Обра́тная ма́трица — такая матрица A−1, при умножении на которую, исходная матрица A даёт в результате единичную матрицу E:

\! AA^{-1} = A^{-1}A = E

Квадратная матрица обратима тогда и только тогда, когда она невырожденная, то есть её определитель не равен нулю. Для неквадратных матриц и вырожденных матриц обратных матриц не существует. Однако возможно обобщить это понятие и ввести псевдообратные матрицы, похожие на обратные по многим свойствам.

Свойства обратной матрицы

Способы нахождения обратной матрицы

Если матрица обратима, то для нахождения обратной матрицы можно воспользоваться одним из следующих способов:

Точные (прямые) методы

Метод Гаусса—Жордана

Возьмём две матрицы: саму A и единичную E. Приведём матрицу A к единичной матрице методом Гаусса—Жордана. После применения каждой операции к первой матрице применим ту же операцию ко второй. Когда приведение первой матрицы к единичному виду будет завершено, вторая матрица окажется равной A−1.

При использовании метода Гаусса первая матрица будет умножаться слева на одну из элементарных матриц \Lambda_i (трансвекцию или диагональную матрицу с единицами на главной диагонали, кроме одной позиции):

\Lambda_1 \cdot \dots \cdot \Lambda_n \cdot A = \Lambda A = E \Rightarrow \Lambda = A^{-1}.
\Lambda_m = \begin{bmatrix}
1 & \dots & 0 & -a_{1m} /a_{mm} &  0 &\dots & 0 \\
 & & &\dots & & &\\
0 & \dots & 1 & -a_{m-1m} /a_{mm} &  0 &\dots &0 \\
0 & \dots & 0 & 1/a_{mm} &  0 &\dots & 0 \\
0 & \dots & 0 & -a_{m+1m} /a_{mm} &  1 &\dots &0 \\
 & & &\dots & & &\\
0 & \dots & 0 & -a_{nm}/a_{mm} &  0 &\dots & 1 \end{bmatrix}.

Вторая матрица после применения всех операций станет равна \Lambda, то есть будет искомой. Сложность алгоритма — O(n^3).

С помощью матрицы алгебраических дополнений

A^{-1} = \frac{1}{\det A}\cdot \mbox{adj}\,A,
где \mbox{adj}\,A — присоединенная матрица;

Полученная матрица A−1 и будет обратной. Сложность алгоритма зависит от сложности алгоритма расчета определителя Odet и равна O(n²)·Odet.

Использование LU/LUP-разложения

Матричное уравнение AX=I_n для обратной матрицы X можно рассматривать как совокупность n систем вида Ax=b. Обозначим i-ый столбец матрицы X через X_i; тогда AX_i=e_i, i=1,\ldots,n ,поскольку i-м столбцом матрицы I_n является единичный вектор e_i. другими словами, нахождение обратной матрицы сводится к решению n уравнений с одной матрицей и разными правыми частями. После выполнения LUP-разложения (время O(n³)) на решение каждого из n уравнений нужно время O(n²), так что и эта часть работы требует времени O(n³)[1].

Если матрица A невырождена, то для неё можно рассчитать LUP-разложение PA=LU. Пусть PA=B, B^{-1}=D. Тогда из свойств обратной матрицы можно записать: D=U^{-1}L^{-1}. Если умножить это равенство на U и L то можно получить два равенства вида UD=L^{-1} и DL=U^{-1}. Первое из этих равенств представляет собой систему из n² линейных уравнений для \frac{n(n+1)}{2} из которых известны правые части (из свойств треугольных матриц). Второе представляет также систему из n² линейных уравнений для \frac{n(n-1)}{2} из которых известны правые части (также из свойств треугольных матриц). Вместе они представляют собой систему из n² равенств. С помощью этих равенств можно реккурентно определить все n² элементов матрицы D. Тогда из равенства (PA)−1 = A−1P−1 = B−1 = D. получаем равенство A^{-1} = DP.

В случае использования LU-разложения не требуется перестановки столбцов матрицы D но решение может разойтись даже если матрица A невырождена.

Сложность алгоритма — O(n³).

Итерационные методы

Методы Шульца

\begin{cases}\Psi_k=E-AU_k,\\
U_{k+1}=U_k \sum_{i=0}^n \Psi^i_k\end{cases}

Оценка погрешности

Выбор начального приближения

Проблема выбора начального приближения U_0~ в рассматриваемых здесь процессах итерационного обращения матриц не позволяет относиться к ним как к самостоятельным универсальным методам, конкурирующими с прямыми методами обращения, основанными, например, на LU-разложении матриц. Имеются некоторые рекомендации по выбору U_0~, обеспечивающие выполнение условия \rho(\Psi_0)<1~ (спектральный радиус матрицы меньше единицы), являющегося необходимым и достаточным для сходимости процесса. Однако при этом, во-первых, требуется знать сверху оценку спектра обращаемой матрицы A либо матрицы AA^T~ (а именно, если A — симметричная положительно определённая матрица и \rho(A)\le\beta~, то можно взять U_0={\alpha}E~, где \alpha\in\left(0,\frac{2}{\beta}\right)~; если же A — произвольная невырожденная матрица и \rho(AA^T)\le\beta~, то полагают U_0={\alpha}A^T~, где также \alpha\in\left(0,\frac{2}{\beta}\right)~; можно конечно упростить ситуацию и, воспользовавшись тем, что \rho(AA^T)\le\mathcal{k}AA^T\mathcal{k}~, положить U_0=\frac{A^T}{\|AA^T\|}~). Во-вторых, при таком задании начальной матрицы нет гарантии, что \|\Psi_0\|~ будет малой (возможно, даже окажется \|\Psi_0\|>1~), и высокий порядок скорости сходимости обнаружится далеко не сразу.

Примеры

Матрица 2х2

\mathbf{A}^{-1} = \begin{bmatrix}
a & b \\ c & d \\ 
\end{bmatrix}^{-1} =
\frac{1}{\det(\mathbf{A})} \begin{bmatrix}
\,\,\,d & \!\!-b \\ -c & \,a \\ 
\end{bmatrix} =
\frac{1}{ad - bc} \begin{bmatrix}
\,\,\,d & \!\!-b \\ -c & \,a \\ 
\end{bmatrix}.

Обращение матрицы 2х2 возможно только при условии, что ad - bc = \det A \neq 0 .

Примечания

  1. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы: построение и анализ, — М.: Вильямс, 2006 (стр. 700)


This page is based on a Wikipedia article (read/edit).
Text is available under the Creative Commons Attribution-ShareAlike 3.0 License; additional terms may apply.
Images, videos and audio are available under their respective licenses.
Cover image is available under {{mainImage.info.license.name || 'Unknown'}} License. Cover image is available under {{mainImage.info.license.name || 'Unknown'}} License. Credit: (see original file).