Обратимая матрица: определение, свойства и примеры

Узнайте, что такое обратимая матрица, как определить её обратимость и почему обратные матрицы важны в линейной алгебре и data science.

Обновлено 12 авг. 2026 г. · 5 мин читать

Изучить с помощью AI

ChatGPT Claude Perplexity

Некоторые матрицы ведут себя как числа, которые можно делить: соответствующее преобразование можно «отменить» умножением на другую матрицу. Поэтому обратимая матрица — это квадратная матрица, у которой существует обратная матрица, называемая её инверсией.

Это свойство фундаментально, например, при решении систем линейных уравнений, где обратная матрица позволяет напрямую вычислить неизвестные переменные системы.

В следующих разделах я представлю точные определения, условия обратимости, основные свойства, методы вычисления и, конечно, множество наглядных примеров.

Что такое обратимая матрица?

Квадратная матрица A размера n×n обратима, если существует другая матрица B того же размера n×n такая, что

Где I — единичная матрица того же размера (n×n). Матрица B обозначается как A^-1 (почти как A в степени −1) и называется обратной к A.

Очень важно отметить, что только квадратные матрицы могут быть обратимыми, а неквадратные матрицы не имеют обратной. Это связано с биективностью в линейной алгебре. Но ради интуитивности изложения ограничимся этим простым правилом.

Что такое единичная матрица?

Единичная матрица I — это квадратная матрица, которая играет роль мультипликативной единицы в матричной алгебре. Умножение любой совместимой по размеру матрицы на I оставляет её неизменной. Её можно воспринимать как нейтральное преобразование, или, строго говоря, тождественное преобразование.

Для случая 2x2 это:

$I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}.$

Пример для 3x3:

$I = \begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{pmatrix}.$

Определяющее соотношение

$A A^{-1} = I$

Это показывает, что умножение A на её обратную возвращает систему в нейтральную исходную точку. Хотя умножение матриц вообще некоммутативно, в данном случае порядок неважен: $= I$ , поскольку A и A⁻¹ определены как взаимно обратные.

Условия обратимости матрицы

Квадратная матрица A обратима тогда и только тогда, когда выполняются три эквивалентных условия:

Её определитель ненулевой, то есть det(A)≠0.
Её строки или столбцы линейно независимы, то есть ни один вектор-столбец/вектор-строка не коллинеарен другому.
Её ранг полон и равен размерности n.

Если любое из этих условий не выполняется, обратной матрицы не существует.

Определитель и обратимость

Определитель даёт прямой численный тест. Поэтому если det(A)=0, то ранг A строго меньше числа измерений, следовательно, преобразование, задаваемое A, схлопывается хотя бы по одному измерению, что само по себе делает невозможным восстановление обратного преобразования A, то есть формально у A нет обратной.

Если det(A) ненулевой, то обратная существует и может быть вычислена. Эта эквивалентность справедлива для любой квадратной матрицы и для практических целей не требует дальнейших выводов. Интуитивно определитель можно воспринимать как скаляр, показывающий, как A масштабирует объём пространства.

Таким образом, величина |det(A)| > 1 означает, что A расширяет пространство; отрицательный определитель — что A меняет ориентацию пространства; при |det(A)| < 1 A сжимает пространство; и, естественно, нулевой определитель означает, что преобразование, задаваемое A, понижает размерность пространства (например, «схлопывает» две оси вместе).

Обратимые и необратимые (вырожденные) матрицы

Матрица, имеющая обратную, называется обратимой (или невырожденной). Матрица без обратной называется вырожденной.

Свойство	Обратимая матрица	Вырожденная матрица
Определитель	det(A) ≠ 0	det(A)=0
Ранг	rank(A)=n	Rank(A)<n
Строки/столбцы	Линейно независимы	Есть хотя бы одна линейная зависимость
Решение Ax=b	Ровно одно решение	Нет решения или бесконечно много

Как найти обратную матрицу

Существуют два стандартных ручных метода, а также прямое вычисление в ПО.

Формула для матрицы 2×2

Для

$A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$

При det(A)=ad-bc≠0

$A^{-1} = \frac{1}{ad-bc} \begin{pmatrix} d & -b \\ -c & a \end{pmatrix}.$

Преобразование строк (Гаусс — Жордан)

Сформируйте расширенную матрицу [A| I] и применяйте элементарные преобразования строк, пока левая часть не станет I. Тогда правая часть будет содержать A^-1.

С помощью ПО (Python и др.)

В Python с NumPy обратную можно получить с помощью numpy.linalg.inv(A) после подтверждения, что det(A) ≠ 0.

Пример обратимой матрицы

Рассмотрим матрицу 2x2:

$A = \begin{pmatrix} 2 & 1 \\ 1 & 1 \end{pmatrix}.$

Сначала вычислим определитель:

$\det(A) = 2 \cdot 1 - 1 \cdot 1 = 1 \neq 0.$

Следовательно, A обратима. Применив формулу для 2x2, получаем:

$A^{-1} = \begin{pmatrix} 1 & -1 \\ -1 & 2 \end{pmatrix}.$

Теперь проверим полученные результаты:

$A A^{-1} = \begin{pmatrix} 2 & 1 \\ 1 & 1 \end{pmatrix} \begin{pmatrix} 1 & -1 \\ -1 & 2 \end{pmatrix} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} = I.$

Аналогично для A^-1A.

Зачем нужны обратимые матрицы

Обратимые матрицы необходимы всякий раз, когда линейное преобразование нужно точно обратить. В линейных системах они гарантируют единственность решения. В машинном обучении они встречаются в нормальных уравнениях метода наименьших квадратов, например, когда матрица признаков имеет полный столбцовый ранг.

Другой пример — компьютерная графика, где они представляют обратимые преобразования, такие как повороты, масштабирования и переносы, которые нужно уметь отменять при рендеринге или анимации. Они также возникают в физике при решении систем обыкновенных дифференциальных уравнений и во многих других повседневных случаях.

Обратимые матрицы и линейные системы

Систему линейных уравнений можно компактно записать как Ax=b, где A — матрица коэффициентов, x — вектор неизвестных, а b — вектор постоянных. Если A обратима, единственное решение получается напрямую как

$\mathbf{x} = A^{-1} \mathbf{b}.$

В этом случае другое решение уравнению не удовлетворяет.

Типичные ошибки при работе с обратимыми матрицами

Вот одни из самых частых ошибок, с которыми сталкиваются:

Предположение, что любая квадратная матрица обратима.
Игнорирование проверки определителя перед попыткой инверсии.
Путаница между обратной и транспонированной матрицами (они совпадают только для некоторых ортогональных матриц).
Рассмотрение вырожденной матрицы как обратимой, что приводит к бессмысленным или неустойчивым результатам в численных вычислениях.

Ключевые свойства обратимых матриц

Ниже приведены основные свойства обратимых матриц в рамках этой статьи:

Пусть A и B — обратимые матрицы n×n. Тогда:

Обратная матрица единственна.

Произведение AB обратимо, и

$(AB)^{-1} = B^{-1} A^{-1}$

Обратная к обратной — исходная матрица:

$(A^{-1})^{-1} = A$

Определитель обратной — это обратная величина:

$\det(A^{-1}) = 1 / \det(A)$

Транспонированная к обратной равна обратной к транспонированной:

$(A^{-1})^T = (A^T)^{-1}$

Заключение

Обратимая матрица — это квадратная матрица, у которой есть единственная обратная, удовлетворяющая A.A^-1= I.

Решающие проверки — ненулевой определитель и линейная независимость строк или столбцов. Эти свойства — единственные индикаторы того, что линейная система имеет ровно одно решение и линейное преобразование можно точно обратить.

Освоив обратимые матрицы, вы сможете гораздо удобнее решать системы линейных уравнений. Более того, вы сможете строить надёжные модели в data science или выполнять точные вычисления в любой области, опирающейся на линейную алгебру.

Что такое обратимая матрица?

Обратимая матрица — это квадратная матрица, у которой есть другая матрица, называемая её обратной. Умножение исходной матрицы на её обратную даёт единичную матрицу, которая ведёт себя как число 1 в обычной арифметике.Обратимая матрица — это квадратная матрица, у которой есть другая матрица, называемая её обратной. Умножение исходной матрицы на её обратную даёт единичную матрицу, которая ведёт себя как число 1 в обычной арифметике.