Калькулятор обратной матрицы

Нахождение обратной матрицы вручную – рутинная задача: для 3×3 нужно выполнить десятки арифметических операций, для 4×4 – сотни, и одна ошибка обнулит весь результат. Калькулятор обратной матрицы выше выполняет расчёт мгновенно с пошаговой детализацией – вы видите каждую операцию и можете проверить промежуточные шаги.

Что такое обратная матрица

Обратная матрица A⁻¹ – это матрица, которая при умножении на исходную квадратную матрицу A даёт единичную матрицу I:

A × A⁻¹ = A⁻¹ × A = I

Единичная матрица I – аналог числа 1 для матриц: на главной диагонали стоят единицы, все остальные элементы – нули. Концепция аналогична обратным числам в арифметике (2 × 0,5 = 1), только вместо чисел – таблицы.

Условия существования обратной матрицы:

• Матрица квадратная – количество строк равно количеству столбцов (n × n)
• Определитель не равен нулю – det(A) ≠ 0, то есть матрица невырожденная
• Обратная единственна – если A⁻¹ существует, она только одна

Формула обратной матрицы 2×2

Для матрицы размером 2×2 существует компактная формула. Если A = [[a, b], [c, d]], то:

A⁻¹ = 1/(ad − bc) × [[d, −b], [−c, a]]

Знаменатель ad − bc – это определитель. Если он равен нулю, обратной матрицы нет.

Пример. Матрица A = [[3, 1], [2, 4]]:

1. Определитель: det = 3 × 4 − 1 × 2 = 10
2. Перестановка и смена знаков: [[4, −1], [−2, 3]]
3. Деление на определитель: A⁻¹ = 1/10 × [[4, −1], [−2, 3]] = [[0,4, −0,1], [−0,2, 0,3]]

Проверка: A × A⁻¹ = [[3, 1], [2, 4]] × [[0,4, −0,1], [−0,2, 0,3]] = [[1, 0], [0, 1]] = I ✓

Для матриц 3×3 и крупнее ручная формула через присоединённую матрицу громоздка, и на практике применяют метод Гаусса-Жордана.

Как найти обратную матрицу методом Гаусса-Жордана

Метод Гаусса-Жордана – универсальный алгоритм, который работает для любой квадратной матрицы. Суть: к исходной матрице A приписывают справа единичную I, затем элементарными преобразованиями строк приводят левую часть к единичному виду. Правая часть автоматически становится A⁻¹.

Пошаговый алгоритм

1. Записать расширенную матрицу [A | I] – исходная матрица и единичная рядом
2. Прямой ход Гаусса – обнулить элементы ниже главной диагонали, получив верхнетреугольный вид
3. Обратный ход Жордана – обнулить элементы выше главной диагонали
4. Разделить каждую строку на диагональный элемент, чтобы получить [I | A⁻¹]
5. Правая часть расширенной матрицы – искомая обратная

Пример для матрицы 2×2: A = [[1, 2], [3, 5]]

Шаг 1. Расширенная матрица:

| 1  2 | 1  0 |
| 3  5 | 0  1 |

Шаг 2. Из второй строки вычитаем первую, умноженную на 3:

| 1  2 | 1  0 |
| 0 -1 |-3  1 |

Шаг 3. К первой строке прибавляем вторую, умноженную на 2:

| 1  0 |-5  2 |
| 0 -1 |-3  1 |

Шаг 4. Вторую строку делим на −1:

| 1  0 |-5  2 |
| 0  1 | 3 -1 |

Результат: A⁻¹ = [[−5, 2], [3, −1]]

Если на каком-то шаге ведущий элемент оказался нулём и его нельзя заменить перестановкой строк – матрица вырожденная, обратной не существует.

Метод алгебраических дополнений

Второй подход – формула через присоединённую матрицу:

A⁻¹ = 1/det(A) × adj(A)

Где adj(A) – транспонированная матрица алгебраических дополнений. Алгоритм из трёх шагов:

1. Найти определитель det(A). Если равен нулю – стоп, обратной нет
2. Построить матрицу алгебраических дополнений – для каждого элемента aᵢⱼ вычеркнуть i-ю строку и j-й столбец, вычислить определитель оставшейся матрицы (минор) и умножить на (−1)ⁱ⁺ʲ
3. Транспонировать полученную матрицу и разделить каждый элемент на det(A)

Этот метод нагляднее для понимания связи между определителем и обратной матрицей, но для матриц крупнее 3×3 трудоёмкость растёт катастрофически: каждый из 9 элементов матрицы 3×3 требует определителя 2×2, а для 4×4 – уже 16 определителей 3×3.

Сравнение методов вычисления

Когда обратная матрица не существует

Матрица вырожденная (сингулярная), и A⁻¹ для неё не определена, если выполняется хотя бы одно из условий:

• det(A) = 0
• Строки или столбцы линейно зависимы – одна строка является линейной комбинацией других
• Ранг матрицы меньше n (не полный ранг)
• В методе Гаусса-Жордана появился нулевой ведущий элемент, который не устраняется перестановкой строк

Пример вырожденной матрицы: A = [[1, 2], [2, 4]]. Определитель = 1 × 4 − 2 × 2 = 0. Вторая строка – удвоенная первая, строки линейно зависимы.

Свойства обратной матрицы

Обратите внимание на свойство произведения: (AB)⁻¹ = B⁻¹A⁻¹, а не A⁻¹B⁻¹. Порядок сомножителей меняется на обратный – это ключевое отличие от числовой арифметики.

Где применяется обратная матрица

• Решение систем линейных уравнений – если Ax = b, то x = A⁻¹b. Это прямой путь к решению при небольшой размерности
• Регрессионный анализ – оценка метода наименьших квадратов: β = (XᵀX)⁻¹Xᵀy
• Компьютерная графика и 3D-моделирование – обратные матрицы трансформаций отменяют повороты, сдвиги и масштабирование объекта
• Криптография – дешифрование шифра Хилла использует обратную матрицу ключа по модулю
• Экономика – модель межотраслевого баланса Леонтьева: x = (I − A)⁻¹ × y
• Теория игр – нахождение смешанных равновесий в матричных играх

Статья носит ознакомительный характер. Для критически важных вычислений рекомендуется проверять результат через A × A⁻¹ = I.