Обратная матрица третьего порядка. Найти обратную матрицу онлайн
Нахождение обратной матрицы - процесс, который состоит из достаточно простых действий. Но эти действия повторяются так часто, что процесс получается довольно продолжительным. Главное - не потерять внимание при решении.
При решении наиболее распространённым методом - алгебраических дополнений - потребуется:
При решении примеров мы разберём эти действия подробнее. А пока узнаем, что гласит теория об обратной матрице.
Для обратной матрицы существует уместная аналогия с обратным числом. Для каждого числа a , не равного нулю, существует такое число b , что произведение a и b равно единице: ab = 1 . Число b называется обратным для числа b . Например, для числа 7 обратным является число 1/7, так как 7*1/7=1.
Обратной матрицей , которую требуется отыскать для данной квадратной матрицы А , называется такая матрица
произведение на которую матрицы А
справа является единичной матрицей, т.е,
. (1)
Единичной матрицей называется диагональная матрица, у которой все диагональные элементы равны единице.
Нахождение обратной матрицы - задача, которая чаще решается двумя методами:
- методом алгебраических дополнений, при котором, как было замечено в начале урока, требуется находить определители, миноры и алгебраические дополнения и транспонировать матрицы;
- методом исключения неизвестных Гаусса, при котором требуется производить элементарные преобразования матриц (складывать строки, умножать строки на одно и то же число и т. д.).
Для особо любознательных существуют и другие методы, например, метод линейных преобразований. На этом уроке разберём три упомянутых метода и алгоритмы нахождения обратной матрицы этими методами.
Теорема. Для каждой неособенной (невырожденной, несингулярной) квадратной матрицы можно найти обратную матрицу, и притом только одну. Для особенной (вырожденной, сингулярной) квадратной матрицы обратная матрица не существует.
Квадратная матрица называется неособенной (или невырожденной , несингулярной ), если её определитель не равен нулю, и особенной (или вырожденной , сингулярной ), если её определитель равен нулю.
Обратная матрица может быть найдена только для квадратной матрицы. Естественно, обратная матрица также будет квадратной и того же порядка, что и данная матрица. Матрица, для которой может быть найдена обратная матрица, называется обратимой матрицей.
Нахождение обратной матрицы методом исключения неизвестных Гаусса
Первый шаг для нахождения обратной матрицы методом исключения неизвестных Гаусса - приписать к матрице A единичную матрицу того же порядка, отделив их вертикальной чертой. Мы получим сдвоенную матрицу . Умножим обе части этой матрицы на , тогда получим
,
Алгоритм нахождения обратной матрицы методом исключения неизвестных Гаусса
1. К матрице A приписать единичную матрицу того же порядка.
2. Полученную сдвоенную матрицу преобразовать так, чтобы в левой её части получилась единичная матрица, тогда в правой части на месте единичной матрицы автоматически получится обратная матрица. Матрица A в левой части преобразуется в единичную матрицу путём элементарных преобразований матрицы.
2. Если в процессе преобразования матрицы A в единичную матрицу в какой-либо строке или в каком-либо столбце окажутся только нули, то определитель матрицы равен нулю, и, следовательно, матрица A будет вырожденной, и она не имеет обратной матрицы. В этом случае дальнейшее нахождение обратной матрицы прекращается.
Пример 2. Для матрицы
найти обратную матрицу.
и будем её преобразовывать, так чтобы в левой части получилась единичная матрица. Начинаем преобразования.
Умножим первую строку левой и правой матрицы на (-3) и сложим её со второй строкой, а затем умножим первую строку на (-4) и сложим её с третьей строкой, тогда получим
.
Чтобы по возможности не было дробных чисел при последующих преобразованиях, создадим предварительно единицу во второй строке в левой части сдвоенной матрицы. Для этого умножим вторую строку на 2 и вычтем из неё третью строку, тогда получим
.
Сложим первую строку со второй, а затем умножим вторую строку на (-9) и сложим её с третьей строкой. Тогда получим
.
Разделим третью строку на 8, тогда
.
Умножим третью строку на 2 и сложим её со второй строкой. Получается:
.
Переставим местами вторую и третью строку, тогда окончательно получим:
.
Видим, что в левой части получилась единичная матрица, следовательно, в правой части получилась обратная матрица . Таким образом:
.
Можно проверить правильность вычислений, умножим исходную матрицу на найденную обратную матрицу:
В результате должна получиться обратная матрица.
Проверить решение можно с помощью онлайн калькулятора для нахождения обратной матрицы .
Пример 3. Для матрицы
найти обратную матрицу.
Решение. Составляем сдвоенную матрицу
и будем её преобразовывать.
Первую строку умножаем на 3, а вторую на 2, и вычитаем из второй, а затем первую строку умножаем на 5, а третью на 2 и вычитаем из третьей строки, тогда получим
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).
Продолжаем разговор о действиях с матрицами. А именно – в ходе изучения данной лекции вы научитесь находить обратную матрицу. Научитесь. Даже если с математикой туго.
Что такое обратная матрица? Здесь можно провести аналогию с обратными числами: рассмотрим, например, оптимистичное число 5 и обратное ему число . Произведение данных чисел равно единице: . С матрицами всё похоже! Произведение матрицы на обратную ей матрицу равно – единичной матрице , которая является матричным аналогом числовой единицы. Однако обо всём по порядку – сначала решим важный практический вопрос, а именно, научимся эту самую обратную матрицу находить.
Что необходимо знать и уметь для нахождения обратной матрицы? Вы должны уметь решать определители . Вы должны понимать, что такое матрица и уметь выполнять некоторые действия с ними.
Существует два основных метода нахождения обратной матрицы:
с помощью алгебраических дополнений
и с помощью элементарных преобразований
.
Сегодня мы изучим первый, более простой способ.
Начнем с самого ужасного и непонятного. Рассмотрим квадратную матрицу . Обратную матрицу можно найти по следующей формуле :
Где – определитель матрицы , – транспонированная матрица алгебраических дополнений соответствующих элементов матрицы .
Понятие обратной матрицы существует только для квадратных матриц , матриц «два на два», «три на три» и т.д.
Обозначения : Как вы уже, наверное, заметили, обратная матрица обозначается надстрочным индексом
Начнем с простейшего случая – матрицы «два на два». Чаще всего, конечно, требуется «три на три», но, тем не менее, настоятельно рекомендую изучить более простое задание, для того чтобы усвоить общий принцип решения.
Пример:
Найти обратную матрицу для матрицы
Решаем. Последовательность действий удобно разложить по пунктам.
1) Сначала находим определитель матрицы .
Если с пониманием сего действа плоховато, ознакомьтесь с материалом Как вычислить определитель?
Важно! В том случае, если определитель матрицы равен НУЛЮ – обратной матрицы НЕ СУЩЕСТВУЕТ .
В рассматриваемом примере, как выяснилось, , а значит, всё в порядке.
2) Находим матрицу миноров .
Для решения нашей задачи не обязательно знать, что такое минор, однако, желательно ознакомиться со статьей Как вычислить определитель .
Матрица миноров имеет такие же размеры, как и матрица , то есть в данном случае .
Дело за малым, осталось найти четыре числа и поставить их вместо звездочек.
Возвращаемся к нашей матрице
Сначала рассмотрим левый верхний элемент:
Как найти его минор
?
А делается это так: МЫСЛЕННО вычеркиваем строку и столбец, в котором находится данный элемент:
Оставшееся число и является минором данного элемента
, которое записываем в нашу матрицу миноров:
Рассматриваем следующий элемент матрицы :
Мысленно вычеркиваем строку и столбец, в котором стоит данный элемент:
То, что осталось, и есть минор данного элемента, который записываем в нашу матрицу:
Аналогично рассматриваем элементы второй строки и находим их миноры:
Готово.
Это просто. В матрице миноров нужно ПОМЕНЯТЬ ЗНАКИ
у двух чисел:
Именно у этих чисел, которые я обвел в кружок!
– матрица алгебраических дополнений соответствующих элементов матрицы .
И всего-то лишь…
4) Находим транспонированную матрицу алгебраических дополнений .
– транспонированная матрица алгебраических дополнений соответствующих элементов матрицы .
5) Ответ .
Вспоминаем нашу формулу
Всё найдено!
Таким образом, обратная матрица:
Ответ лучше оставить в таком виде. НЕ НУЖНО делить каждый элемент матрицы на 2, так как получатся дробные числа. Более подробно данный нюанс рассмотрен в той же статье Действия с матрицами .
Как проверить решение?
Необходимо выполнить матричное умножение либо
Проверка: 
Получена уже упомянутая единичная матрица – это матрица с единицами на главной диагонали и нулями в остальных местах.
Таким образом, обратная матрица найдена правильно.
Если провести действие , то в результате тоже получится единичная матрица. Это один из немногих случаев, когда умножение матриц перестановочно, более подробную информацию можно найти в статье Свойства операций над матрицами. Матричные выражения . Также заметьте, что в ходе проверки константа (дробь) выносится вперёд и обрабатывается в самом конце – после матричного умножения. Это стандартный приём.
Переходим к более распространенному на практике случаю – матрице «три на три»:
Пример:
Найти обратную матрицу для матрицы 
Алгоритм точно такой же, как и для случая «два на два».
Обратную матрицу найдем по формуле: , где – транспонированная матрица алгебраических дополнений соответствующих элементов матрицы .
1) Находим определитель матрицы .
Здесь определитель раскрыт по первой строке
.
Также не забываем, что , а значит, всё нормально – обратная матрица существует .
2) Находим матрицу миноров .
Матрица миноров имеет размерность «три на три» 
, и нам нужно найти девять чисел.
Я подробно рассмотрю парочку миноров:
Рассмотрим следующий элемент матрицы:
МЫСЛЕННО вычеркиваем строку и столбец, в котором находится данный элемент:
Оставшиеся четыре числа записываем в определитель «два на два»
Этот определитель «два на два» и является минором данного элемента
. Его нужно вычислить:
Всё, минор найден, записываем его в нашу матрицу миноров:
Как вы, наверное, догадались, необходимо вычислить девять определителей «два на два». Процесс, конечно, муторный, но случай не самый тяжелый, бывает хуже.
Ну и для закрепления – нахождение еще одного минора в картинках:
Остальные миноры попробуйте вычислить самостоятельно.
Окончательный результат:
– матрица миноров соответствующих элементов матрицы .
То, что все миноры получились отрицательными – чистая случайность.
3) Находим матрицу алгебраических дополнений .
В матрице миноров необходимо СМЕНИТЬ ЗНАКИ
строго у следующих элементов:
В данном случае:
Нахождение обратной матрицы для матрицы «четыре на четыре» не рассматриваем, так как такое задание может дать только преподаватель-садист (чтобы студент вычислил один определитель «четыре на четыре» и 16 определителей «три на три»). В моей практике встретился только один такой случай, и заказчик контрольной работы заплатил за мои мучения довольно дорого =).
В ряде учебников, методичек можно встретить несколько другой подход к нахождению обратной матрицы, однако я рекомендую пользоваться именно вышеизложенным алгоритмом решения. Почему? Потому что вероятность запутаться в вычислениях и знаках – гораздо меньше.
Рассмотрим квадратную матрицу . Обозначим Δ = det A ее определитель. Квадратная В есть (ОМ) для квадратной А того же порядка, если их произведение А*В = В* А = Е, где Е - единичная матрица того же порядка, что и А и В.
Квадратная А называется невырожденной, или неособенной, если ее определитель отличен от нуля, и вырожденной, или особенной, если Δ = 0.
Теорема. Для того, чтобы А имела обратную, необходимо и достаточно, чтобы ее определитель был отличен от нуля.
(ОМ) 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 , Δ = detA.
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 А путем ЭП только столбцов (или только строк) можно привести к единичной Е. Если совершенные над матрицей А ЭП в том же порядке применить к единичной Е, то в результате получится A -1 . Удобно совершать ЭП над А и Е одновременно, записывая обе рядом через черту A|E. Если нужно найти A -1 , в процессе преобразований следует использовать только строки или только столбцы.
Нахождение обратной матрицы с помощью алгебраических дополнений
Пример 1
. Для 
найти A -1 .
Решение.
Находим сначала детерминант А 
значит, (ОМ) существует и мы ее можем найти по формуле: 
, где А i j (i,j=1,2,3) - алгебраические дополнения элементов а i j исходной А.
Алгебраическое дополнение элемента a ij это определитель или минор M ij . Он получается вычеркиванием столбца i и строки j. Затем минор умножается на (-1) i+j , т.е. A ij =(-1) i+j M ij
откуда 
.
Нахождение обратной матрицы с помощью элементарных преобразований
Пример 2 . Методом элементарных преобразований найти A -1 для: А= .
Решение.
Приписываем к исходной A справа единичную того же порядка: 
. С помощью элементарных преобразований столбцов приведем левую “половину” к единичной, совершая одновременно точно такие преобразования над правой "половиной".
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 таблица является обратной А -1 . Итак, 
.
Похожие на обратные по многим свойствам.
Энциклопедичный YouTube
1 / 5
✪ Обратная матрица (2 способа нахождения)
✪ Как находить обратную матрицу - bezbotvy
✪ Обратная матрица #1
✪ Решение системы уравнений методом обратной матрицы - bezbotvy
✪ Обратная Матрица
Субтитры
Свойства обратной матрицы
- det A − 1 = 1 det A {\displaystyle \det A^{-1}={\frac {1}{\det A}}} , где det {\displaystyle \ \det } обозначает определитель .
- (A B) − 1 = B − 1 A − 1 {\displaystyle \ (AB)^{-1}=B^{-1}A^{-1}} для двух квадратных обратимых матриц A {\displaystyle A} и B {\displaystyle B} .
- (A T) − 1 = (A − 1) T {\displaystyle \ (A^{T})^{-1}=(A^{-1})^{T}} , где (. . .) T {\displaystyle (...)^{T}} обозначает транспонированную матрицу.
- (k A) − 1 = k − 1 A − 1 {\displaystyle \ (kA)^{-1}=k^{-1}A^{-1}} для любого коэффициента k ≠ 0 {\displaystyle k\not =0} .
- E − 1 = E {\displaystyle \ E^{-1}=E} .
- Если необходимо решить систему линейных уравнений , (b - ненулевой вектор) где x {\displaystyle x} - искомый вектор, и если A − 1 {\displaystyle A^{-1}} существует, то x = A − 1 b {\displaystyle x=A^{-1}b} . В противном случае либо размерность пространства решений больше нуля, либо их нет вовсе.
Способы нахождения обратной матрицы
Если матрица обратима, то для нахождения обратной матрицы можно воспользоваться одним из следующих способов:
Точные (прямые) методы
Метод Гаусса-Жордана
Возьмём две матрицы: саму A и единичную E . Приведём матрицу A к единичной матрице методом Гаусса-Жордана применяя преобразования по строкам (можно также применять преобразования и по столбцам, но не в перемешку). После применения каждой операции к первой матрице применим ту же операцию ко второй. Когда приведение первой матрицы к единичному виду будет завершено, вторая матрица окажется равной A −1 .
При использовании метода Гаусса первая матрица будет умножаться слева на одну из элементарных матриц Λ i {\displaystyle \Lambda _{i}} (трансвекцию или диагональную матрицу с единицами на главной диагонали, кроме одной позиции):
Λ 1 ⋅ ⋯ ⋅ Λ n ⋅ A = Λ A = E ⇒ Λ = A − 1 {\displaystyle \Lambda _{1}\cdot \dots \cdot \Lambda _{n}\cdot A=\Lambda A=E\Rightarrow \Lambda =A^{-1}} . Λ m = [ 1 … 0 − a 1 m / a m m 0 … 0 … 0 … 1 − a m − 1 m / a m m 0 … 0 0 … 0 1 / a m m 0 … 0 0 … 0 − a m + 1 m / a m m 1 … 0 … 0 … 0 − a n m / a m m 0 … 1 ] {\displaystyle \Lambda _{m}={\begin{bmatrix}1&\dots &0&-a_{1m}/a_{mm}&0&\dots &0\\&&&\dots &&&\\0&\dots &1&-a_{m-1m}/a_{mm}&0&\dots &0\\0&\dots &0&1/a_{mm}&0&\dots &0\\0&\dots &0&-a_{m+1m}/a_{mm}&1&\dots &0\\&&&\dots &&&\\0&\dots &0&-a_{nm}/a_{mm}&0&\dots &1\end{bmatrix}}} .Вторая матрица после применения всех операций станет равна Λ {\displaystyle \Lambda } , то есть будет искомой. Сложность алгоритма - O (n 3) {\displaystyle O(n^{3})} .
С помощью матрицы алгебраических дополнений
Матрица, обратная матрице A {\displaystyle A} , представима в виде
A − 1 = adj (A) det (A) {\displaystyle {A}^{-1}={{{\mbox{adj}}(A)} \over {\det(A)}}}
где adj (A) {\displaystyle {\mbox{adj}}(A)} - присоединенная матрица ;
Сложность алгоритма зависит от сложности алгоритма расчета определителя O det и равна O(n²)·O det .
Использование LU/LUP-разложения
Матричное уравнение A X = I n {\displaystyle AX=I_{n}} для обратной матрицы X {\displaystyle X} можно рассматривать как совокупность n {\displaystyle n} систем вида A x = b {\displaystyle Ax=b} . Обозначим i {\displaystyle i} -ый столбец матрицы X {\displaystyle X} через X i {\displaystyle X_{i}} ; тогда A X i = e i {\displaystyle AX_{i}=e_{i}} , i = 1 , … , n {\displaystyle i=1,\ldots ,n} ,поскольку i {\displaystyle i} -м столбцом матрицы I n {\displaystyle I_{n}} является единичный вектор e i {\displaystyle e_{i}} . другими словами, нахождение обратной матрицы сводится к решению n уравнений с одной матрицей и разными правыми частями. После выполнения LUP-разложения (время O(n³)) на решение каждого из n уравнений нужно время O(n²), так что и эта часть работы требует времени O(n³) .
Если матрица A невырождена, то для неё можно рассчитать LUP-разложение P A = L U {\displaystyle PA=LU} . Пусть P A = B {\displaystyle PA=B} , B − 1 = D {\displaystyle B^{-1}=D} . Тогда из свойств обратной матрицы можно записать: D = U − 1 L − 1 {\displaystyle D=U^{-1}L^{-1}} . Если умножить это равенство на U и L то можно получить два равенства вида U D = L − 1 {\displaystyle UD=L^{-1}} и D L = U − 1 {\displaystyle DL=U^{-1}} . Первое из этих равенств представляет собой систему из n² линейных уравнений для n (n + 1) 2 {\displaystyle {\frac {n(n+1)}{2}}} из которых известны правые части (из свойств треугольных матриц). Второе представляет также систему из n² линейных уравнений для n (n − 1) 2 {\displaystyle {\frac {n(n-1)}{2}}} из которых известны правые части (также из свойств треугольных матриц). Вместе они представляют собой систему из n² равенств. С помощью этих равенств можно реккурентно определить все n² элементов матрицы D. Тогда из равенства (PA) −1 = A −1 P −1 = B −1 = D. получаем равенство A − 1 = D P {\displaystyle A^{-1}=DP} .
В случае использования LU-разложения не требуется перестановки столбцов матрицы D но решение может разойтись даже если матрица A невырождена.
Сложность алгоритма - O(n³).
Итерационные методы
Методы Шульца
{ Ψ k = E − A U k , U k + 1 = U k ∑ i = 0 n Ψ k i {\displaystyle {\begin{cases}\Psi _{k}=E-AU_{k},\\U_{k+1}=U_{k}\sum _{i=0}^{n}\Psi _{k}^{i}\end{cases}}}
Оценка погрешности
Выбор начального приближения
Проблема выбора начального приближения в рассматриваемых здесь процессах итерационного обращения матриц не позволяет относиться к ним как к самостоятельным универсальным методам, конкурирующими с прямыми методами обращения, основанными, например, на LU-разложении матриц. Имеются некоторые рекомендации по выбору U 0 {\displaystyle U_{0}} , обеспечивающие выполнение условия ρ (Ψ 0) < 1 {\displaystyle \rho (\Psi _{0})<1} (спектральный радиус матрицы меньше единицы), являющегося необходимым и достаточным для сходимости процесса. Однако при этом, во-первых, требуется знать сверху оценку спектра обращаемой матрицы A либо матрицы A A T {\displaystyle AA^{T}} (а именно, если A - симметричная положительно определённая матрица и ρ (A) ≤ β {\displaystyle \rho (A)\leq \beta } , то можно взять U 0 = α E {\displaystyle U_{0}={\alpha }E} , где ; если же A - произвольная невырожденная матрица и ρ (A A T) ≤ β {\displaystyle \rho (AA^{T})\leq \beta } , то полагают U 0 = α A T {\displaystyle U_{0}={\alpha }A^{T}} , где также α ∈ (0 , 2 β) {\displaystyle \alpha \in \left(0,{\frac {2}{\beta }}\right)} ; можно конечно упростить ситуацию и, воспользовавшись тем, что ρ (A A T) ≤ k A A T k {\displaystyle \rho (AA^{T})\leq {\mathcal {k}}AA^{T}{\mathcal {k}}} , положить U 0 = A T ‖ A A T ‖ {\displaystyle U_{0}={\frac {A^{T}}{\|AA^{T}\|}}} ). Во-вторых, при таком задании начальной матрицы нет гарантии, что ‖ Ψ 0 ‖ {\displaystyle \|\Psi _{0}\|} будет малой (возможно, даже окажется ‖ Ψ 0 ‖ > 1 {\displaystyle \|\Psi _{0}\|>1} ), и высокий порядок скорости сходимости обнаружится далеко не сразу.
Примеры
Матрица 2х2
Невозможно разобрать выражение (синтаксическая ошибка): {\displaystyle \mathbf{A}^{-1} = \begin{bmatrix} a & b \\ c & d \\ \end{bmatrix}^{-1} = \frac{1}{\det(\mathbf{A})} \begin& \!\!-b \\ -c & \,a \\ \end{bmatrix} = \frac{1}{ad - bc} \begin{bmatrix} \,\,\,d & \!\!-b\\ -c & \,a \\ \end{bmatrix}.}Обращение матрицы 2х2 возможно только при условии, что a d − b c = det A ≠ 0 {\displaystyle ad-bc=\det A\neq 0} .
