Решить матричное уравнение вычисляя обратную матрицу

Онлайн калькулятор. Решение систем линейных уравнений. Матричный метод. Метод обратной матрицы.

Используя этот онлайн калькулятор для решения систем линейных уравнений (СЛУ) матричным методом (методом обратной матрицы), вы сможете очень просто и быстро найти решение системы.

Воспользовавшись онлайн калькулятором для решения систем линейных уравнений матричным методом (методом обратной матрицы), вы получите детальное решение вашей задачи, которое позволит понять алгоритм решения задач на решения систем линейных уравнений, а также закрепить пройденный материал.

Решить систему линейных уравнений матричным методом

Изменить названия переменных в системе

Заполните систему линейных уравнений:

Ввод данных в калькулятор для решения систем линейных уравнений матричным методом

• В онлайн калькулятор вводить можно числа или дроби. Более подробно читайте в правилах ввода чисел.
• Для изменения в уравнении знаков с «+» на «-» вводите отрицательные числа.
• Если в уравнение отсутствует какая-то переменная, то в соответствующем поле ввода калькулятора введите ноль.
• Если в уравнение перед переменной отсутствуют числа, то в соответствующем поле ввода калькулятора введите единицу.

Например, линейное уравнение x ₁ — 7 x ₂ — x ₄ = 2

будет вводится в калькулятор следующим образом:

Дополнительные возможности калькулятора для решения систем линейных уравнений матричным методом

• Между полями для ввода можно перемещаться нажимая клавиши «влево», «вправо», «вверх» и «вниз» на клавиатуре.
• Вместо x ₁, x ₂, . вы можете ввести свои названия переменных.

Вводить можно числа или дроби (-2.4, 5/7, . ). Более подробно читайте в правилах ввода чисел.

Матричный метод решения СЛАУ: пример решения с помощью обратной матрицы

В данной статье мы расскажем о матричном методе решения системы линейных алгебраических уравнений, найдем его определение и приведем примеры решения.

Метод обратной матрицы — это метод, использующийся при решении СЛАУ в том случае, если число неизвестных равняется числу уравнений.

Найти решение системы n линейных уравнений с n неизвестными:

a 11 x 1 + a 12 x 2 + . . . + a 1 n x n = b 1 a n 1 x 1 + a n 2 x 2 + . . . + a n n x n = b n

Матричный вид записи: А × X = B

где А = а 11 а 12 ⋯ а 1 n а 21 а 22 ⋯ а 2 n ⋯ ⋯ ⋯ ⋯ а n 1 а n 2 ⋯ а n n — матрица системы.

X = x 1 x 2 ⋮ x n — столбец неизвестных,

B = b 1 b 2 ⋮ b n — столбец свободных коэффициентов.

Из уравнения, которое мы получили, необходимо выразить X . Для этого нужно умножить обе части матричного уравнения слева на A — 1 :

A — 1 × A × X = A — 1 × B .

Так как А — 1 × А = Е , то Е × X = А — 1 × В или X = А — 1 × В .

Обратная матрица к матрице А имеет право на существование только, если выполняется условие d e t A н е р а в е н н у л ю . Поэтому при решении СЛАУ методом обратной матрицы, в первую очередь находится d e t А .

В том случае, если d e t A н е р а в е н н у л ю , у системы имеется только один вариант решения: при помощи метода обратной матрицы. Если d e t А = 0 , то систему нельзя решить данным методом.

Пример решения системы линейных уравнений с помощью метода обратной матрицы

Решаем СЛАУ методом обратной матрицы:

2 x 1 — 4 x 2 + 3 x 3 = 1 x 1 — 2 x 2 + 4 x 3 = 3 3 x 1 — x 2 + 5 x 3 = 2

• Записываем систему в виде матричного уравнения А X = B , где

А = 2 — 4 3 1 — 2 4 3 — 1 5 , X = x 1 x 2 x 3 , B = 1 3 2 .

• Выражаем из этого уравнения X :

• Находим определитель матрицы А :

d e t A = 2 — 4 3 1 — 2 4 3 — 1 5 = 2 × ( — 2 ) × 5 + 3 × ( — 4 ) × 4 + 3 × ( — 1 ) × 1 — 3 × ( — 2 ) × 3 — — 1 × ( — 4 ) × 5 — 2 × 4 — ( — 1 ) = — 20 — 48 — 3 + 18 + 20 + 8 = — 25

d e t А не равняется 0, следовательно, для этой системы подходит метод решения обратной матрицей.

• Находим обратную матрицу А — 1 при помощи союзной матрицы. Вычисляем алгебраические дополнения А i j к соответствующим элементам матрицы А :

А 11 = ( — 1 ) ( 1 + 1 ) — 2 4 — 1 5 = — 10 + 4 = — 6 ,

А 12 = ( — 1 ) 1 + 2 1 4 3 5 = — ( 5 — 12 ) = 7 ,

А 13 = ( — 1 ) 1 + 3 1 — 2 3 — 1 = — 1 + 6 = 5 ,

А 21 = ( — 1 ) 2 + 1 — 4 3 — 1 5 = — ( — 20 + 3 ) = 17 ,

А 22 = ( — 1 ) 2 + 2 2 3 3 5 — 10 — 9 = 1 ,

А 23 = ( — 1 ) 2 + 3 2 — 4 3 — 1 = — ( — 2 + 12 ) = — 10 ,

А 31 = ( — 1 ) 3 + 1 — 4 3 — 2 4 = — 16 + 6 = — 10 ,

А 32 = ( — 1 ) 3 + 2 2 3 1 4 = — ( 8 — 3 ) = — 5 ,

А 33 = ( — 1 ) 3 + 3 2 — 4 1 — 2 = — 4 + 4 = 0 .

• Записываем союзную матрицу А * , которая составлена из алгебраических дополнений матрицы А :

А * = — 6 7 5 17 1 — 10 — 10 — 5 0

• Записываем обратную матрицу согласно формуле:

A — 1 = 1 d e t A ( A * ) T : А — 1 = — 1 25 — 6 17 — 10 7 1 — 5 5 — 10 0 ,

• Умножаем обратную матрицу А — 1 на столбец свободных членов В и получаем решение системы:

X = A — 1 × B = — 1 25 — 6 17 — 10 7 1 — 5 5 — 10 0 1 3 2 = — 1 25 — 6 + 51 — 20 7 + 3 — 10 5 — 30 + 0 = — 1 0 1

Ответ: x 1 = — 1 ; x 2 = 0 ; x 3 = 1

Решение матричных уравнений

Финальная глава саги.

Линейная алгебра и, в частности, матрицы — это основа математики нейросетей. Когда говорят «машинное обучение», на самом деле говорят «перемножение матриц», «решение матричных уравнений» и «поиск коэффициентов в матричных уравнениях».

Понятно, что между простой матрицей в линейной алгебре и нейросетью, которая генерирует котов, много слоёв усложнений, дополнительной логики, обучения и т. д. Но здесь мы говорим именно о фундаменте. Цель — чтобы стало понятно, из чего оно сделано.

Краткое содержание прошлых частей:

• Линейная алгебра изучает векторы, матрицы и другие понятия, которые относятся к упорядоченным наборам данных. Линейной алгебре интересно, как можно трансформировать эти упорядоченные данные, складывать и умножать, всячески обсчитывать и находить в них закономерности.
• Вектор — это набор упорядоченных данных в одном измерении. Можно упрощённо сказать, что это последовательность чисел.
• Матрица — это тоже набор упорядоченных данных, только уже не в одном измерении, а в двух (или даже больше).
• Матрицу можно представить как упорядоченную сумку с данными. И с этой сумкой как с единым целым можно совершать какие-то действия. Например, делить, умножать, менять знаки.
• Матрицы можно складывать и умножать на другие матрицы. Это как взять две сумки с данными и получить третью сумку, тоже с данными, только теперь какими-то новыми.
• Матрицы перемножаются по довольно замороченному алгоритму. Арифметика простая, а порядок перемножения довольно запутанный.

И вот наконец мы здесь: если мы можем перемножать матрицы, то мы можем и решить матричное уравнение.

❌ Никакого практического применения следующего материала в народном хозяйстве вы не увидите. Это чистая алгебра в несколько упрощённом виде. Отсюда до практики далёкий путь, поэтому, если нужно что-то практическое, — посмотрите, как мы генерим Чехова на цепях Маркова.

Что такое матричное уравнение

Матричное уравнение — это когда мы умножаем известную матрицу на матрицу Х и получаем новую матрицу. Наша задача — найти неизвестную матрицу Х.

Шаг 1. Упрощаем уравнение

Вместо известных числовых матриц вводим в уравнение буквы: первую матрицу обозначаем буквой A, вторую — буквой B. Неизвестную матрицу X оставляем. Это упрощение поможет составить формулу и выразить X через известную матрицу.

Приводим матричное уравнение к упрощённому виду

Шаг 2. Вводим единичную матрицу

В линейной алгебре есть два вспомогательных понятия: обратная матрица и единичная матрица. Единичная матрица состоит из нулей, а по диагонали у неё единицы. Обратная матрица — это такая, которая при умножении на исходную даёт единичную матрицу.

Можно представить, что есть число 100 — это «сто в первой степени», 100 1

И есть число 0,01 — это «сто в минус первой степени», 100 -1

При перемножении этих двух чисел получится единица:
100 1 × 100 -1 = 100 × 0,01 = 1.

Вот такое, только в мире матриц.

Зная свойства единичных и обратных матриц, делаем алгебраическое колдунство. Умножаем обе известные матрицы на обратную матрицу А -1 . Неизвестную матрицу Х оставляем без изменений и переписываем уравнение:

А -1 × А × Х = А -1 × В

Добавляем единичную матрицу и упрощаем запись:

А -1 × А = E — единичная матрица

E × Х = А -1 × В — единичная матрица, умноженная на исходную матрицу, даёт исходную матрицу. Единичную матрицу убираем

Х = А -1 × В — новая запись уравнения

После введения единичной матрицы мы нашли способ выражения неизвестной матрицы X через известные матрицы A и B.

💡 Смотрите, что произошло: раньше нам нужно было найти неизвестную матрицу. А теперь мы точно знаем, как её найти: нужно рассчитать обратную матрицу A -1 и умножить её на известную матрицу B. И то и другое — замороченные процедуры, но с точки зрения арифметики — просто.

Шаг 3. Находим обратную матрицу

Вспоминаем формулу и порядок расчёта обратной матрицы:

1. Делим единицу на определитель матрицы A.
2. Считаем транспонированную матрицу алгебраических дополнений.
3. Перемножаем значения и получаем нужную матрицу.

Собираем формулу и получаем обратную матрицу. Для удобства умышленно оставляем перед матрицей дробное число, чтобы было проще считать.

Третье действие: получаем обратную матрицу

Шаг 4. Вычисляем неизвестную матрицу

Нам остаётся посчитать матрицу X: умножаем обратную матрицу А -1 на матрицу B. Дробь держим за скобками и вносим в матрицу только при условии, что элементы новой матрицы будут кратны десяти — их можно умножить на дробь и получить целое число. Если кратных элементов не будет — дробь оставим за скобками.

Решаем матричное уравнение и находим неизвестную матрицу X. Мы получили кратные числа и внесли дробь в матрицу

Шаг 5. Проверяем уравнение

Мы решили матричное уравнение и получили красивый ответ с целыми числами. Выглядит правильно, но в случае с матрицами этого недостаточно. Чтобы проверить ответ, нам нужно вернуться к условию и умножить исходную матрицу A на матрицу X. В результате должна появиться матрица B. Если расчёты совпадут — мы всё сделали правильно. Если будут отличия — придётся решать заново.

👉 Часто начинающие математики пренебрегают финальной проверкой и считают её лишней тратой времени. Сегодня мы разобрали простое уравнение с двумя квадратными матрицами с четырьмя элементами в каждой. Когда элементов будет больше, в них легко запутаться и допустить ошибку.

Проверяем ответ и получаем матрицу B — наши расчёты верны

Ну и что

Алгоритм решения матричных уравнений несложный, если знать отдельные его компоненты. Дальше на основе этих компонентов математики переходят в более сложные пространства: работают с многомерными матрицами, решают более сложные уравнения, постепенно выходят на всё более и более абстрактные уровни. И дальше, в конце пути, появляется датасет из миллионов котиков. Этот датасет раскладывается на пиксели, каждый пиксель оцифровывается, цифры подставляются в матрицы, и уже огромный алгоритм в автоматическом режиме генерирует изображение нейрокотика: