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.

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:

3) транспонированная обратная матрица равна обратной матрице от данной транспонированной матрицы:

П р и м е р. Вычислить матрицу, обратную данной.

В первой части был рассмотрен способ нахождения обратной матрицы с помощью алгебраических дополнений. Здесь же мы опишем иной метод нахождения обратных матриц: с использованием преобразований метода Гаусса и Гаусса-Жордана. Зачастую этот метод нахождения обратной матрицы именуют методом элементарных преобразований.

Метод элементарных преобразований

Для применения этого метода в одну матрицу записывают заданную матрицу $A$ и единичную матрицу $E$, т.е. составляют матрицу вида $(A|E)$ (эту матрицу называют также расширенной). После этого с помощью элементарных преобразований, выполняемых со строками расширенной матрицы, добиваются того, что матрица слева от черты станет единичной, причём расширенная матрица примет вид $\left(E| A^{-1} \right)$. К элементарным преобразованиям в данной ситуации относят такие действия:

1. Смена мест двух строк.
2. Умножение всех элементов строки на некоторое число, не равное нулю.
3. Прибавление к элементам одной строки соответствующих элементов другой строки, умноженных на любой множитель.

Применять указанные элементарные преобразования можно разными путями. Обычно выбирают метод Гаусса или метод Гаусса-Жордана. Вообще, методы Гаусса и Гаусса-Жордана предназначены для решения систем линейных алгебраических уравнений, а не для нахождения обратных матриц. Фразу «применение метода Гаусса для нахождения обратной матрицы» здесь нужно понимать как «применение операций, свойственных методу Гаусса, для нахождения обратной матрицы».

Нумерация примеров продолжена с первой части . В примерах и рассмотрено применение метода Гаусса для нахождения обратной матрицы, а в примерах и разобрано использование метода Гаусса-Жордана. Следует отметить, что если в ходе решения все элементы некоторой строки или столбца матрицы, расположенной до черты, обнулились, то обратной матрицы не существует.

Пример №5

Найти матрицу $A^{-1}$, если $A=\left(\begin{array} {ccc} 7 & 4 & 6 \\ 2 & 5 & -4 \\ 1 & -1 & 3 \end{array} \right)$.

В этом примере будет найдена обратная матрица методом Гаусса. Расширенная матрица, имеющая в общем случае вид $(A|E)$, в данном примере примет такую форму: $ \left(\begin{array} {ccc|ccc} 7 & 4 & 6 & 1 & 0 & 0 \\ 2 & 5 & -4 & 0 & 1 & 0 \\ 1 & -1 & 3 & 0 & 0 & 1 \end{array} \right)$.

Цель: с помощью элементарных преобразований привести расширенную матрицу к виду $\left(E|A^{-1} \right)$. Применим те же операции, что применяются при решении систем линейных уравнений методом Гаусса. Для применения метода Гаусса удобно, когда первым элементом первой строки расширенной матрицы является единица. Чтобы добиться этого, поменяем местами первую и третью строки расширенной матрицы, которая станет такой: $ \left(\begin{array} {ccc|ccc} 1 & -1 & 3 & 0 & 0 & 1 \\ 2 & 5 & -4 & 0 & 1 & 0 \\ 7 & 4 & 6 & 1 & 0 & 0 \end{array} \right)$.

Теперь приступим к решению. Метод Гаусса делится на два этапа: прямой ход и обратный (подробное описание этого метода для решения систем уравнений дано в примерах соответствующей темы). Те же два этапа будут применены и в процессе отыскания обратной матрицы.

Прямой ход

Первый шаг

С помощью первой строки обнуляем элементы первого столбца, расположенные под первой строкой:

Немного прокомментирую выполненное действие. Запись $II-2\cdot I$ означает, что от элементов второй строки вычли соответствующие элементы первой строки, предварительно умноженные на два. Это действие можно записать отдельно следующим образом:

Точно так же выполняется и действие $III-7\cdot I$. Если возникают сложности с выполнением этих операций, их можно выполнить отдельно (аналогично показанному выше действию $II-2\cdot I$), а результат потом внести в расширенную матрицу.

Второй шаг

С помощью второй строки обнуляем элемент второго столбца, расположенный под второй строкой:

Разделим третью строку на 5:

Прямой ход окончен. Все элементы, расположенные под главной диагональю матрицы до черты, обнулились.

Обратный ход

Первый шаг

С помощью третьей строки обнуляем элементы третьего столбца, расположенные над третьей строкой:

Перед переходом к следующему шагу разделим вторую строку на $7$:

Второй шаг

С помощью второй строки обнуляем элементы второго столбца, расположенные над второй строкой:

Преобразования закончены, обратная матрица методом Гаусса найдена: $A^{-1}=\left(\begin{array} {ccc} -11/5 & 18/5 & 46/5 \\ 2 & -3 & -8 \\ 7/5 & -11/5 & -27/5 \end{array} \right)$. Проверку, при необходимости, можно сделать так же, как и в предыдущих примерах. Если пропустить все пояснения, то решение примет вид:

Ответ : $A^{-1}=\left(\begin{array} {ccc} -11/5 & 18/5 & 46/5 \\ 2 & -3 & -8 \\ 7/5 & -11/5 & -27/5 \end{array} \right)$.

Пример №6

Найти матрицу $A^{-1}$, если $A=\left(\begin{array} {cccc} -5 & 4 & 1 & 0 \\ 2 & 3 & -2 & 1 \\ 0 & 7 & -4 & -3 \\ 1 & 4 & 0 & 6 \end{array} \right)$.

Для нахождения обратной матрицы в этом примере будем использовать те же операции, что применяются при решении систем линейных уравнений методом Гаусса. Подробные пояснения даны в , здесь же ограничимся краткими комментариями. Запишем расширенную матрицу: $\left(\begin{array} {cccc|cccc} -5 & 4 & 1 & 0 & 1 & 0 & 0 & 0 \\ 2 & 3 & -2 & 1 &0 &1&0 &0 \\ 0 & 7 & -4 & -3 &0 & 0 & 1 & 0\\ 1 & 4 & 0 & 6 &0 &0 & 0 & 1 \end{array} \right)$. Поменяем местами первую и четвёртую строки данной матрицы: $\left(\begin{array} {cccc|cccc} 1 & 4 & 0 & 6 &0 &0 & 0 & 1 \\ 2 & 3 & -2 & 1 &0 &1&0 &0 \\ 0 & 7 & -4 & -3 &0 & 0 & 1 & 0\\ -5 & 4 & 1 & 0 & 1 & 0 & 0 & 0 \end{array} \right)$.

Прямой ход

Преобразования прямого хода завершены. Все элементы, расположенные под главной диагональю матрицы слева от черты, обнулились.

Обратный ход

Обратная матрица методом Гаусса найдена, $A^{-1}=\left(\begin{array} {cccc} -13/14 & -75/8 & 31/8 & 7/2 \\ -19/8 & -117/16 & 49/16 & 11/4 \\ -23/4 & -141/8 & 57/8 & 13/2 \\ 17/8 & 103/6 & -43/16 & -9/4 \end{array} \right)$. Проверку, при необходимости, проводим так же, как и в примерах №2 и №3.

Ответ : $A^{-1}=\left(\begin{array} {cccc} -13/14 & -75/8 & 31/8 & 7/2 \\ -19/8 & -117/16 & 49/16 & 11/4 \\ -23/4 & -141/8 & 57/8 & 13/2 \\ 17/8 & 103/6 & -43/16 & -9/4 \end{array} \right)$.

Пример №7

Найти матрицу $A^{-1}$, если $A=\left(\begin{array} {ccc} 2 & 3 & 4 \\ 7 & 1 & 9 \\ -4 & 5 & -2 \end{array} \right)$.

Для нахождения обратной матрицы применим операции, характерные методу Гаусса-Жордана. Отличие от метода Гаусса, рассмотренного в предыдущих примерах и , состоит в том, что решение осуществляется в один этап. Напомню, что метод Гаусса делится на 2 этапа: прямой ход («делаем» нули под главной диагональю матрицы до черты) и обратный ход (обнуляем элементы над главной диагональю матрицы до черты). Для вычисления обратной матрицы методом Гаусса-Жордана двух стадий решения не потребуется. Для начала составим расширенную матрицу: $(A|E)$:

$$ (A|E)=\left(\begin{array} {ccc|ccc} 2 & 3 & 4 & 1 & 0 & 0\\ 7 & 1 & 9 & 0 & 1 & 0\\ -4 & 5 & -2 &0 & 0 & 1 \end{array} \right) $$

Первый шаг

Обнулим все элементы первого столбца кроме одного. В первом столбце все элементы отличны от нуля, посему можем выбрать любой элемент. Возьмём, к примеру, $(-4)$:

Выбранный элемент $(-4)$ находится в третьей строке, посему именно третью строку мы используем для обнуления выделенных элементов первого столбца:

Сделаем так, чтобы первый элемент третьей строки стал равен единице. Для этого разделим элементы третьей строки расширенной матрицы на $(-4)$:

Теперь приступим к обнулению соответствующих элементов первого столбца:

В дальнейших шагах использовать третью строку уже будет нельзя, ибо мы её уже применили на первом шаге.

Второй шаг

Выберем некий не равный нулю элемент второго столбца и обнулим все остальные элементы второго столбца. Мы можем выбрать любой из двух элементов: $\frac{11}{2}$ или $\frac{39}{4}$. Элемент $\left(-\frac{5}{4} \right)$ выбрать нельзя, ибо он расположен в третьей строке, которую мы использовали на предыдущем шаге. Выберем элемент $\frac{11}{2}$, который находится в первой строке. Сделаем так, чтобы вместо $\frac{11}{2}$ в первой строке стала единица:

Теперь обнулим соответствующие элементы второго столбца:

В дальнейших рассуждениях первую строку использовать нельзя.

Третий шаг

Нужно обнулить все элементы третьего столбца кроме одного. Нам надо выбрать некий отличный от нуля элемент третьего столбца. Однако мы не можем взять $\frac{6}{11}$ или $\frac{13}{11}$, ибо эти элементы расположены в первой и третьей строках, которые мы использовали ранее. Выбор невелик: остаётся лишь элемент $\frac{2}{11}$, который находится во второй строке. Разделим все элементы второй строки на $\frac{2}{11}$:

Теперь обнулим соответствующие элементы третьего столбца:

Преобразования по методу Гаусса-Жордана закончены. Осталось лишь сделать так, чтобы матрица до черты стала единичной. Для этого придется менять порядок строк. Для начала поменяем местами первую и третью строки:

$$ \left(\begin{array} {ccc|ccc} 1 & 0 & 0 & 47/4 & -13/2 & -23/4 \\ 0 & 0 & 1 & -39/4 & 11/2 & 19/4 \\ 0 & 1 & 0 & 11/2 & -3 & -5/2 \end{array} \right) $$

Теперь поменяем местами вторую и третью строки:

$$ \left(\begin{array} {ccc|ccc} 1 & 0 & 0 & 47/4 & -13/2 & -23/4 \\ 0 & 1 & 0 & 11/2 & -3 & -5/2 \\ 0 & 0 & 1 & -39/4 & 11/2 & 19/4 \end{array} \right) $$

Итак, $A^{-1}=\left(\begin{array} {ccc} 47/4 & -13/2 & -23/4 \\ 11/2 & -3 & -5/2 \\ -39/4 & 11/2 & 19/4 \end{array} \right)$. Естественно, что решение можно провести и по-иному, выбирая элементы, стоящие на главной диагонали. Обычно именно так и поступают, ибо в таком случае в конце решения не придется менять местами строки. Я привел предыдущее решение лишь с одной целью: показать, что выбор строки на каждом шаге не принципиален. Если выбирать на каждом шаге диагональные элементы, то решение станет таким.

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} .

Для того, чтобы найти обратную матрицу онлайн, вам потребуется указать размер самой матрицы. Для этого кликните на иконки «+» или «-» до тех пор, пока значение количества столбцов и строк вас не устроит. Далее введите в поля требуемые элементы. Ниже находится кнопка «Вычислить» - нажав её, вы получите на экране ответ с подробным решением.

В линейной алгебре довольно часто приходится сталкиваться с процессом вычисления обратной матрицы. Она существует только для невыраженных матриц и для квадратных матриц при условии отличного от нуля детерминанта. В принципе, рассчитать её не представляет особой сложности, особенно если вы имеете дело с небольшой матрицей. Но если нужны более сложные расчёты или тщательная перепроверка своего решения, лучше воспользуйтесь данным онлайн калькулятором. С его помощью вы оперативно и с высокой точностью решите обратную матрицу.

С помощью данного онлайн калькулятора вы сможете значительно облегчить себе задачу в плане расчётов. Кроме того, он помогает закрепить материал, полученный в теории – это своеобразный тренажёр для мозга. Не стоит рассматривать его, как замену вычислениям вручную, он может дать вам гораздо больше, облегчив понимание самого алгоритма. К тому же, лишняя перепроверка себя никогда не помешает.