Как найти матрицу обратную данной – ?

Обратная матрица

15 февраля 2018

Эта тема является одной из самых ненавистных среди студентов. Хуже, наверное, только определители.

Фишка в том, что само понятие обратного элемента (и я сейчас не только о матрицах) отсылает нас к операции умножения. Даже в школьной программе умножение считается сложной операцией, а уж умножение матриц — вообще отдельная тема, которой у меня посвящён целый параграф и видеоурок.

Сегодня мы не будем вдаваться в подробности матричных вычислений. Просто вспомним: как обозначаются матрицы, как они умножаются и что из этого следует.

Повторение: умножение матриц

Прежде всего договоримся об обозначениях. Матрицей $A$ размера $\left[ m\times n \right]$ называется просто таблица из чисел, в которой ровно $m$ строк и $n$ столбцов:

\[A=\left[ m\times n \right]=\underbrace{\left[ \begin{matrix} {{a}_{11}} & {{a}_{12}} & … & {{a}_{1n}} \\ {{a}_{21}} & {{a}_{22}} & … & {{a}_{2n}} \\ … & … & … & … \\ {{a}_{m1}} & {{a}_{m2}} & … & {{a}_{mn}} \\\end{matrix} \right]}_{n}\]

Чтобы случайно не перепутать строки и столбцы местами (поверьте, на экзамене можно и единицу с двойкой перепутать — что уж говорить про какие-то там строки), просто взгляните на картинку:

Определение индексов для клеток матрицы

Что происходит? Если разместить стандартную систему координат $OXY$ в левом верхнем углу и направить оси так, чтобы они охватывали всю матрицу, то каждой клетке этой матрицы можно однозначно сопоставить координаты $\left( x;y \right)$ — это и будет номер строки и номер столбца.

Почему система координат размещена именно в левом верхнем углу? Да потому что именно оттуда мы начинаем читать любые тексты. Это очень просто запомнить.

А почему ось $x$ направлена именно вниз, а не вправо? Опять всё просто: возьмите стандартную систему координат (ось $x$ идёт вправо, ось $y$ — вверх) и поверните её так, чтобы она охватывала матрицу. Это поворот на 90 градусов по часовой стрелке — его результат мы и видим на картинке.

В общем, как определять индексы у элементов матрицы, мы разобрались. Теперь давайте разберёмся с умножением.

Определение. Матрицы $A=\left[ m\times n \right]$ и $B=\left[ n\times k \right]$, когда количество столбцов в первой совпадает с количеством строк во второй, называются согласованными.

Именно в таком порядке. Можно сумничать и сказать, мол, матрицы $A$ и $B$ образуют упорядоченную пару $\left( A;B \right)$: если они согласованы в таком порядке, то совершенно необязательно, что $B$ и $A$, т.е. пара $\left( B;A \right)$ — тоже согласована.

Умножать можно только согласованные матрицы.

Определение. Произведение согласованных матриц $A=\left[ m\times n \right]$ и $B=\left[ n\times k \right]$ — это новая матрица $C=\left[ m\times k \right]$, элементы которой ${{c}_{ij}}$ считаются по формуле:

\[{{c}_{ij}}=\sum\limits_{k=1}^{n}{{{a}_{ik}}}\cdot {{b}_{kj}}\]

Другими словами: чтобы получить элемент ${{c}_{ij}}$ матрицы $C=A\cdot B$, нужно взять $i$-строку первой матрицы, $j$-й столбец второй матрицы, а затем попарно перемножить элементы из этой строки и столбца. Результаты сложить.

Да, вот такое суровое определение. Из него сразу следует несколько фактов:

1. Умножение матриц, вообще говоря, некоммутативно: $A\cdot B\ne B\cdot A$;
2. Однако умножение ассоциативно: $\left( A\cdot B \right)\cdot C=A\cdot \left( B\cdot C \right)$;
3. И даже дистрибутивно: $\left( A+B \right)\cdot C=A\cdot C+B\cdot C$;
4. И ещё раз дистрибутивно: $A\cdot \left( B+C \right)=A\cdot B+A\cdot C$.

Дистрибутивность умножения пришлось отдельно описывать для левого и правого множителя-суммы как раз из-за некоммутативности операции умножения.

Если всё же получается так, что $A\cdot B=B\cdot A$, такие матрицы называются перестановочными.

Среди всех матриц, которые там на что-то умножаются, есть особые — те, которые при умножении на любую матрицу $A$ снова дают $A$:

Определение. Матрица $E$ называется единичной, если $A\cdot E=A$ или $E\cdot A=A$. В случае с квадратной матрицей $A$ можем записать:

\[A\cdot E=E\cdot A=A\]

Единичная матрица — частый гость при решении матричных уравнений. И вообще частый гость в мире матриц.:)

А ещё из-за этой $E$ кое-кто придумал всю ту дичь, которая будет написана дальше.

Что такое обратная матрица

Поскольку умножение матриц — весьма трудоёмкая операция (приходится перемножать кучу строчек и столбцов), то понятие обратной матрицы тоже оказывается не самым тривиальным. И требующим некоторых пояснений.

Ключевое определение

Что ж, пора познать истину.

Определение. Матрица $B$ называется обратной к матрице $A$, если

\[A\cdot B=B\cdot A=E\]

Обратная матрица обозначается через ${{A}^{-1}}$ (не путать со степенью!), поэтому определение можно переписать так:

\[A\cdot {{A}^{-1}}={{A}^{-1}}\cdot A=E\]

Казалось бы, всё предельно просто и ясно. Но при анализе такого определения сразу возникает несколько вопросов:

1. Всегда ли существует обратная матрица? И если не всегда, то как определить: когда она существует, а когда — нет?
2. А кто сказал, что такая матрица ровно одна? Вдруг для некоторой исходной матрицы $A$ найдётся целая толпа обратных?
3. Как выглядят все эти «обратные»? И как, собственно, их считать?

Насчёт алгоритмов вычисления — об этом мы поговорим чуть позже. Но на остальные вопросы ответим прямо сейчас. Оформим их в виде отдельных утверждений-лемм.

Основные свойства

Начнём с того, как в принципе должна выглядеть матрица $A$, чтобы для неё существовала ${{A}^{-1}}$. Сейчас мы убедимся в том, что обе эти матрицы должны быть квадратными, причём одного размера: $\left[ n\times n \right]$.

Лемма 1. Дана матрица $A$ и обратная ей ${{A}^{-1}}$. Тогда обе эти матрицы — квадратные, причём одинакового порядка $n$.

Доказательство. Всё просто. Пусть матрица $A=\left[ m\times n \right]$, ${{A}^{-1}}=\left[ a\times b \right]$. Поскольку произведение $A\cdot {{A}^{-1}}=E$ по определению существует, матрицы $A$ и ${{A}^{-1}}$ согласованы в указанном порядке:

\[\begin{align} & \left[ m\times n \right]\cdot \left[ a\times b \right]=\left[ m\times b \right] \\ & n=a \end{align}\]

Это прямое следствие из алгоритма перемножения матриц: коэффициенты $n$ и $a$ являются «транзитными» и должны быть равны.

Вместе с тем определено и обратное умножение: ${{A}^{-1}}\cdot A=E$, поэтому матрицы ${{A}^{-1}}$ и $A$ тоже согласованы в указанном порядке:

\[\begin{align} & \left[ a\times b \right]\cdot \left[ m\times n \right]=\left[ a\times n \right] \\ & b=m \end{align}\]

Таким образом, без ограничения общности можем считать, что $A=\left[ m\times n \right]$, ${{A}^{-1}}=\left[ n\times m \right]$. Однако согласно определению $A\cdot {{A}^{-1}}={{A}^{-1}}\cdot A$, поэтому размеры матриц строго совпадают:

\[\begin{align} & \left[ m\times n \right]=\left[ n\times m \right] \\ & m=n \end{align}\]

Вот и получается, что все три матрицы — $A$, ${{A}^{-1}}$ и $E$ — являются квадратными размером $\left[ n\times n \right]$. Лемма доказана.

Что ж, уже неплохо. Мы видим, что обратимыми бывают лишь квадратные матрицы. Теперь давайте убедимся, что обратная матрица всегда одна.

Лемма 2. Дана матрица $A$ и обратная ей ${{A}^{-1}}$. Тогда эта обратная матрица — единственная.

Доказательство. Пойдём от противного: пусть у матрицы $A$ есть хотя бы два экземпляра обратных —$B$ и $C$. Тогда, согласно определению, верны следующие равенства:

\[\begin{align} & A\cdot B=B\cdot A=E; \\ & A\cdot C=C\cdot A=E. \\ \end{align}\]

Из леммы 1 мы заключаем, что все четыре матрицы — $A$, $B$, $C$ и $E$ — являются квадратными одинакового порядка: $\left[ n\times n \right]$. Следовательно, определено произведение:

\[B\cdot A\cdot C\]

Поскольку умножение матриц ассоциативно (но не коммутативно!), мы можем записать:

\[\begin{align} & B\cdot A\cdot C=\left( B\cdot A \right)\cdot C=E\cdot C=C; \\ & B\cdot A\cdot C=B\cdot \left( A\cdot C \right)=B\cdot E=B; \\ & B\cdot A\cdot C=C=B\Rightarrow B=C. \\ \end{align}\]

Получили единственно возможный вариант: два экземпляра обратной матрицы равны. Лемма доказана.

Приведённые рассуждения почти дословно повторяют доказательство единственность обратного элемента для всех действительных чисел $b\ne 0$. Единственное существенное дополнение — учёт размерности матриц.

Впрочем, мы до сих пор ничего не знаем о том, всякая ли квадратная матрица является обратимой. Тут нам на помощь приходит определитель — это ключевая характеристика для всех квадратных матриц.

Лемма 3. Дана матрица $A$. Если обратная к ней матрица ${{A}^{-1}}$ существует, то определитель исходной матрицы отличен от нуля:

\[\left| A \right|\ne 0\]

Доказательство. Мы уже знаем, что $A$ и ${{A}^{-1}}$ — квадратные матрицы размера $\left[ n\times n \right]$. Следовательно, для каждой из них можно вычислить определитель: $\left| A \right|$ и $\left| {{A}^{-1}} \right|$. Однако определитель произведения равен произведению определителей:

\[\left| A\cdot B \right|=\left| A \right|\cdot \left| B \right|\Rightarrow \left| A\cdot {{A}^{-1}} \right|=\left| A \right|\cdot \left| {{A}^{-1}} \right|\]

Но согласно определению $A\cdot {{A}^{-1}}=E$, а определитель $E$ всегда равен 1, поэтому

\[\begin{align} & A\cdot {{A}^{-1}}=E; \\ & \left| A\cdot {{A}^{-1}} \right|=\left| E \right|; \\ & \left| A \right|\cdot \left| {{A}^{-1}} \right|=1. \\ \end{align}\]

Произведение двух чисел равно единице только в том случае, когда каждое из этих чисел отлично от нуля:

\[\left| A \right|\ne 0;\quad \left| {{A}^{-1}} \right|\ne 0.\]

Вот и получается, что $\left| A \right|\ne 0$. Лемма доказана.

На самом деле это требование вполне логично. Сейчас мы разберём алгоритм нахождения обратной матрицы — и станет совершенно ясно, почему при нулевом определителе никакой обратной матрицы в принципе не может существовать.

Но для начала сформулируем «вспомогательное» определение:

Определение. Вырожденная матрица — это квадратная матрица размера $\left[ n\times n \right]$, чей определитель равен нулю.

Таким образом, мы можем утверждать, что всякая обратимая матрица является невырожденной.

Как найти обратную матрицу

Сейчас мы рассмотрим универсальный алгоритм нахождения обратных матриц. Вообще, существует два общепринятых алгоритма, и второй мы тоже сегодня рассмотрим.

Тот, который будет рассмотрен сейчас, очень эффективен для матриц размера $\left[ 2\times 2 \right]$ и — частично — размера $\left[ 3\times 3 \right]$. А вот начиная с размера $\left[ 4\times 4 \right]$ его лучше не применять. Почему — сейчас сами всё поймёте.

Алгебраические дополнения

Готовьтесь. Сейчас будет боль. Нет, не переживайте: к вам не идёт красивая медсестра в юбке, чулках с кружевами и не сделает укол в ягодицу. Всё куда прозаичнее: к вам идут алгебраические дополнения и Её Величество «Союзная Матрица».

Начнём с главного. Пусть имеется квадратная матрица размера $A=\left[ n\times n \right]$, элементы которой именуются ${{a}_{ij}}$. Тогда для каждого такого элемента можно определить алгебраическое дополнение:

Определение. Алгебраическое дополнение ${{A}_{ij}}$ к элементу ${{a}_{ij}}$, стоящего в $i$-й строке и $j$-м столбце матрицы $A=\left[ n\times n \right]$ — это конструкция вида

\[{{A}_{ij}}={{\left( -1 \right)}^{i+j}}\cdot M_{ij}^{*}\]

Где $M_{ij}^{*}$ — определитель матрицы, полученной из исходной $A$ вычёркиванием той самой $i$-й строки и $j$-го столбца.

Ещё раз. Алгебраическое дополнение к элементу матрицы с координатами $\left( i;j \right)$ обозначается как ${{A}_{ij}}$ и считается по схеме:

1. Сначала вычёркиваем из исходной матрицы $i$-строчку и $j$-й столбец. Получим новую квадратную матрицу, и её определитель мы обозначаем как $M_{ij}^{*}$.
2. Затем умножаем этот определитель на ${{\left( -1 \right)}^{i+j}}$ — поначалу это выражение может показаться мозговыносящим, но по сути мы просто выясняем знак перед $M_{ij}^{*}$.
3. Считаем — получаем конкретное число. Т.е. алгебраическое дополнение — это именно число, а не какая-то новая матрица и т.д.

Саму матрицу $M_{ij}^{*}$ называют дополнительным минором к элементу ${{a}_{ij}}$. И в этом смысле приведённое выше определение алгебраического дополнения является частным случаем более сложного определения — того, что мы рассматривали в уроке про определитель.

Важное замечание. Вообще-то во «взрослой» математике алгебраические дополнения определяются так:

1. Берём в квадратной матрице $k$ строчек и $k$ столбцов. На их пересечении получится матрица размера $\left[ k\times k \right]$ — её определитель называется минором порядка $k$ и обозначается ${{M}_{k}}$.
2. Затем вычёркиваем эти «избранные» $k$ строчек и $k$ столбцов. Снова получится квадратная матрица — её определитель называется дополнительным минором и обозначается $M_{k}^{*}$.
3. Умножаем $M_{k}^{*}$ на ${{\left( -1 \right)}^{t}}$, где $t$ — это (вот сейчас внимание!) сумма номеров всех выбранных строчек и столбцов. Это и будет алгебраическое дополнение.

Взгляните на третий шаг: там вообще-то сумма $2k$ слагаемых! Другое дело, что для $k=1$ мы получим лишь 2 слагаемых — это и будут те самые $i+j$ — «координаты» элемента ${{a}_{ij}}$, для которого мы ищем алгебраическое дополнение.

Таким образом сегодня мы используем слегка упрощённое определение. Но как мы увидим в дальнейшем, его окажется более чем достаточно. Куда важнее следующая штука:

Определение. Союзная матрица $S$ к квадратной матрице $A=\left[ n\times n \right]$ — это новая матрица размера $\left[ n\times n \right]$, которая получается из $A$ заменой ${{a}_{ij}}$ алгебраическими дополнениями ${{A}_{ij}}$:

\[A=\left[ \begin{matrix} {{a}_{11}} & {{a}_{12}} & … & {{a}_{1n}} \\ {{a}_{21}} & {{a}_{22}} & … & {{a}_{2n}} \\ … & … & … & … \\ {{a}_{n1}} & {{a}_{n2}} & … & {{a}_{nn}} \\\end{matrix} \right]\Rightarrow S=\left[ \begin{matrix} {{A}_{11}} & {{A}_{12}} & … & {{A}_{1n}} \\ {{A}_{21}} & {{A}_{22}} & … & {{A}_{2n}} \\ … & … & … & … \\ {{A}_{n1}} & {{A}_{n2}} & … & {{A}_{nn}} \\\end{matrix} \right]\]

Первая мысль, возникающая в момент осознания этого определения — «это сколько же придётся всего считать!» Расслабьтесь: считать придётся, но не так уж и много.:)

Что ж, всё это очень мило, но зачем это нужно? А вот зачем.

Основная теорема

Вернёмся немного назад. Помните, в Лемме 3 утверждалось, что обратимая матрица $A$ всегда не вырождена (т.е. её определитель отличен от нуля: $\left| A \right|\ne 0$).

Так вот, верно и обратное: если матрица $A$ не вырождена, то она всегда обратима. И даже существует схема поиска ${{A}^{-1}}$. Зацените:

Теорема об обратной матрице. Пусть дана квадратная матрица $A=\left[ n\times n \right]$, причём её определитель отличен от нуля: $\left| A \right|\ne 0$. Тогда обратная матрица ${{A}^{-1}}$ существует и считается по формуле:

\[{{A}^{-1}}=\frac{1}{\left| A \right|}\cdot {{S}^{T}}\]

А теперь — всё то же самое, но разборчивым почерком. Чтобы найти обратную матрицу, нужно:

1. Посчитать определитель $\left| A \right|$ и убедиться, что он отличен от нуля.
2. Составить союзную матрицу $S$, т.е. посчитать 100500 алгебраических дополнений ${{A}_{ij}}$ и расставить их на месте ${{a}_{ij}}$.
3. Транспонировать эту матрицу $S$, а затем умножить её на некое число $q={1}/{\left| A \right|}\;$.

И всё! Обратная матрица ${{A}^{-1}}$ найдена. Давайте посмотрим на примеры:

Задача. Найдите обратную матрицу:

\[\left[ \begin{matrix} 3 & 1 \\ 5 & 2 \\\end{matrix} \right]\]

Решение. Проверим обратимость. Посчитаем определитель:

\[\left| A \right|=\left| \begin{matrix} 3 & 1 \\ 5 & 2 \\\end{matrix} \right|=3\cdot 2-1\cdot 5=6-5=1\]

Определитель отличен от нуля. Значит, матрица обратима. Составим союзную матрицу:

\[S=\left[ \begin{matrix} {{A}_{11}} & {{A}_{12}} \\ {{A}_{21}} & {{A}_{22}} \\\end{matrix} \right]\]

Посчитаем алгебраические дополнения:

\[\begin{align} & {{A}_{11}}={{\left( -1 \right)}^{1+1}}\cdot \left| 2 \right|=2; \\ & {{A}_{12}}={{\left( -1 \right)}^{1+2}}\cdot \left| 5 \right|=-5; \\ & {{A}_{21}}={{\left( -1 \right)}^{2+1}}\cdot \left| 1 \right|=-1; \\ & {{A}_{22}}={{\left( -1 \right)}^{2+2}}\cdot \left| 3 \right|=3. \\ \end{align}\]

Обратите внимание: определители |2|, |5|, |1| и |3| — это именно определители матриц размера $\left[ 1\times 1 \right]$, а не модули. Т.е. если в определителях стояли отрицательные числа, убирать «минус» не надо.

Итого наша союзная матрица выглядит так:

\[S=\left[ \begin{array}{*{35}{r}}2 & -5 \\ -1 & 3 \\\end{array} \right]\]

Осталось посчитать обратную:

\[{{A}^{-1}}=\frac{1}{\left| A \right|}\cdot {{S}^{T}}=\frac{1}{1}\cdot {{\left[ \begin{array}{*{35}{r}} 2 & -5 \\ -1 & 3 \\\end{array} \right]}^{T}}=\left[ \begin{array}{*{35}{r}} 2 & -1 \\ -5 & 3 \\\end{array} \right]\]

Ну вот и всё. Задача решена.

Ответ. $\left[ \begin{array}{*{35}{r}} 2 & -1 \\ -5 & 3 \\\end{array} \right]$

Задача. Найдите обратную матрицу:

\[\left[ \begin{array}{*{35}{r}} 1 & -1 & 2 \\ 0 & 2 & -1 \\ 1 & 0 & 1 \\\end{array} \right]\]

Решение. Опять считаем определитель:

\[\begin{align} & \left| \begin{array}{*{35}{r}} 1 & -1 & 2 \\ 0 & 2 & -1 \\ 1 & 0 & 1 \\\end{array} \right|=\begin{matrix} \left( 1\cdot 2\cdot 1+\left( -1 \right)\cdot \left( -1 \right)\cdot 1+2\cdot 0\cdot 0 \right)- \\ -\left( 2\cdot 2\cdot 1+\left( -1 \right)\cdot 0\cdot 1+1\cdot \left( -1 \right)\cdot 0 \right) \\\end{matrix}= \\ & =\left( 2+1+0 \right)-\left( 4+0+0 \right)=-1\ne 0. \\ \end{align}\]

Определитель отличен от нуля — матрица обратима. А вот сейчас будет самая жесть: надо посчитать аж 9 (девять, мать их!) алгебраических дополнений. И каждое из них будет содержать определитель $\left[ 2\times 2 \right]$. Полетели:

\[\begin{matrix} {{A}_{11}}={{\left( -1 \right)}^{1+1}}\cdot \left| \begin{matrix} 2 & -1 \\ 0 & 1 \\\end{matrix} \right|=2; \\ {{A}_{12}}={{\left( -1 \right)}^{1+2}}\cdot \left| \begin{matrix} 0 & -1 \\ 1 & 1 \\\end{matrix} \right|=-1; \\ {{A}_{13}}={{\left( -1 \right)}^{1+3}}\cdot \left| \begin{matrix} 0 & 2 \\ 1 & 0 \\\end{matrix} \right|=-2; \\ … \\ {{A}_{33}}={{\left( -1 \right)}^{3+3}}\cdot \left| \begin{matrix} 1 & -1 \\ 0 & 2 \\\end{matrix} \right|=2; \\ \end{matrix}\]

Короче, союзная матрица будет выглядеть так:

\[S=\left[ \begin{matrix} 2 & -1 & -2 \\ 1 & -1 & -1 \\ -3 & 1 & 2 \\\end{matrix} \right]\]

Следовательно, обратная матрица будет такой:

\[{{A}^{-1}}=\frac{1}{-1}\cdot \left[ \begin{matrix} 2 & -1 & -2 \\ 1 & -1 & -1 \\ -3 & 1 & 2 \\\end{matrix} \right]=\left[ \begin{array}{*{35}{r}}-2 & -1 & 3 \\ 1 & 1 & -1 \\ 2 & 1 & -2 \\\end{array} \right]\]

Ну и всё. Вот и ответ.

Ответ. $\left[ \begin{array}{*{35}{r}} -2 & -1 & 3 \\ 1 & 1 & -1 \\ 2 & 1 & -2 \\\end{array} \right]$

Как видите, в конце каждого примера мы выполняли проверку. В связи с этим важное замечание:

Не ленитесь выполнять проверку. Умножьте исходную матрицу на найденную обратную — должна получиться $E$.

Выполнить эту проверку намного проще и быстрее, чем искать ошибку в дальнейших вычислениях, когда, например, вы решаете матричное уравнение.

Альтернативный способ

Как я и говорил, теорема об обратной матрице прекрасно работает для размеров $\left[ 2\times 2 \right]$ и $\left[ 3\times 3 \right]$ (в последнем случае — уже не так уж и «прекрасно»), а вот для матриц больших размеров начинается прям печаль.

Но не переживайте: есть альтернативный алгоритм, с помощью которого можно невозмутимо найти обратную хоть для матрицы $\left[ 10\times 10 \right]$. Но, как это часто бывает, для рассмотрения этого алгоритма нам потребуется небольшая теоретическая вводная.

Элементарные преобразования

Среди всевозможных преобразований матрицы есть несколько особых — их называют элементарными. Таких преобразований ровно три:

1. Умножение. Можно взять $i$-ю строку (столбец) и умножить её на любое число $k\ne 0$;
2. Сложение. Прибавить к $i$-й строке (столбцу) любую другую $j$-ю строку (столбец), умноженную на любое число $k\ne 0$ (можно, конечно, и $k=0$, но какой в этом смысл? Ничего не изменится же).
3. Перестановка. Взять $i$-ю и $j$-ю строки (столбцы) и поменять местами.

Почему эти преобразования называются элементарными (для больших матриц они выглядят не такими уж элементарными) и почему их только три — эти вопросы выходят за рамки сегодняшнего урока. Поэтому не будем вдаваться в подробности.

Важно другое: все эти извращения нам предстоит выполнять над присоединённой матрицей. Да, да: вы не ослышались. Сейчас будет ещё одно определение — последнее в сегодняшнем уроке.

Присоединённая матрица

Наверняка в школе вы решали системы уравнений методом сложения. Ну, там, вычесть из одной строки другую, умножить какую-то строку на число — вот это вот всё.

Так вот: сейчас будет всё то же, но уже «по-взрослому». Готовы?

Определение. Пусть дана матрица $A=\left[ n\times n \right]$ и единичная матрица $E$ такого же размера $n$. Тогда присоединённая матрица $\left[ A\left| E \right. \right]$ — это новая матрица размера $\left[ n\times 2n \right]$, которая выглядит так:

\[\left[ A\left| E \right. \right]=\left[ \begin{array}{rrrr|rrrr}{{a}_{11}} & {{a}_{12}} & … & {{a}_{1n}} & 1 & 0 & … & 0 \\{{a}_{21}} & {{a}_{22}} & … & {{a}_{2n}} & 0 & 1 & … & 0 \\… & … & … & … & … & … & … & … \\{{a}_{n1}} & {{a}_{n2}} & … & {{a}_{nn}} & 0 & 0 & … & 1 \\\end{array} \right]\]

Короче говоря, берём матрицу $A$, справа приписываем к ней единичную матрицу $E$ нужного размера, разделяем их вертикальной чертой для красоты — вот вам и присоединённая.:)

В чём прикол? А вот в чём:

Теорема. Пусть матрица $A$ обратима. Рассмотрим присоединённую матрицу $\left[ A\left| E \right. \right]$. Если с помощью элементарных преобразований строк привести её к виду $\left[ E\left| B \right. \right]$, т.е. путём умножения, вычитания и перестановки строк получить из $A$ матрицу $E$ справа, то полученная слева матрица $B$ — это обратная к $A$:

\[\left[ A\left| E \right. \right]\to \left[ E\left| B \right. \right]\Rightarrow B={{A}^{-1}}\]

Вот так всё просто! Короче говоря, алгоритм нахождения обратной матрицы выглядит так:

1. Записать присоединённую матрицу $\left[ A\left| E \right. \right]$;
2. Выполнять элементарные преобразования строк до тех пор, пока права вместо $A$ не появится $E$;
3. Разумеется, слева тоже что-то появится — некая матрица $B$. Это и будет обратная;
4. PROFIT!:)

Конечно, сказать намного проще, чем сделать. Поэтому давайте рассмотрим парочку примеров: для размеров $\left[ 3\times 3 \right]$ и $\left[ 4\times 4 \right]$.

Задача. Найдите обратную матрицу:

\[\left[ \begin{array}{*{35}{r}} 1 & 5 & 1 \\ 3 & 2 & 1 \\ 6 & -2 & 1 \\\end{array} \right]\]

Решение. Составляем присоединённую матрицу:

\[\left[ \begin{array}{rrr|rrr} 1 & 5 & 1 & 1 & 0 & 0 \\ 3 & 2 & 1 & 0 & 1 & 0 \\ 6 & -2 & 1 & 0 & 0 & 1 \\\end{array} \right]\]

Поскольку последний столбец исходной матрицы заполнен единицами, вычтем первую строку из остальных:

\[\begin{align} & \left[ \begin{array}{rrr|rrr} 1 & 5 & 1 & 1 & 0 & 0 \\ 3 & 2 & 1 & 0 & 1 & 0 \\ 6 & -2 & 1 & 0 & 0 & 1 \\\end{array} \right]\begin{matrix} \downarrow \\ -1 \\ -1 \\\end{matrix}\to \\ & \to \left[ \begin{array}{rrr|rrr} 1 & 5 & 1 & 1 & 0 & 0 \\ 2 & -3 & 0 & -1 & 1 & 0 \\ 5 & -7 & 0 & -1 & 0 & 1 \\\end{array} \right] \\ \end{align}\]

Больше единиц нет, кроме первой строки. Но её мы не трогаем, иначе в третьем столбце начнут «размножаться» только что убранные единицы.

Зато можем вычесть вторую строку дважды из последней — получим единицу в левом нижнем углу:

\[\begin{align} & \left[ \begin{array}{rrr|rrr} 1 & 5 & 1 & 1 & 0 & 0 \\ 2 & -3 & 0 & -1 & 1 & 0 \\ 5 & -7 & 0 & -1 & 0 & 1 \\\end{array} \right]\begin{matrix} \ \\ \downarrow \\ -2 \\\end{matrix}\to \\ & \left[ \begin{array}{rrr|rrr} 1 & 5 & 1 & 1 & 0 & 0 \\ 2 & -3 & 0 & -1 & 1 & 0 \\ 1 & -1 & 0 & 1 & -2 & 1 \\\end{array} \right] \\ \end{align}\]

Теперь можно вычесть последнюю строку из первой и дважды из второй — таким образом мы «занулим» первый столбец:

\[\begin{align} & \left[ \begin{array}{rrr|rrr} 1 & 5 & 1 & 1 & 0 & 0 \\ 2 & -3 & 0 & -1 & 1 & 0 \\ 1 & -1 & 0 & 1 & -2 & 1 \\\end{array} \right]\begin{matrix} -1 \\ -2 \\ \uparrow \\\end{matrix}\to \\ & \to \left[ \begin{array}{rrr|rrr} 0 & 6 & 1 & 0 & 2 & -1 \\ 0 & -1 & 0 & -3 & 5 & -2 \\ 1 & -1 & 0 & 1 & -2 & 1 \\\end{array} \right] \\ \end{align}\]

Умножим вторую строку на −1, а затем вычтем её 6 раз из первой и прибавим 1 раз к последней:

\[\begin{align} & \left[ \begin{array}{rrr|rrr} 0 & 6 & 1 & 0 & 2 & -1 \\ 0 & -1 & 0 & -3 & 5 & -2 \\ 1 & -1 & 0 & 1 & -2 & 1 \\\end{array} \right]\begin{matrix} \ \\ \left| \cdot \left( -1 \right) \right. \\ \ \\\end{matrix}\to \\ & \to \left[ \begin{array}{rrr|rrr} 0 & 6 & 1 & 0 & 2 & -1 \\ 0 & 1 & 0 & 3 & -5 & 2 \\ 1 & -1 & 0 & 1 & -2 & 1 \\\end{array} \right]\begin{matrix} -6 \\ \updownarrow \\ +1 \\\end{matrix}\to \\ & \to \left[ \begin{array}{rrr|rrr} 0 & 0 & 1 & -18 & 32 & -13 \\ 0 & 1 & 0 & 3 & -5 & 2 \\ 1 & 0 & 0 & 4 & -7 & 3 \\\end{array} \right] \\ \end{align}\]

Осталось лишь поменять местами строки 1 и 3:

\[\left[ \begin{array}{rrr|rrr} 1 & 0 & 0 & 4 & -7 & 3 \\ 0 & 1 & 0 & 3 & -5 & 2 \\ 0 & 0 & 1 & -18 & 32 & -13 \\\end{array} \right]\]

Готово! Справа — искомая обратная матрица.

Ответ. $\left[ \begin{array}{*{35}{r}}4 & -7 & 3 \\ 3 & -5 & 2 \\ -18 & 32 & -13 \\\end{array} \right]$

Задача. Найдите обратную матрицу:

\[\left[ \begin{matrix} 1 & 4 & 2 & 3 \\ 1 & -2 & 1 & -2 \\ 1 & -1 & 1 & 1 \\ 0 & -10 & -2 & -5 \\\end{matrix} \right]\]

Решение. Снова составляем присоединённую:

\[\left[ \begin{array}{rrrr|rrrr} 1 & 4 & 2 & 3 & 1 & 0 & 0 & 0 \\ 1 & -2 & 1 & -2 & 0 & 1 & 0 & 0 \\ 1 & -1 & 1 & 1 & 0 & 0 & 1 & 0 \\ 0 & -10 & -2 & -5 & 0 & 0 & 0 & 1 \\\end{array} \right]\]

Немного позалимаем, попечалимся от того, сколько сейчас придётся считать… и начнём считать. Для начала «обнулим» первый столбец, вычитая строку 1 из строк 2 и 3:

\[\begin{align} & \left[ \begin{array}{rrrr|rrrr} 1 & 4 & 2 & 3 & 1 & 0 & 0 & 0 \\ 1 & -2 & 1 & -2 & 0 & 1 & 0 & 0 \\ 1 & -1 & 1 & 1 & 0 & 0 & 1 & 0 \\ 0 & -10 & -2 & -5 & 0 & 0 & 0 & 1 \\\end{array} \right]\begin{matrix} \downarrow \\ -1 \\ -1 \\ \ \\\end{matrix}\to \\ & \to \left[ \begin{array}{rrrr|rrrr} 1 & 4 & 2 & 3 & 1 & 0 & 0 & 0 \\ 0 & -6 & -1 & -5 & -1 & 1 & 0 & 0 \\ 0 & -5 & -1 & -2 & -1 & 0 & 1 & 0 \\ 0 & -10 & -2 & -5 & 0 & 0 & 0 & 1 \\\end{array} \right] \\ \end{align}\]

Наблюдаем слишком много «минусов» в строках 2—4. Умножим все три строки на −1, а затем «выжжем» третий столбец, вычитая строку 3 из остальных:

\[\begin{align} & \left[ \begin{array}{rrrr|rrrr} 1 & 4 & 2 & 3 & 1 & 0 & 0 & 0 \\ 0 & -6 & -1 & -5 & -1 & 1 & 0 & 0 \\ 0 & -5 & -1 & -2 & -1 & 0 & 1 & 0 \\ 0 & -10 & -2 & -5 & 0 & 0 & 0 & 1 \\\end{array} \right]\begin{matrix} \ \\ \left| \cdot \left( -1 \right) \right. \\ \left| \cdot \left( -1 \right) \right. \\ \left| \cdot \left( -1 \right) \right. \\\end{matrix}\to \\ & \to \left[ \begin{array}{rrrr|rrrr} 1 & 4 & 2 & 3 & 1 & 0 & 0 & 0 \\ 0 & 6 & 1 & 5 & 1 & -1 & 0 & 0 \\ 0 & 5 & 1 & 2 & 1 & 0 & -1 & 0 \\ 0 & 10 & 2 & 5 & 0 & 0 & 0 & -1 \\\end{array} \right]\begin{matrix} -2 \\ -1 \\ \updownarrow \\ -2 \\\end{matrix}\to \\ & \to \left[ \begin{array}{rrrr|rrrr} 1 & -6 & 0 & -1 & -1 & 0 & 2 & 0 \\ 0 & 1 & 0 & 3 & 0 & -1 & 1 & 0 \\ 0 & 5 & 1 & 2 & 1 & 0 & -1 & 0 \\ 0 & 0 & 0 & 1 & -2 & 0 & 2 & -1 \\\end{array} \right] \\ \end{align}\]

Теперь самое время «поджарить» последний столбец исходной матрицы: вычитаем строку 4 из остальных:

\[\begin{align} & \left[ \begin{array}{rrrr|rrrr} 1 & -6 & 0 & -1 & -1 & 0 & 2 & 0 \\ 0 & 1 & 0 & 3 & 0 & -1 & 1 & 0 \\ 0 & 5 & 1 & 2 & 1 & 0 & -1 & 0 \\ 0 & 0 & 0 & 1 & -2 & 0 & 2 & -1 \\\end{array} \right]\begin{matrix} +1 \\ -3 \\ -2 \\ \uparrow \\\end{matrix}\to \\ & \to \left[ \begin{array}{rrrr|rrrr} 1 & -6 & 0 & 0 & -3 & 0 & 4 & -1 \\ 0 & 1 & 0 & 0 & 6 & -1 & -5 & 3 \\ 0 & 5 & 1 & 0 & 5 & 0 & -5 & 2 \\ 0 & 0 & 0 & 1 & -2 & 0 & 2 & -1 \\\end{array} \right] \\ \end{align}\]

Финальный бросок: «выжигаем» второй столбец, вычитая строку 2 из строки 1 и 3:

\[\begin{align} & \left[ \begin{array}{rrrr|rrrr} 1 & -6 & 0 & 0 & -3 & 0 & 4 & -1 \\ 0 & 1 & 0 & 0 & 6 & -1 & -5 & 3 \\ 0 & 5 & 1 & 0 & 5 & 0 & -5 & 2 \\ 0 & 0 & 0 & 1 & -2 & 0 & 2 & -1 \\\end{array} \right]\begin{matrix} 6 \\ \updownarrow \\ -5 \\ \ \\\end{matrix}\to \\ & \to \left[ \begin{array}{rrrr|rrrr} 1 & 0 & 0 & 0 & 33 & -6 & -26 & -17 \\ 0 & 1 & 0 & 0 & 6 & -1 & -5 & 3 \\ 0 & 0 & 1 & 0 & -25 & 5 & 20 & -13 \\ 0 & 0 & 0 & 1 & -2 & 0 & 2 & -1 \\\end{array} \right] \\ \end{align}\]

И снова слева единичная матрица, значит справа — обратная.:)

Ответ. $\left[ \begin{matrix} 33 & -6 & -26 & 17 \\ 6 & -1 & -5 & 3 \\ -25 & 5 & 20 & -13 \\ -2 & 0 & 2 & -1 \\\end{matrix} \right]$

Ну вот и всё. Проверку сделайте сами — мне в лом.:)

Смотрите также:

1. Как считать определитель матрицы
2. Угол между двумя прямыми
3. Тест к уроку «Сложные выражения с дробями» (легкий)
4. Правила комбинаторики в задаче B6
5. Пример решения задачи 15
6. Тригонометрия в задаче B15: решаем без производных

www.berdov.com

Алгоритм вычисления обратной матрицы.

1. Находим определитель исходной матрицы. Если , то матрица- вырожденная и обратной матрицыне существует. Если, то матрицаневырожденная и обратная матрица существует.

2. Находим матрицу , транспонированную к.

3. Находим алгебраические дополнения элементов и составляем из них присоединенную матрицу.

4. Составляем обратную матрицу по формуле    .

5. Проверяем правильность вычисления обратной матрицы , исходя из ее определения:.

Пример. Найти матрицу, обратную данной: .

Р е ш е н и е.

1)    Определитель матрицы

.

2)   Находим алгебраические дополнения элементов матрицы и составляем из них  присоединенную матрицу :

.

3)              Вычисляем обратную матрицу:

,

4)              Проверяем:

.

№4 Ранг матрицы. Линейная независимость строк матрицы

Для решения и исследования ряда математических и прикладных задач важное значение имеет понятие ранга матрицы.

В матрице размеромвычеркиванием каких-либо строк и столбцов можно вычленить квадратные подматрицы-го порядка, где. Определители таких подматриц называютсяминорами -го порядка матрицы.

Например, из матриц можно получить подматрицы 1, 2 и 3-го порядка.

Определение. Рангом матрицы называется наивысший порядок отличных от нуля миноров этой матрицы. Обозначение:или.

Из определения следует:

1) Ранг матрицы не превосходит меньшего из ее размеров, т.е..

2) тогда и только тогда, когда все элементы матрицы равны нулю, т.е..

3) Для квадратной матрицы n-го порядка тогда и только тогда, когда матрица- невырожденная.

Поскольку непосредственный перебор всех возможных миноров матрицы , начиная с наибольшего размера, затруднителен (трудоемок), то пользуются элементарными преобразованиями матрицы, сохраняющими ранг матрицы.

Элементарные преобразования матрицы:

1)   Отбрасывание нулевой строки (столбца).

2)   Умножение всех элементов строки (столбца) на число .

3)   Изменение порядка строк (столбцов) матрицы.

4)   Прибавление к каждому элементу одной строки (столбца) соответствующих элементов другой строки (столбца), умноженных на любое число.

5)   Транспонирование матрицы.

Определение. Матрица , полученная из матрицыпри помощи элементарных преобразований, называется эквивалентной и обозначаетсяА В.

Теорема. Ранг матрицы не изменяется при элементарных преобразованиях матрицы.

С помощью элементарных преобразований можно привести матрицу к так называемому ступенчатому виду, когда вычисление ее ранга не представляет труда.

Матрица называется ступенчатой если она имеет вид:

, где ,,.

Очевидно, что ранг ступенчатой матрицы равен числу ненулевых строк , т.к. имеется минор-го порядка, не равный нулю:

.

Пример. Определить ранг матрицы с помощью элементарных преобразований.

 .

Ранг матрицы равен количеству ненулевых строк, т.е. .

№5Линейная независимость строк матрицы

Дана матрица размера

Обозначим строки матрицы следующим образом:

Две строки называются равными, если равны их соответствующие элементы. .

Введем операции умножения строки на число и сложение строк как операции, проводимые поэлементно:

.

Определение. Строка называется линейной комбинацией строкматрицы, если она равна сумме произведений этих строк на произвольные действительные числа(любые числа):

.

Определение. Строки матрицы называютсялинейно зависимыми, если существует такие числа , не равные одновременно нулю, что линейная комбинация строк матрицы равна нулевой строке:

, где . (1.1)

Линейная зависимость строк матрицы обозначает, что хотя бы 1 строка матрицы является линейной комбинацией остальных.

Определение. Если линейная комбинация строк (1.1) равна нулю тогда и только тогда, когда все коэффициенты , то строкиназываютсялинейно независимыми.

Теорема о ранге матрицы. Ранг матрицы равен максимальному числу ее линейно независимых строк или столбцов, через которые линейно выражаются все остальные строки (столбцы).

Теорема играет принципиальную роль в матричном анализе, в частности, при исследовании систем линейных уравнений.

№6 Решение системы линейных уравнений снеизвестными

Системы линейных уравнений находят широкое применение в экономике.

Система линейных уравнений спеременными имеет вид:

,

где () — произвольные числа, называемыекоэффициентами при переменных и свободными членами уравнений, соответственно.

Краткая запись: ().

Определение. Решением системы называется такая совокупность значений , при подстановке которых каждое уравнение системы обращается в верное равенство.

1)             Система уравнений называется совместной, если она имеет хотя бы одно решение, и несовместной, если она не имеет решений.

2)             Совместная система уравнений называется определенной, если она имеет единственное решение, и неопределенной, если она имеет более одного решения.

3)             Две системы уравнений называются равносильными (эквивалентными), если они имеют одно и то же множество решений (например, одно решение).

studfiles.net

Алгоритм нахождения обратной матрицы

Действия над матрицой

1. Сложение и вычитание матриц:

Сложение и вычитание матриц — одно из простейших действий над ними, т.к. необходимо сложить или отнять соответствующие элементы двух матриц. Главное помнить, что складывать и вычитать можно только матрицы одинаковых размеров, т.е. тех, у которых одинаковое количество строк и одинаковое количество столбцов.

Например, пусть даны две матрицы равного размера 2х3, т.е. с двумя строками и тремя столбцами:

Сумма двух матриц:

Разность двух матриц:

2. Умножение матрицы на число:

Умножение матрицы на число — процесс, заключающийся в умножении числа на каждый элемент матрицы.

Например, пусть дана матрица А:

Умножим число 3 на матрицу А:

3. Умножение двух матриц:

Умножение двух матриц возможно только при условии, что число столбцов первой матрицы должно равняться числу строк второй. Новая матрица, которая получится при умножении матриц, будет состоять из количества строк, равное количеству столбцов первой матрицы и количества столбцов, равное количеству строк второй матрицы.

Предположим есть две матрицы размерами 3х4 и 4х2, т.е. в первой матрице 3 строки и 4 столбца, а во второй матрице 4 строки и 2 столбца. Т.к. количество столбцов первой матрицы (4), равно количеству строк второй матрицы (4), то матрицы можно перемножить, новая матрица будет иметь размер: 3х2, т.е. 3 строки и 2 столбца.

Можно представить все это в виде схемы:

После того как Вы определились с размером новой матрицы, которая получится при умножении двух матриц,  можно приступить к заполнению этой матрицы элементами. Если Вам надо заполнить первую строчку первого столбца этой матрицы, то надо каждый элемент первой строки первой матрицы умножать на каждый элемент первого столбца второй матрицы, если будем заполнять вторую строку первого столбца соответственно будем брать каждый элемент второй строки первой матрицы и умножать на первый столбец второй матрицы и т.д.

Посмотрим как это выглядит на схеме:

Посмотрим как это выглядит на примере:

Даны две матрицы:

Найдем произведение этих матриц:

4. Деление матриц:

Деление матриц — действие над матрицами, которое в этом понятии не встретишь в учебниках. Но если есть необходимость разделить матрицу А на матрицу В, то в этом случае используют одно из свойств степеней:

Согласно этому свойству разделим матрицу А на матрицу В:

В результате задача о делении матриц сводиться к умножению обратной матрицы матрице В на матрицу А.

Обратная матрица

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.

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:

Определители матриц (Детерминанты) Определители матриц (Детерминанты)

Определители матриц, способ № 1:

Определителем квадратной матрицы (det A) называется число, которое может быть вычислено по элементам матрицы по формуле:

, где М_1k — определитель матрицы (детерминант), полученной из исходной матрицывычеркиванием первой строки и k — oго столбца. Следует обратить внимание на то, чтоопределители имеют только квадратные матрицы, т.е. матрицы, у которых число строк равно числу столбцов. Первая формула позволяет вычислить определитель матрицы по первой строке, также справедлива формула вычисления определителя матрицы по первому столбцу:

Вообще говоря, определитель матрицы может вычисляться по любой строке или столбцуматрицы, т.е. справедлива формула:

Очевидно, что различные матрицы могут иметь одинаковые определители. Определитель единичной матрицы равен 1. Для указанной матрицы А число М_1k называется дополнительным минором элемента матрицы a_1k. Таким образом, можно заключить, что каждый элемент матрицы имеет свой дополнительный минор. Дополнительные миноры существуют только в квадратных матрицах.

Дополнительный минор произвольного элемента квадратной матрицы a_ij равенопределителю матрицы, полученной из исходной матрицы вычеркиванием i-ой строки и j-го столбца.

Определители матриц, способ № 2:

Определителем матрицы первого порядка, или определителем первого порядка, называется элемент а₁₁:

Определителем матрицы второго порядка, или определителем второго порядка, называется число, которое вычисляется по формуле:

Определителем матрицы третьего порядка, или определителем третьего порядка, называется число, которое вычисляется по формуле:

Это число представляет алгебраическую сумму, состоящую из шести слагаемых. В каждое слагаемое входит ровно по одному элементу из каждой строки и каждого столбца матрицы. Каждое слагаемое состоит из произведения трех сомножителей.

Знаки, с которыми члены определителя матрицы входят в формулу нахождения определителя матрицы третьего порядка можно определить, пользуясь приведенной схемой, которая называется правилом треугольников или правилом Сарруса. Первые три слагаемые берутся со знаком плюс и определяются из левого рисунка, а последующие три слагаемые берутся со знаком минус и определяются из правого рисунка.

Замечание:

Вычисление определителей матриц четвертого и более высокого порядка приводит к большим вычислениям, так как:

• для нахождения определителя матрицы первого порядка мы находим одно слагаемое, состоящее из одного сомножителя;

• для нахождения определителя матрицы второго порядка нужно вычислить алгебраическую сумму из двух слагаемых, где каждое слагаемое состоит из произведения двух сомножителей;

• для нахождения определителя матрицы третьего порядка нужно вычислить алгебраическую сумму из шести слагаемых, где каждое слагаемое состоит из произведения трех сомножителей;

• для нахождения определителя матрицы четвертого порядка нужно вычислить алгебраическую сумму из двадцати четырех слагаемых, где каждое слагаемое состоит из произведения четырех сомножителей и т.д.

Определить количество слагаемых, для нахождения определителя матрицы, в алгебраической сумме, можно вычислив факториал: 1!=1 2!=1×2=2 3!=1×2×3=6 4!=1×2×3×4=24 5! = 1 × 2 × 3 × 4 × 5 = 120 …

studfiles.net

Свойства определителей. Обратная матрица (Лекция №13)

1. Если квадратная матрица A^T является транспонированной матрицей A, то их определители совпадают |A^T | = |A|, т.е. определитель не меняется, если заменить его строки столбцами и обратно, например, для определителя третьего порядка .

   Доказательство проводится проверкой, т.е. сравнением обеих частей записанного равенства. Вычислим определители, стоящие слева и справа:

   

2. При перестановке 2-х строк или столбцов определитель изменит знак на противоположный, сохраняя абсолютную величину, т.е., например,

   Доказательство проводится аналогично доказательству свойства 1 сравнением обеих частей. Проведём его для определителя второго порядка.

   .

   Для определителя третьего порядка проверьте самостоятельно.

3. Если определитель имеет две одинаковые строки или столбца, то он равен нулю. Например, .

   Действительно, если переставить здесь 2-ю и 3-ю строки, то по свойству 2 этот определитель должен изменить знак, но сам определитель в данном случае не меняется, т.е. получаем |A| = –|A| или |A| = 0.

4. Общий множитель строки или столбца можно выносить за знак определителя. Например, .

   Доказательство проводится проверкой, как и свойство 1. (Самостоятельно)

5. Если все элементы какой–либо строки или столбца определителя равны нулю, то сам определитель равен нулю. (Доказательство – проверкой).
6. Если все элементы какой–либо строки или столбца определителя представлены в виде суммы 2-х слагаемых, то определитель можно представить в виде суммы 2-х определителей по формуле, например,

   .

   Доказательство — проверкой, аналогично свойству 1.

7. Если к какой–либо строке (или столбцу) определителя прибавить соответствующие элементы другой строки (или столбца), умноженные на одно и тоже число, то определитель не изменит своей величины. Например,

   .

   Докажем это равенство, используя предыдущие свойства определителя.

   Эти свойства определителей довольно часто используются при вычислении определителей и в различных задачах.

АЛГЕБРАИЧЕСКИЕ ДОПОЛНЕНИЯ И МИНОРЫ

Пусть имеем определитель третьего порядка: .

Минором, соответствующим данному элементу a_ij определителя третьего порядка, называется определитель второго порядка, полученный из данного вычёркиванием строки и столбца, на пересечении которых стоит данный элемент, т.е. i-ой строки и j-го столбца. Миноры соответствующие данному элементу a_ij будем обозначать M_ij.

Например, минором M₁₂, соответствующим элементу a₁₂, будет определитель , который получается вычёркиванием из данного определителя 1-ой строки и 2-го столбца.

Таким образом, формула, определяющая определитель третьего порядка, показывает, что этот определитель равен сумме произведений элементов 1-ой строки на соответствующие им миноры; при этом минор, соответствующий элементу a₁₂, берётся со знаком “–”, т.е. можно записать, что

.

(1)

Аналогично можно ввести определения миноров для определителей второго порядка и высших порядков.

Введём ещё одно понятие.

Алгебраическим дополнениемэлемента a_ij определителя называется его минор M_ij, умноженный на (–1)^i+j.

Алгебраическое дополнение элемента a_ij обозначается A_ij.

Из определения получаем, что связь между алгебраическим дополнением элемента и его минором выражается равенством A_ij = (–1)^i+jM_ij.

Например,

Пример. Дан определитель . Найти A₁₃, A₂₁, A₃₂.

Легко видеть, что используя алгебраические дополнения элементов, формулу (1) можно записать в виде:

.

Аналогично этой формуле можно получить разложение определителя по элементам любой строки или столбца.

Например, разложение определителя по элементам 2-ой строки можно получить следующим образом. Согласно свойству 2 определителя имеем:

Разложим полученный определитель по элементам 1-ой строки.

.

(2)

Отсюда т.к. определители второго порядка в формуле (2) есть миноры элементов a₂₁, a₂₂, a₂₃. Таким образом, , т.е. мы получили разложение определителя по элементам 2-ой строки.

Аналогично можно получить разложение определителя по элементам третьей строки. Используя свойство 1 определителей (о транспонировании), можно показать, что аналогичные разложения справедливы и при разложении по элементам столбцов.

Таким образом, справедлива следующая теорема.

Теорема (о разложении определителя по заданной строке или столбцу). Определитель равен сумме произведений элементов какой–либо его строки (или столбца) на их алгебраические дополнения.

Всё вышесказанное справедливо и для определителей любого более высокого порядка.

Примеры.

1. Вычислить определитель , раскладывая его по элементам 2-го столбца.

2. Вычислить определитель, используя его свойства. Прежде чем раскладывать определитель по элементам какой–либо строки, сводя к определителям третьего порядка, преобразуем его, используя свойство 7, сделав в какой–либо строке или столбце все элементы, кроме одного, равными нулю. В данном случае удобно рассмотреть 4-й столбец или 4-ю строку:

ОБРАТНАЯ МАТРИЦА

Понятие обратной матрицы вводится только для квадратных матриц.

Если A – квадратная матрица, то обратной для неё матрицей называется матрица, обозначаемая A^-1 и удовлетворяющая условию . (Это определение вводится по аналогии с умножением чисел)

Справедлива следующая теорема:

Теорема. Для того чтобы квадратная матрица A имела обратную, необходимо и достаточно, чтобы её определитель был отличен от нуля.

Доказательство:

1. Необходимость. Пусть для матрицы A существует обратная матрица A^-1. Покажем, что |A| ≠ 0.

   Прежде всего заметим, что можно доказать следующее свойство определителей .

   Предположим, что |A| = 0. Тогда . Но с другой стороны . Полученное противоречие и доказывает, что |A| ≠ 0.

2. Достаточность. Для простоты доказательство проведём для случая матрицы третьего порядка. Пусть и |A| ≠ 0.

   Покажем, что в этом случае обратной матрицей будет матрица

   , где A_ij алгебраическое дополнение элемента a_ij.

   Найдём AB=C.

   Заметим, что все диагональные элементы матрицы C будут равны 1. Действительно, например,

   Аналогично по теореме о разложении определителя по элементам строки можно доказать, что c₂₂ = c₃₃ = 1.

   Кроме того, все недиагональные элементы матрицы C равны нулю. Например,

   Следовательно, AB=E. Аналогично можно показать, что BA=E. Поэтому B = A^-1.

Таким образом, теорема содержит способ нахождения обратной матрицы.

Если условия теоремы выполнены, то матрица обратная к матрице находится следующим образом

,

где A_ij — алгебраические дополнения элементов a_ij данной матрицы A.

Итак, чтобы найти обратную матрицу нужно:

1. Найти определитель матрицы A.
2. Найти алгебраические дополнения A_ij всех элементов матрицы A и составить матрицу , элементами которой являются числа A_ij.
3. Найти матрицу, транспонированную полученной матрице , и умножить её на – это и будет .

   Аналогично для матриц второго порядка, обратной будет следующая матрица .

Примеры.

1. Найти матрицу, обратную данной . Сделать проверку.

   |A| = 2. Найдем алгебраические дополнения элементов матрицы A.

   Проверка:

   .

   Аналогично A∙A^-1 = E.

2. Найти элементы и матрицы A^-1 обратной данной

   .

   Вычислим |A| = 4. Тогда .

   .

3. . Найдем обратную матрицу.

   

toehelp.ru