2 способи знаходження зворотної матриці. зворотна матриця

Зворотна матриця для цієї це така матриця, множення вихідної на яку дає одиничну матрицю: Обов'язковою і достатньою умовою наявності зворотної матриці є нерівність нулю детермінанта вихідної (що в свою чергу має на увазі, що матриця повинна бути квадратна). Якщо ж визначник матриці дорівнює нулю, її називають виродженою і така матриця немає зворотної. У вищій математиці обернені матриці мають важливе значення і застосовуються для вирішення ряду завдань. Наприклад, на знаходження зворотної матриціпобудовано матричний метод розв'язання систем рівнянь. Наш сервіс сайт дозволяє обчислювати зворотну матрицю онлайндвома методами: методом Гауса-Жордана та за допомогою матриці алгебраїчних доповнень. Перервий має на увазі велику кількість елементарних перетворень усередині матриці, другий - обчислення детермінанта та додатків алгебри до всіх елементів. Для обчислення визначника матриці онлайн ви можете скористатися іншим сервісом - Обчислення детермінанта матриці онлайн

Знайти зворотну матрицю на сайт

сайтдозволяє знаходити зворотну матрицю онлайншвидко та безкоштовно. На сайті здійсняться обчислення нашим сервісом і видається результат із докладним рішенням щодо знаходження зворотної матриці. Сервер завжди видає лише точну та правильну відповідь. У завданнях визначення зворотної матриці онлайн, необхідно, щоб визначник матрицібув відмінним від нуля, інакше сайтповідомить про неможливість знайти зворотну матрицю через рівність нуля визначника вихідної матриці. Завдання щодо знаходження зворотної матрицізустрічається у багатьох розділах математики, будучи одним із самих базових понять алгебри та математичним інструментом у прикладних завданнях. Самостійне визначення зворотної матрицівимагає значних зусиль, багато часу, обчислень та великої уважності, щоб не допустити описки або дрібної помилки у обчисленнях. Тому наш сервіс з знаходження зворотної матриці онлайнзначно полегшить вам завдання та стане незамінним інструментом для вирішення математичних завдань. навіть якщо ви знаходите зворотну матрицюМи рекомендуємо перевірити ваше рішення на нашому сервері. Введіть вашу вихідну матрицю у нас на Обчислення зворотної матриці онлайн і звірте вашу відповідь. Наша система ніколи не помиляється і знаходить зворотну матрицюзаданої розмірності в режимі онлайнмиттєво! На сайті сайтдопускаються символьні записи в елементах матриць, в цьому випадку зворотна матриця онлайнбуде представлена ​​у загальному символьному вигляді.

Нехай є квадратна матриця n-го порядку

Матриця А-1 називається зворотною матрицеюстосовно матриці А, якщо А*А -1 = Е, де Е — одинична матриця n-го порядку.

Одинична матриця- Така квадратна матриця, у якої всі елементи по головній діагоналі, що проходить від лівого верхнього кута до правого нижнього кута, - одиниці, а інші - нулі, наприклад:

зворотна матрицяможе існувати тільки для квадратних матрицьтобто. для тих матриць, у яких число рядків та стовпців збігаються.

Теорема умови існування зворотної матриці

Для того, щоб матриця мала зворотну матрицю, необхідно і достатньо, щоб вона була невиродженою.

Матриця А = (А1, А2, ... Аn) називається невиродженоюякщо вектори-стовпці є лінійно незалежними. Число лінійно незалежних векторів-стовпців матриці називається рангом матриці. Тому можна сказати, що для того, щоб існувала обернена матриця, необхідно і достатньо, щоб ранг матриці дорівнював її розмірності, тобто. r = n.

Алгоритм знаходження зворотної матриці

1. Записати до таблиці на вирішення систем рівнянь методом Гаусса матрицю А і праворуч (на місце правих частин рівнянь) приписати до неї матрицю Е.
2. Використовуючи перетворення Жордана, привести матрицю до матриці, що складається з одиничних стовпців; при цьому необхідно одночасно перетворити матрицю Е.
3. Якщо необхідно, то переставити рядки (рівняння) останньої таблиці так, щоб під матрицею вихідної таблиці А вийшла одинична матриця Е.
4. Записати зворотну матрицю А-1, яка знаходиться в останній таблиці під матрицею Е вихідної таблиці.

Для матриці А знайти зворотну матрицю А-1

Рішення: Записуємо матрицю А і праворуч приписуємо одиничну матрицю Е. Використовуючи перетворення Жордана, наводимо матрицю А до одиничної матриці Е. Обчислення наведено у таблиці 31.1.

Перевіримо правильність обчислень множенням вихідної матриці А та зворотної матриці А-1.

В результаті множення матриць вийшла поодинока матриця. Отже, обчислення зроблено правильно.

Відповідь:

Розв'язання матричних рівнянь

Матричні рівняння можуть мати вигляд:

АХ = В, ХА = В, АХВ = С,

де А, В, С - матриці, що задаються, Х - шукана матриця.

Матричні рівняння вирішуються з допомогою множення рівняння зворотні матриці.

Наприклад, щоб знайти матрицю з рівняння необхідно помножити це рівняння на ліворуч.

Отже, щоб знайти рішення рівняння потрібно знайти зворотну матрицю і помножити її на матрицю , що стоять у правій частині рівняння.

Аналогічно вирішуються інші рівняння.

Розв'язати рівняння АХ = В, якщо

Рішення: Оскільки зворотна матриця дорівнює (див. приклад 1)

Матричний метод в економічному аналізі

Поряд з іншими знаходять застосування також матричні методи. Ці методи базуються на лінійній та векторно-матричній алгебрі. Такі методи застосовуються з метою аналізу складних та багатовимірних економічних явищ. Найчастіше ці методи використовуються за необхідності порівняльної оцінки функціонування організацій та його структурних підрозділів.

У процесі застосування матричних методів аналізу можна виділити кілька етапів.

На першому етапіздійснюється формування системи економічних показників і на її основі складається матриця вихідних даних , яка є таблицею, в якій за її окремими рядками показуються номери систем (i = 1,2,...,,n), а за вертикальними графами - номери показників (j = 1,2,....,m).

На другому етапіпо кожній вертикальній графі виявляється найбільше з існуючих значень показників, яке приймається за одиницю.

Після цього всі суми, відображені в даній графі поділяють найбільше значення і формується матриця стандартизованих коефіцієнтів .

На третьому етапівсі складові матриці зводять у квадрат. Якщо вони мають різну значимість, то кожному показнику матриці надається певний ваговий коефіцієнт k. Розмір останнього визначається експертним шляхом.

На останньому, четвертому етапізнайдені величини рейтингових оцінок R jгрупуються у порядку їх збільшення чи зменшення.

Викладені матричні методи слід використовувати, наприклад, для порівняльного аналізу різних інвестиційних проектів, а також для оцінки інших економічних показників діяльності організацій.

Матриця А -1 називається зворотною матрицею по відношенню до матриці А, якщо А * А -1 = Е де Е - одинична матриця n -го порядку. Зворотна матриця може існувати лише для квадратних матриць.

Призначення сервісу. За допомогою даного сервісу в онлайн режимі можна знайти додатки алгебри , транспоновану матрицю A T , союзну матрицю і зворотну матрицю. Рішення проводиться безпосередньо на сайті (в онлайн) і є безкоштовним. Результати обчислень оформляються у звіті формату Word та у форматі Excel (тобто є можливість перевірити рішення). див. приклад оформлення.

Інструкція. Для отримання рішення необхідно встановити розмірність матриці. Далі в новому діалоговому вікні заповніть матрицю A.

також Зворотня матриця методом Жордано-Гаусса

Алгоритм знаходження зворотної матриці

1. Знаходження транспонованої матриці A T .
2. Визначення додатків алгебри. Замінюють кожен елемент матриці його додатком алгебри.
3. Складання зворотної матриці з додатків алгебри: кожен елемент отриманої матриці ділять на визначник вихідної матриці. Результуюча матриця є зворотною для вихідної матриці.

1. Визначають, чи квадратна матриця. Якщо ні, то зворотної матриці не існує.
2. Обчислення визначника матриці A. Якщо він не дорівнює нулю, продовжуємо рішення, інакше – зворотної матриці не існує.
3. Визначення додатків алгебри.
4. Заповнення союзної (взаємної, приєднаної) матриці C .
5. Складання зворотної матриці з додатків алгебри: кожен елемент приєднаної матриці C ділять на визначник вихідної матриці. Результуюча матриця є зворотною для вихідної матриці.
6. Роблять перевірку: перемножують вихідну та отриману матриці. В результаті повинна вийти поодинока матриця.

Приклад №1. Запишемо матрицю у вигляді:

Інший алгоритм знаходження зворотної матриці

1. Знаходимо визначник цієї квадратної матриці A .
2. Знаходимо додатки алгебри до всіх елементів матриці A .
3. Записуємо додатки алгебри елементів рядків в стовпці (транспонування).
4. Ділимо кожен елемент отриманої матриці на визначник матриці A.

Особливий випадок: Зворотній, по відношенню до одиничної матриці E є одинична матриця E .

Матриця $A^(-1)$ називається зворотної по відношенню до квадратної матриці $A$, якщо виконано умову $A^(-1)\cdot A=A\cdot A^(-1)=E$, де $E $ - Поодинока матриця, порядок якої дорівнює порядку матриці $ A $.

Невироджена матриця - матриця, визначник якої не дорівнює нулю. Відповідно, вироджена матриця - та, у якої дорівнює нулю визначник.

Зворотна матриця $A^(-1)$ існує і тоді, коли матриця $A$ – невироджена. Якщо зворотна матриця $A^(-1)$ існує, вона єдина.

Є кілька способів знаходження зворотної матриці, і ми розглянемо два їх. На цій сторінці буде розглянуто метод приєднаної матриці, який належить стандартним у більшості курсів вищої математики. Другий спосіб знаходження зворотної матриці (метод елементарних перетворень), який передбачає використання методу Гаусса або Гаусса-Жордана, розглянутий у другій частині .

Метод приєднаної (союзної) матриці

Нехай задано матрицю $A_(n\times n)$. Для того щоб знайти зворотну матрицю $A^(-1)$, потрібно здійснити три кроки:

1. Знайти визначник матриці $A$ і переконатися, що $Delta Aneq 0$, тобто. що матриця А – невироджена.
2. Скласти алгебраїчні доповнення $A_(ij)$ кожного елемента матриці $A$ і записати матрицю $A_(n\times n)^(*)=\left(A_(ij) \right)$ зі знайдених додатків алгебри.
3. Записати зворотну матрицю з урахуванням формули $A^(-1)=\frac(1)(\Delta A)\cdot (A^(*))^T$.

Матрицю $(A^(*))^T$ найчастіше називають приєднаної (взаємної, союзної) до матриці $A$.

Якщо рішення відбувається вручну, перший спосіб хороший лише для матриць порівняно невеликих порядків: другого (), третього (), четвертого (). Щоб знайти зворотну матрицю для матриці вищого ладу, використовуються інші методи. Наприклад, метод Гауса, який розглянуто у другій частині.

Приклад №1

Знайти матрицю, зворотну до матриці $A=\left(\begin(array) (cccc) 5 & -4 &1 & 0 12 &-11 &4 & 0 \\ -5 & 58 &4 & 0 \ 1 & -9 & 0 \end(array) \right)$.

Так як всі елементи четвертого стовпця дорівнюють нулю, то $ Delta A = 0 $ (тобто матриця $ A $ є виродженою). Оскільки $\Delta A=0$, зворотної матриці до матриці $A$ немає.

Приклад №2

Знайти матрицю, зворотну до матриці $A=\left(\begin(array) (cc) -5 & 7 \ 9 & 8 \end(array)\right)$.

Використовуємо метод приєднаної матриці. Спочатку знайдемо визначник заданої матриці $A$:

$$ \Delta A=\left| \begin(array) (cc) -5 & 7\ 9 & 8 \end(array)\right|=-5\cdot 8-7\dot 9=-103. $$

Так як $ \ Delta A \ neq 0 $, то зворотна матриця існує, тому продовжимо рішення. Знаходимо додатки алгебри

\begin(aligned) & A_(11)=(-1)^2\cdot 8=8; \; A_(12)=(-1)^3\cdot 9=-9;\\ & A_(21)=(-1)^3\cdot 7=-7; \; A_(22)=(-1)^4\cdot (-5)=-5.\\end(aligned)

Складаємо матрицю з додатків алгебри: $A^(*)=\left(\begin(array) (cc) 8 & -9\\ -7 & -5 \end(array)\right)$.

Транспонуємо отриману матрицю: $(A^(*))^T=\left(\begin(array) (cc) 8 & -7\ -9 & -5 \end(array)\right)$ (отримана матриця часто називається приєднаною чи союзною матрицею до матриці $A$). Використовуючи формулу $A^(-1)=\frac(1)(\Delta A)\cdot (A^(*))^T$, маємо:

$$ A^(-1)=\frac(1)(-103)\cdot \left(\begin(array) (cc) 8 & -7\\ -9 & -5 \end(array)\right) =\left(\begin(array) (cc) -8/103 & 7/103\\ 9/103 & 5/103 \end(array)\right) $$

Отже, зворотну матрицю знайдено: $A^(-1)=\left(\begin(array) (cc) -8/103 & 7/103\9/103 & 5/103 \end(array)\right) $. Щоб перевірити істинність результату, достатньо перевірити істинність однієї з рівностей: $A^(-1)\cdot A=E$ або $A\cdot A^(-1)=E$. Перевіримо виконання рівності $A^(-1)\cdot A=E$. Щоб поменше працювати з дробами, підставлятимемо матрицю $A^(-1)$ не у формі $\left(\begin(array) (cc) -8/103 & 7/103\\ 9/103 & 5/103 \ end(array)\right)$, а у вигляді $-\frac(1)(103)\cdot \left(\begin(array) (cc) 8 & -7\ -9 & -5 \end(array )\right)$:

Відповідь: $A^(-1)=\left(\begin(array) (cc) -8/103 & 7/103\\ 9/103 & 5/103 \end(array)\right)$.

Приклад №3

Знайти зворотну матрицю для матриці $A=\left(\begin(array) (ccc) 1 & 7 & 3 -4 & 9 & 4 \0 & 3 & 2\end(array) \right)$.

Почнемо з обчислення визначника матриці $A$. Отже, визначник матриці $A$ такий:

$$ \Delta A=\left| \begin(array) (ccc) 1 & 7 & 3 \\ -4 & 9 & 4 \\ 0 & 3 & 2\end(array) \right| = 18-36 +56-12 = 26. $$

Так як $ \ Delta A \ neq 0 $, то зворотна матриця існує, тому продовжимо рішення. Знаходимо додатки алгебри кожного елемента заданої матриці:

Складаємо матрицю з додатків алгебри і транспонуємо її:

$$ A^*=\left(\begin(array) (ccc) 6 & 8 & -12 \ -5 & 2 & -3 \\ 1 & -16 & 37\end(array) \right); \; (A^*)^T=\left(\begin(array) (ccc) 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end(array) \right) $$

Використовуючи формулу $A^(-1)=\frac(1)(\Delta A)\cdot (A^(*))^T$, отримаємо:

$$ A^(-1)=\frac(1)(26)\cdot \left(\begin(array) (ccc) 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & - 3 & 37\end(array) \right)= \left(\begin(array) (ccc) 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \ \ -6/13 & -3/26 & 37/26 \end(array) \right) $$

Отже, $A^(-1)=\left(\begin(array) (ccc) 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ - 6/13 & -3/26 & 37/26 \end(array) \right)$. Щоб перевірити істинність результату, достатньо перевірити істинність однієї з рівностей: $A^(-1)\cdot A=E$ або $A\cdot A^(-1)=E$. Перевіримо виконання рівності $A\cdot A^(-1)=E$. Щоб поменше працювати з дробами, будемо підставляти матрицю $A^(-1)$ не у формі $\left(\begin(array) (ccc) 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \ -6/13 & -3/26 & 37/26 \end(array) \right)$, а у вигляді $\frac(1)(26)\cdot \left( \begin(array) (ccc) 6 & -5 & 1 \\ 8 & 2 & -16 \\ -12 & -3 & 37\end(array) \right)$:

Перевірку пройдено успішно, зворотна матриця $A^(-1)$ знайдена правильно.

Відповідь: $A^(-1)=\left(\begin(array) (ccc) 3/13 & -5/26 & 1/26 \\ 4/13 & 1/13 & -8/13 \\ -6 /13 & -3/26 & 37/26 \end(array) \right)$.

Приклад №4

Знайти матрицю, зворотну матриці $A=\left(\begin(array) (cccc) 6 & -5 & 8 & 4\\ 9 & 7 & 5 & 2 \7 & 5 & 3 & 7 \\ 8 & -8 & -3 \end(array) \right)$.

Для матриці четвертого порядку знаходження зворотної матриці за допомогою додатків алгебри дещо важко. Проте такі приклади у контрольних роботах зустрічаються.

Щоб знайти зворотну матрицю, спочатку потрібно обчислити визначник матриці $A$. Найкраще в цій ситуації це зробити за допомогою розкладання визначника по рядку (стовпцю). Вибираємо будь-який рядок або стовпець і знаходимо додатки алгебри кожного елемента обраного рядка або стовпця.

Подібні на зворотні за багатьма властивостями.

Енциклопедичний YouTube

1 / 5

✪ Як знаходити зворотну матрицю - bezbotvy

✪ Зворотна матриця (2 способи знаходження)

✪ Зворотня матриця #1

✪ 2015-01-28. Зворотня матриця 3x3

✪ 2015-01-27. Зворотня матриця 2х2

Субтитри

Властивості зворотної матриці

• det A − 1 = 1 det A (\displaystyle \det A^(-1)=(\frac (1)(\det A))), де det (\displaystyle \ \det )позначає визначник.
• (A B) − 1 = B − 1 A − 1 (\displaystyle \ (AB)^(-1)=B^(-1)A^(-1))для двох квадратних оборотних матриць A (\displaystyle A)і B (\displaystyle B).
• (A T) − 1 = (A − 1) T (\displaystyle \ (A^(T))^(-1)=(A^(-1))^(T)), де (. . .) T (\displaystyle (...)^(T))позначає транспоновану матрицю.
• (k A) − 1 = k − 1 A − 1 (\displaystyle \ (kA)^(-1)=k^(-1)A^(-1))для будь-якого коефіцієнта k ≠ 0 (\displaystyle k\not = 0).
• E − 1 = E (\displaystyle \ E^(-1)=E).
• Якщо необхідно вирішити систему лінійних рівнянь , (b - ненульовий вектор) де x (\displaystyle x)- Шуканий вектор, і якщо A − 1 (\displaystyle A^(-1))існує, то x = A − 1 b (\displaystyle x=A^(-1)b). В іншому випадку або розмірність простору рішень більша за нуль, або їх немає зовсім.

Способи знаходження зворотної матриці

Якщо матриця оборотна, то для знаходження зворотної матриці можна скористатися одним із наступних способів:

Точні (прямі) методи

Метод Гауса-Жордана

Візьмемо дві матриці: саму Aта одиничну E. Наведемо матрицю Aдо одиничної матриці методом Гаусса-Жордана застосовуючи перетворення по рядках (можна також застосовувати перетворення і по стовпцях, але не в перемішування). Після застосування кожної операції до першої матриці застосуємо ту саму операцію до другої. Коли приведення першої матриці до одиничного вигляду буде завершено, друга матриця виявиться рівною. A −1.

При використанні методу Гауса перша матриця збільшуватиметься зліва на одну з елементарних матриць Λ i (\displaystyle \Lambda _(i))(трансвекцію або діагональну матрицю з одиницями на головній діагоналі, крім однієї позиції):

Друга матриця після застосування всіх операцій дорівнюватиме Λ (\displaystyle \Lambda )тобто буде шуканою. Складність алгоритму - O (n 3) (\displaystyle O(n^(3))).

За допомогою матриці додатків алгебри

Матриця, обернена матриці A (\displaystyle A), представна у вигляді

A − 1 = adj (A) det (A) (\displaystyle (A)^(-1)=(((\mbox(adj))(A)) \over (\det(A))))

де adj (A) (\displaystyle (\mbox(adj))(A))- приєднана матриця;

Складність алгоритму залежить від складності алгоритму розрахунку визначника O det і дорівнює O(n²) · O det.

Використання LU/LUP-розкладання

Матричне рівняння A X = I n (\displaystyle AX = I_(n))для зворотної матриці X (\displaystyle X)можна розглядати як сукупність n (\displaystyle n)систем виду A x = b (\displaystyle Ax = b). Позначимо i (\displaystyle i)-ий стовпець матриці X (\displaystyle X)через X i (\displaystyle X_(i)); тоді A X i = e i (\displaystyle AX_(i)=e_(i)), i = 1, …, n (\displaystyle i = 1, \ ldots, n),оскільки i (\displaystyle i)-м стовпцем матриці I n (\displaystyle I_(n))є одиничний вектор e i (\displaystyle e_(i)). іншими словами, перебування зворотної матриці зводиться до розв'язання n рівнянь з однією матрицею та різними правими частинами. Після виконання LUP-розкладання (час O(n³)) на розв'язання кожного з n рівнянь потрібен час O(n²), так що і ця частина роботи потребує часу O(n³).

Якщо матриця A невироджена, то нею можна розрахувати LUP-разложение P A = L U (\displaystyle PA = LU). Нехай P A = B (\displaystyle PA = B), B − 1 = D (\displaystyle B^(-1)=D). Тоді із властивостей зворотної матриці можна записати: D = U − 1 L − 1 (\displaystyle D=U^(-1)L^(-1)). Якщо помножити цю рівність на U і L можна отримати дві рівності виду U D = L − 1 (\displaystyle UD=L^(-1))і DL = U − 1 (\displaystyle DL=U^(-1)). Перша з цих рівностей є системою з n² лінійних рівнянь для n (n + 1) 2 (\displaystyle (\frac (n(n+1))(2)))з яких відомі праві частини (з властивостей трикутних матриць). Друге представляє також систему з n² лінійних рівнянь для n (n − 1) 2 (\displaystyle (\frac (n(n-1))(2)))з яких відомі праві частини (також із властивостей трикутних матриць). Разом вони є системою з n² рівностей. За допомогою цих рівностей можна реккурентно визначити всі n² елементів матриці D. Тоді з рівності (PA) −1 = A −1 P −1 = B −1 = D. отримуємо рівність A − 1 = DP (\displaystyle A^(-1)=DP).

У разі використання LU-розкладання не потрібно перестановки стовпців матриці D, але рішення може розійтися навіть якщо матриця A невироджена.

Складність алгоритму – O(n³).

Ітераційні методи

Методи Шульця

( 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)))

Оцінка похибки

Вибір початкового наближення

Проблема вибору початкового наближення в аналізованих тут процесах ітераційного звернення матриць не дозволяє ставитися до них як до самостійних універсальних методів, що конкурують із прямими методами обігу, заснованими, наприклад, на LU-розкладанні матриць. Є деякі рекомендації щодо вибору U 0 (\displaystyle U_(0)), що забезпечують виконання умови ρ (Ψ 0) < 1 {\displaystyle \rho (\Psi _{0})<1} (спектральний радіус матриці менше одиниці), що є необхідним та достатнім для збіжності процесу. Однак при цьому, по-перше, потрібно знати зверху оцінку спектра матриці, що звертається, A або матриці AT (\displaystyle AA^(T))(а саме, якщо A - симетрична позитивно визначена матриця та ρ (A) ≤ β (\displaystyle \rho (A)\leq \beta ), то можна взяти U 0 = α E (\displaystyle U_(0)=(\alpha )E), де; якщо ж A - довільна невироджена матриця та ρ (A A T) ≤ β (\displaystyle \rho (AA^(T))\leq \beta ), то вважають U 0 = α A T (\displaystyle U_(0)=(\alpha )A^(T)), де також α ∈ (0 , 2 β) (\displaystyle \alpha \in \left(0,(\frac (2)(\beta ))\right)); можна звичайно спростити ситуацію і, скориставшись тим, що ρ (A A T) ≤ k A A T k (\displaystyle \rho (AA^(T))\leq (\mathcal (k))AA^(T)(\mathcal (k))), покласти U 0 = A T ‖ A A T ‖ (\displaystyle U_(0)=(\frac (A^(T))(\|AA^(T)\|)))). По-друге, за такого завдання початкової матриці немає гарантії, що ‖ Ψ 0 ‖ (\displaystyle \|\Psi _(0)\|)буде малою (можливо, навіть виявиться ‖ Ψ 0 ‖ > 1 (\displaystyle \|\Psi _(0)\|>1)), і високий порядок швидкості збіжності виявиться далеко ще не відразу.

Приклади

Матриця 2х2

Звернення матриці 2х2 можливе лише за умови, що a d − b c = det A ≠ 0 (\displaystyle ad-bc=\det A\neq 0).