что

т.е. линейная комбинация решений является решением однородной системы.

2. Если ранг матрицы однородной системы равен , то система имеетлинейно независимых решений.

Действительно, по формулам (5.13) общего решения однородной системы найдем частных решений, придавая свободным переменным следующиестандартные наборы значений (всякий раз полагая, что одна из свободных переменных равна единице, а остальные - равны нулю):

которые линейно независимы. В самом деле, если из этих столбцов составить матрицу, то последние ее строк образуют единичную матрицу. Следовательно, минор, расположенный в последнихстроках не равен нулю (он равен единице), т.е. является базисным. Поэтому ранг матрицы будет равен. Значит, все столбцы этой матрицы линейно независимы (см. теорему 3.4).

Любая совокупность линейно независимых решенийоднородной системы называетсяфундаментальной системой (совокупностью) решений .

14 Минор -ого порядка, базисный минор, ранг матрицы. Вычисление ранга матрицы.

Минором порядка k матрицы А называется детерминант некоторой ее квадратной подматрицы порядка k.

В матрице А размеров m x n минор порядка r называется базисным, если он отличен от нуля, а все миноры большего порядка, если они существуют, равны нулю.

Столбцы и строки матрицы А, на пересечении которых стоит базисный минор, называются базисными столбцами и строками А.

Теорема 1. (О ранге матрицы). У любой матрицы минорный ранг равен строчному рангу и равен столбцовому рангу.

Теорема 2.(О базисном миноре). Каждый столбец матрицы раскладывается в линейную комбинацию ее базисных столбцов.

Рангом матрицы (или минорным рангом) называется порядок базисного минора или, иначе, самый большой порядок, для которого существуют отличные от нуля миноры. Ранг нулевой матрицы по определению считают 0.

Отметим два очевидных свойства минорного ранга.

1) Ранг матрицы не меняется при транспонировании, так как при транспонировании матрицы все ее подматрицы транспонируются и миноры не меняются.

2) Если А’-подматрица матрицы А, то ранг А’ не превосходит ранга А, так как ненулевой минор, входящий в А’, входит и в А.

15. Понятие -мерного арифметического вектора. Равенство векторов. Действия над векторами (сложение, вычитание, умножение на число, умножение на матрицу). Линейная комбинация векторов.

Упорядоченная совокупность n действительных или комплексных чисел называется n-мерным вектором . Числа называются координатами вектора .

Два (ненулевых) вектора a и b равны, если они равнонаправлены и имеют один и тот же модуль. Все нулевые векторы считаются равными. Во всех остальных случаях векторы не равны.

Сложение векторов. Для сложения векторов есть два способа.1. Правило параллелограмма. Чтобы сложить векторы и, помещаем начала обоих в одну точку. Достраиваем до параллелограмма и из той же точки проводим диагональ параллелограмма. Это и будет сумма векторови.

2. Второй способ сложения векторов - правило треугольника. Возьмем те же векторы и . К концу первого вектора пристроим начало второго. Теперь соединим начало первого и конец второго. Это и есть сумма векторов и . По тому же правилу можно сложить и несколько векторов. Пристраиваем их один за другим, а затем соединяем начало первого с концом последнего.

Вычитание векторов. Вектор направлен противоположно вектору. Длины векторовиравны. Теперь понятно, что такое вычитание векторов. Разность векторов и - это сумма вектора и вектора .

Умножение вектора на число

При умножении вектора на число k получается вектор, длина которого в k раз отличается от длины. Он сонаправлен с вектором, если k больше нуля, и направлен противоположно, если k меньше нуля.

Скалярным произведением векторов называется произведение длин векторов на косинус угла между ними. Если векторы перпендикулярны, их скалярное произведение равно нулю. А вот так скалярное произведение выражается через координаты векторов и .

Линейная комбинация векторов

Линейной комбинацией векторов называют вектор

где - коэффициенты линейной комбинации. Если комбинация называется тривиальной, если - нетривиальной.

16 .Скалярное произведение арифметических векторов. Длина вектора и угол между векторами. Понятие ортогональности векторов.

Скалярным произведением векторов а и в называется число,

Скалярное произведение используется для вычисления:1)нахождения угла между ними;2)нахождение проекции векторов;3)вычисление длины вектора;4)условия перпендикулярности векторов.

Длиной отрезка АВ называют расстоянием между точками А иВ. Угол между векторами А и В называют угол α=(а,в) ,0≤ α ≤П. На который необходимо повернуть 1 вектор,чтоб его направления совпало с другим вектором. При условии,что их начала совпадут.

Ортом а называется вектор а имеющий единичную длину и направления а.

17. Система векторов и её линейная комбинация. Понятие линейной зависимости и независимости системы векторов. Теорема о необходимом и достаточном условиях линейной зависимости системы векторов.

Система векторов a1,a2,...,an называется линейно зависимой, если существуют числа λ1,λ2,...,λnтакие, что хотя бы одно из них отлично от нуля и λ1a1+λ2a2+...+λnan=0. В противном случае система называется линейно независимой.

Два вектора a1 и a2 называются коллинеарными если их направления совпадают или противоположны.

Три вектора a1,a2 и a3 называются компланарными если они параллельны некоторой плоскости.

Геометрические критерии линейной зависимости:

а) система {a1,a2} линейно зависима в том и только том случае, когда векторы a1 и a2 коллинеарны.

б) система {a1,a2,a3} линейно зависима в том и только том случае, когда векторы a1,a2 и a3компланарны.

теорема. (Необходимое и достаточное условие линейной зависимости системы векторов.)

Система векторов векторного пространства является линейно зависимой тогда и только тогда, когда один из векторов системы линейно выражается через другие вектора этой системы.

Следствие.1. Система векторов векторного пространства является линейно независимой тогда и только тогда, когда ни один из векторов системы линейно не выражается через другие вектора этой системы.2. Система векторов, содержащая нулевой вектор или два равных вектора, является линейно зависимой.

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.

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.