Как связаны определители прямой и обратной матрицы. Матричный метод решения слау: пример решения с помощью обратной матрицы

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.

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:

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).

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:

\=\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:

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

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

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:

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 ${{A}_{ij}}$:

\\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:

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

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:

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:

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

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:

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.:)

Матрица $A^{-1}$ называется обратной по отношению к квадратной матрице $A$, если выполнено условие $A^{-1}\cdot A=A\cdot A^{-1}=E$, где $E$ – единичная матрица, порядок которой равен порядку матрицы $A$.

Невырожденная матрица – матрица, определитель которой не равен нулю. Соответственно, вырожденная матрица – та, у которой равен нулю определитель.

Обратная матрица $A^{-1}$ существует тогда и только тогда, когда матрица $A$ – невырожденная. Если обратная матрица $A^{-1}$ существует, то она единственная.

Есть несколько способов нахождения обратной матрицы, и мы рассмотрим два из них. На этой странице будет рассмотрен метод присоединённой матрицы, который полагается стандартным в большинстве курсов высшей математики. Второй способ нахождения обратной матрицы (метод элементарных преобразований), который предполагает использование метода Гаусса или метода Гаусса-Жордана, рассмотрен во второй части .

Метод присоединённой (союзной) матрицы

Пусть задана матрица $A_{n\times n}$. Для того, чтобы найти обратную матрицу $A^{-1}$, требуется осуществить три шага:

1. Найти определитель матрицы $A$ и убедиться, что $\Delta A\neq 0$, т.е. что матрица А – невырожденная.
2. Составить алгебраические дополнения $A_{ij}$ каждого элемента матрицы $A$ и записать матрицу $A_{n\times n}^{*}=\left(A_{ij} \right)$ из найденных алгебраических дополнений.
3. Записать обратную матрицу с учетом формулы $A^{-1}=\frac{1}{\Delta A}\cdot {A^{*}}^T$.

Матрицу ${A^{*}}^T$ часто именуют присоединённой (взаимной, союзной) к матрице $A$.

Если решение происходит вручную, то первый способ хорош лишь для матриц сравнительно небольших порядков: второго (), третьего (), четвертого (). Чтобы найти обратную матрицу для матрицы высшего порядка, используются иные методы. Например, метод Гаусса, который рассмотрен во второй части .

Пример №1

Найти матрицу, обратную к матрице $A=\left(\begin{array} {cccc} 5 & -4 &1 & 0 \\ 12 &-11 &4 & 0 \\ -5 & 58 &4 & 0 \\ 3 & -1 & -9 & 0 \end{array} \right)$.

Так как все элементы четвёртого столбца равны нулю, то $\Delta A=0$ (т.е. матрица $A$ является вырожденной). Так как $\Delta A=0$, то обратной матрицы к матрице $A$ не существует.

Ответ : матрицы $A^{-1}$ не существует.

Пример №2

Найти матрицу, обратную к матрице $A=\left(\begin{array} {cc} -5 & 7 \\ 9 & 8 \end{array}\right)$. Выполнить проверку.

Используем метод присоединённой матрицы. Сначала найдем определитель заданной матрицы $A$:

$$ \Delta A=\left| \begin{array} {cc} -5 & 7\\ 9 & 8 \end{array}\right|=-5\cdot 8-7\cdot 9=-103. $$

Так как $\Delta A \neq 0$, то обратная матрица существует, посему продолжим решение. Находим алгебраические дополнения

\begin{aligned} & A_{11}=(-1)^2\cdot 8=8; \; A_{12}=(-1)^3\cdot 9=-9;\\ & A_{21}=(-1)^3\cdot 7=-7; \; A_{22}=(-1)^4\cdot (-5)=-5.\\ \end{aligned}

Составляем матрицу из алгебраических дополнений: $A^{*}=\left(\begin{array} {cc} 8 & -9\\ -7 & -5 \end{array}\right)$.

Транспонируем полученную матрицу: ${A^{*}}^T=\left(\begin{array} {cc} 8 & -7\\ -9 & -5 \end{array}\right)$ (полученная матрица часто именуется присоединённой или союзной матрицей к матрице $A$). Используя формулу $A^{-1}=\frac{1}{\Delta A}\cdot {A^{*}}^T$, имеем:

$$ A^{-1}=\frac{1}{-103}\cdot \left(\begin{array} {cc} 8 & -7\\ -9 & -5 \end{array}\right) =\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right) $$

Итак, обратная матрица найдена: $A^{-1}=\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right)$. Чтобы проверить истинность результата, достаточно проверить истинность одного из равенств: $A^{-1}\cdot A=E$ или $A\cdot A^{-1}=E$. Проверим выполнение равенства $A^{-1}\cdot A=E$. Дабы поменьше работать с дробями, будем подставлять матрицу $A^{-1}$ не в форме $\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right)$, а в виде $-\frac{1}{103}\cdot \left(\begin{array} {cc} 8 & -7\\ -9 & -5 \end{array}\right)$:

$$ A^{-1}\cdot{A} =-\frac{1}{103}\cdot \left(\begin{array} {cc} 8 & -7\\ -9 & -5 \end{array}\right)\cdot\left(\begin{array} {cc} -5 & 7 \\ 9 & 8 \end{array}\right) =-\frac{1}{103}\cdot\left(\begin{array} {cc} -103 & 0 \\ 0 & -103 \end{array}\right) =\left(\begin{array} {cc} 1 & 0 \\ 0 & 1 \end{array}\right) =E $$

Ответ : $A^{-1}=\left(\begin{array} {cc} -8/103 & 7/103\\ 9/103 & 5/103 \end{array}\right)$.

Пример №3

Найти обратную матрицу для матрицы $A=\left(\begin{array} {ccc} 1 & 7 & 3 \\ -4 & 9 & 4 \\ 0 & 3 & 2\end{array} \right)$. Выполнить проверку.

Начнём с вычисления определителя матрицы $A$. Итак, определитель матрицы $A$ таков:

$$ \Delta A=\left| \begin{array} {ccc} 1 & 7 & 3 \\ -4 & 9 & 4 \\ 0 & 3 & 2\end{array} \right| = 18-36+56-12=26. $$

Так как $\Delta A\neq 0$, то обратная матрица существует, посему продолжим решение. Находим алгебраические дополнения каждого элемента заданной матрицы:

$$ \begin{aligned} & A_{11}=(-1)^{2}\cdot\left|\begin{array}{cc} 9 & 4\\ 3 & 2\end{array}\right|=6;\; A_{12}=(-1)^{3}\cdot\left|\begin{array}{cc} -4 &4 \\ 0 & 2\end{array}\right|=8;\; A_{13}=(-1)^{4}\cdot\left|\begin{array}{cc} -4 & 9\\ 0 & 3\end{array}\right|=-12;\\ & A_{21}=(-1)^{3}\cdot\left|\begin{array}{cc} 7 & 3\\ 3 & 2\end{array}\right|=-5;\; A_{22}=(-1)^{4}\cdot\left|\begin{array}{cc} 1 & 3\\ 0 & 2\end{array}\right|=2;\; A_{23}=(-1)^{5}\cdot\left|\begin{array}{cc} 1 & 7\\ 0 & 3\end{array}\right|=-3;\\ & A_{31}=(-1)^{4}\cdot\left|\begin{array}{cc} 7 & 3\\ 9 & 4\end{array}\right|=1;\; A_{32}=(-1)^{5}\cdot\left|\begin{array}{cc} 1 & 3\\ -4 & 4\end{array}\right|=-16;\; A_{33}=(-1)^{6}\cdot\left|\begin{array}{cc} 1 & 7\\ -4 & 9\end{array}\right|=37. \end{aligned} $$

Составляем матрицу из алгебраических дополнений и транспонируем её:

$$ A^*=\left(\begin{array} {ccc} 6 & 8 & -12 \\ -5 & 2 & -3 \\ 1 & -16 & 37\end{array} \right); \; {A^*}^T=\left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right). $$

Используя формулу $A^{-1}=\frac{1}{\Delta A}\cdot {A^{*}}^T$, получим:

$$ A^{-1}=\frac{1}{26}\cdot \left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right)= \left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right) $$

Итак, $A^{-1}=\left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right)$. Чтобы проверить истинность результата, достаточно проверить истинность одного из равенств: $A^{-1}\cdot A=E$ или $A\cdot A^{-1}=E$. Проверим выполнение равенства $A\cdot A^{-1}=E$. Дабы поменьше работать с дробями, будем подставлять матрицу $A^{-1}$ не в форме $\left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right)$, а в виде $\frac{1}{26}\cdot \left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right)$:

$$ A\cdot{A^{-1}} =\left(\begin{array}{ccc} 1 & 7 & 3 \\ -4 & 9 & 4\\ 0 & 3 & 2\end{array} \right)\cdot \frac{1}{26}\cdot \left(\begin{array} {ccc} 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end{array} \right) =\frac{1}{26}\cdot\left(\begin{array} {ccc} 26 & 0 & 0 \\ 0 & 26 & 0 \\ 0 & 0 & 26\end{array} \right) =\left(\begin{array} {ccc} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1\end{array} \right) =E $$

Проверка пройдена успешно, обратная матрица $A^{-1}$ найдена верно.

Ответ : $A^{-1}=\left(\begin{array} {ccc} 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6/13 & -3/26 & 37/26 \end{array} \right)$.

Пример №4

Найти матрицу, обратную матрице $A=\left(\begin{array} {cccc} 6 & -5 & 8 & 4\\ 9 & 7 & 5 & 2 \\ 7 & 5 & 3 & 7\\ -4 & 8 & -8 & -3 \end{array} \right)$.

Для матрицы четвёртого порядка нахождение обратной матрицы с помощью алгебраических дополнений несколько затруднительно. Однако такие примеры в контрольных работах встречаются.

Чтобы найти обратную матрицу, для начала нужно вычислить определитель матрицы $A$. Лучше всего в данной ситуации это сделать с помощью разложения определителя по строке (столбцу) . Выбираем любую строку или столбец и находим алгебраические дополнения каждого элемента избранной строки или столбца.

Например, для первой строки получим:

$$ A_{11}=\left|\begin{array}{ccc} 7 & 5 & 2\\ 5 & 3 & 7\\ 8 & -8 & -3 \end{array}\right|=556;\; A_{12}=-\left|\begin{array}{ccc} 9 & 5 & 2\\ 7 & 3 & 7 \\ -4 & -8 & -3 \end{array}\right|=-300; $$ $$ A_{13}=\left|\begin{array}{ccc} 9 & 7 & 2\\ 7 & 5 & 7\\ -4 & 8 & -3 \end{array}\right|=-536;\; A_{14}=-\left|\begin{array}{ccc} 9 & 7 & 5\\ 7 & 5 & 3\\ -4 & 8 & -8 \end{array}\right|=-112. $$

Определитель матрицы $A$ вычислим по следующей формуле:

$$ \Delta{A}=a_{11}\cdot A_{11}+a_{12}\cdot A_{12}+a_{13}\cdot A_{13}+a_{14}\cdot A_{14}=6\cdot 556+(-5)\cdot(-300)+8\cdot(-536)+4\cdot(-112)=100. $$

$$ \begin{aligned} & A_{21}=-77;\;A_{22}=50;\;A_{23}=87;\;A_{24}=4;\\ & A_{31}=-93;\;A_{32}=50;\;A_{33}=83;\;A_{34}=36;\\ & A_{41}=473;\;A_{42}=-250;\;A_{43}=-463;\;A_{44}=-96. \end{aligned} $$

Матрица из алгебраических дополнений: $A^*=\left(\begin{array}{cccc} 556 & -300 & -536 & -112\\ -77 & 50 & 87 & 4 \\ -93 & 50 & 83 & 36\\ 473 & -250 & -463 & -96\end{array}\right)$.

Присоединённая матрица: ${A^*}^T=\left(\begin{array} {cccc} 556 & -77 & -93 & 473\\ -300 & 50 & 50 & -250 \\ -536 & 87 & 83 & -463\\ -112 & 4 & 36 & -96\end{array}\right)$.

Обратная матрица:

$$ A^{-1}=\frac{1}{100}\cdot \left(\begin{array} {cccc} 556 & -77 & -93 & 473\\ -300 & 50 & 50 & -250 \\ -536 & 87 & 83 & -463\\ -112 & 4 & 36 & -96 \end{array} \right)= \left(\begin{array} {cccc} 139/25 & -77/100 & -93/100 & 473/100 \\ -3 & 1/2 & 1/2 & -5/2 \\ -134/25 & 87/100 & 83/100 & -463/100 \\ -28/25 & 1/25 & 9/25 & -24/25 \end{array} \right) $$

Проверка, при желании, может быть произведена так же, как и в предыдущих примерах.

Ответ : $A^{-1}=\left(\begin{array} {cccc} 139/25 & -77/100 & -93/100 & 473/100 \\ -3 & 1/2 & 1/2 & -5/2 \\ -134/25 & 87/100 & 83/100 & -463/100 \\ -28/25 & 1/25 & 9/25 & -24/25 \end{array} \right)$.

Во второй части будет рассмотрен иной способ нахождения обратной матрицы, который предполагает использование преобразований метода Гаусса или метода Гаусса-Жордана.

Способы нахождения обратной матрицы. Рассмотрим квадратную матрицу

Обозначим Δ = det A.

Квадратная матрица А называется невырожденной, или неособенной , если ее определитель отличен от нуля, и вырожденной, или особенной , если Δ = 0.

Квадратная матрица В есть для квадратной матрицы А того же порядка, если их произведение А В = В А = Е, где Е - единичная матрица того же порядка, что и матрицы А и В.

Теорема . Для того, чтобы матрица А имела обратную матрицу, необходимо и достаточно, чтобы ее определитель был отличен от нуля.

Обратная матрица матрице А, обозначается через А - 1 , так что В = А - 1 и вычисляется по формуле

, (1)

где А i j - алгебраические дополнения элементов a i j матрицы A..

Вычисление A -1 по формуле (1) для матриц высокого порядка очень трудоемко, поэтому на практике бывает удобно находить A -1 с помощью метода элементарных преобразований (ЭП). Любую неособенную матрицу А путем ЭП только столбцов (или только строк) можно привести к единичной матрице Е. Если совершенные над матрицей А ЭП в том же порядке применить к единичной матрице Е, то в результате получится обратная матрица. Удобно совершать ЭП над матрицами А и Е одновременно, записывая обе матрицы рядом через черту. Отметим еще раз, что при отыскании канонического вида матрицы с целью нахождения можно пользоваться преобразованиями строк и столбцов. Если нужно найти обратную матрицу, в процессе преобразований следует использовать только строки или только столбцы.

Пример 1 . Для матрицы найти A -1 .

Решение. Находим сначала детерминант матрицы А
значит, обратная матрица существует и мы ее можем найти по формуле: , где А i j (i,j=1,2,3) - алгебраические дополнения элементов а i j исходной матрицы.

Откуда .

Пример 2 . Методом элементарных преобразований найти A -1 для матрицы: А= .

Решение. Приписываем к исходной матрице справа единичную матрицу того же порядка: . С помощью элементарных преобразований столбцов приведем левую “половину” к единичной, совершая одновременно точно такие преобразования над правой матрицей.
Для этого поменяем местами первый и второй столбцы: ~ . К третьему столбцу прибавим первый, а ко второму - первый, умноженный на -2: . Из первого столбца вычтем удвоенный второй, а из третьего - умноженный на 6 второй; . Прибавим третий столбец к первому и второму: . Умножим последний столбец на -1: . Полученная справа от вертикальной черты квадратная матрица является обратной матрицей к данной матрице А. Итак,
.