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:
Пример для 3x3:
Определяющее соотношение
Это показывает, что умножение A на её обратную возвращает систему в нейтральную исходную точку. Хотя умножение матриц вообще некоммутативно, в данном случае порядок неважен: AA−1 = A−1A = 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
При det(A)=ad-bc≠0
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:
Сначала вычислим определитель:
Следовательно, A обратима. Применив формулу для 2x2, получаем:
Теперь проверим полученные результаты:
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
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
Обратная к обратной — исходная матрица:
Определитель обратной — это обратная величина:
Транспонированная к обратной равна обратной к транспонированной:
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.
%22%3E%3Cpath%20d%3D%22m-369%200h408v79h-408z%22%20fill%3D%22%237933ff%22%2F%3E%3Cpath%20d%3D%22m-148%200h306v45h-306z%22%20fill%3D%22%23974dff%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E)
%22%2F%3E%3C%2FclipPath%3E%3Cg%20clip-path%3D%22url(%23a)%22%3E%3Cpath%20d%3D%22m76%200h484v36h-484z%22%20fill%3D%22%23974dff%22%2F%3E%3Cpath%20d%3D%22m0%200h384v24h-384z%22%20fill%3D%22%2306bdfc%22%20transform%3D%22matrix(1%200%200%20-1%200%2060)%22%2F%3E%3C%2Fg%3E%3C%2Fsvg%3E)
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:
Пример для 3x3:
Определяющее соотношение
Это показывает, что умножение A на её обратную возвращает систему в нейтральную исходную точку. Хотя умножение матриц вообще некоммутативно, в данном случае порядок неважен: AA−1 = A−1A = 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:
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
При det(A)=ad-bc≠0
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:
Сначала вычислим определитель:
Следовательно, A обратима. Применив формулу для 2x2, получаем:
Теперь проверим полученные результаты:
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
В этом случае другое решение уравнению не удовлетворяет.
Типичные ошибки при работе с обратимыми матрицами
Вот одни из самых частых ошибок, с которыми сталкиваются:
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
Обратная к обратной — исходная матрица:
Определитель обратной — это обратная величина:
Транспонированная к обратной равна обратной к транспонированной:
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.