Жаропонижающие средства для детей назначаются педиатром. Но бывают ситуации неотложной помощи при лихорадке, когда ребенку нужно дать лекарство немедленно. Тогда родители берут на себя ответственность и применяют жаропонижающие препараты. Что разрешено давать детям грудного возраста? Чем можно сбить температуру у детей постарше? Какие лекарства самые безопасные?
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.
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.
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 матрицаОбратная матрица
Обратной матрицей
называется матрица, которая при умножении как справа, так и слева на данную матрицу дает единичную матрицу.
Обозначим обратную матрицу к матрице А
через , тогда согласно определению получим:
где Е
– единичная матрица.
Квадратная матрица
называется неособенной
(невырожденной
), если ее определитель не равен нулю. В противном случае она называется особенной
(вырожденной
) или сингулярной
.
Имеет место теорема: всякая неособенная матрица имеет обратную матрицу.
Операция нахождения обратной матрицы называется обращением матрицы. Рассмотрим алгоритм обращения матрицы. Пусть дана неособенная матрица n -го порядка:
где Δ = det A ≠ 0.
Алгебраическим дополнением элемента
матрицы n
-го порядка А
называется взятый с определенным знаком определитель матрицы (n
–1)-го порядка, полученной вычеркиванием i
-ой строки и j
-го столбца матрицы А
:
Составим так называемую присоединенную
матрицу:
где– алгебраические дополнения соответствующих элементовматрицы А
.
Заметим, что алгебраические дополнения элементов строк матрицы А
размещаются в соответствующих столбцах матрицы Ã
, то есть одновременно производится транспонирование матрицы.
Разделив все элементы матрицы Ã
на Δ – величину определителя матрицы А
, получим в результате обратную матрицу:
Отметим ряд особых свойств обратной матрицы:
1) для данной матрицы А
ее обратная матрица
является единственной;
2) если существует обратная матрица , то правая обратная
и левая обратная
матрицы совпадают с ней;
3) особенная (вырожденная) квадратная матрица не имеет обратной матрицы.
Основные свойства обратной матрицы:
1) определитель обратной матрицы и определитель исходной матрицы являются обратными величинами;
2) обратная матрица произведения квадратных матриц равна произведениюобратных матриц сомножителей, взятому в обратном порядке:
3) транспонированная обратная матрица равна обратной матрице от данной транспонированной матрицы:
П р и м е р. Вычислить матрицу, обратную данной.
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.
- 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 |
|
∆ 1,1 = (-1 4-5 (-2)) = 6
A 1,2 = (-1) 1+2 |
|
∆ 1,2 = -(2 4-(-2 (-2))) = -4
A 1,3 = (-1) 1+3 |
|
∆ 1,3 = (2 5-(-2 (-1))) = 8
A 2,1 = (-1) 2+1 |
|
∆ 2,1 = -(2 4-5 3) = 7
A 2,2 = (-1) 2+2 |
|
∆ 2,2 = (-1 4-(-2 3)) = 2
A 2,3 = (-1) 2+3 |
|
∆ 2,3 = -(-1 5-(-2 2)) = 1
A 3,1 = (-1) 3+1 |
|
∆ 3,1 = (2 (-2)-(-1 3)) = -1
A 3,2 = (-1) 3+2 |
|
∆ 3,2 = -(-1 (-2)-2 3) = 4
A 3,3 = (-1) 3+3 |
|
∆ 3,3 = (-1 (-1)-2 2) = -3
Тогда обратную матрицу можно записать как:
A -1 = 1 / 10 |
|
A -1 = |
|
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 .
Особый случай : Обратной, по отношению к единичной матрице E , является единичная матрица E .
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.