3.1 — Глава I, §3. Невырожденные матрицы3.1 — Chapter I, §3. Non-singular matrices
Один-единственный вопрос — «det A равен нулю или нет?» — делит все квадратные матрицы на два непересекающихся мира. В одном (невырожденные, det A ≠ 0) отображение обратимо, система Ax = b имеет ровно одно решение при любом b, а обратная матрица A⁻¹ существует. В другом (вырожденные, det A = 0) отображение схлопывает пространство — информация необратимо теряется, и обратной матрицы не существует ни при каких обстоятельствах. Союзная матрица, введённая здесь, — не самоцель, а строительный блок явной формулы для A⁻¹ (см. 3.2).A single question — "is det A zero or not?" — splits every square matrix into two disjoint worlds. In one (non-singular, det A ≠ 0) the map is invertible, the system Ax = b has exactly one solution for any b, and the inverse A⁻¹ exists. In the other (singular, det A = 0) the map collapses the space — information is irreversibly lost, and no inverse can exist under any circumstances. The adjugate matrix introduced here isn't an end in itself — it's the building block for an explicit formula for A⁻¹ (see 3.2).
Пусть A — квадратная матрица n-го порядка. Квадратная матрица A называется невырожденной, если её определитель Δ = det A не равен нулю: Δ = det A ≠ 0. В противном случае (Δ = 0) матрица A называется вырожденной.Let A be a square matrix of order n. A square matrix A is called non-singular if its determinant Δ = det A is not zero: Δ = det A ≠ 0. Otherwise (Δ = 0), matrix A is called singular.
Учитывая геометрический смысл определителя (см. 2.1) — коэффициент изменения объёма при отображении A, — вырожденность означает буквально следующее: отображение A сплющивает n-мерное пространство в объект меньшей размерности (плоскость, прямую или точку). Как только пространство схлопнуто, никакое другое отображение не способно его «развернуть» обратно — часть информации потеряна безвозвратно, поэтому обратного преобразования не существует. Это и есть содержательная причина, почему det A ≠ 0 оказывается точным условием существования A⁻¹, а не просто удобным техническим требованием.Given the geometric meaning of the determinant (see 2.1) — the volume-scaling factor of the map A — singularity literally means this: the map A flattens n-dimensional space into something of lower dimension (a plane, a line, or a point). Once the space has been collapsed, no other map can "unfold" it back — some information is lost for good, so no inverse transformation exists. That's the substantive reason det A ≠ 0 turns out to be the exact condition for A⁻¹ to exist, rather than just a convenient technical requirement.
Матрицей, союзной к матрице A, называется матрицаThe matrix adjugate to A is the matrix
A* = | A11 A21 ... An1 |
| A12 A22 ... An2 |
| ... ... ... ... |
| A1n A2n ... Ann |где A_ij — алгебраическое дополнение элемента a_ij матрицы A (см. 2.2). Обратите внимание на транспонирование: элемент A_ij исходной матрицы алгебраических дополнений попадает в союзную матрицу на позицию (j, i), а не (i, j) — без этой перестановки формула обратной матрицы в 3.2 не сойдётся.where A_ij is the cofactor of element a_ij of A (see 2.2). Note the transposition: the cofactor A_ij of the original matrix of cofactors lands in the adjugate at position (j, i), not (i, j) — without that swap, the inverse-matrix formula in 3.2 wouldn't work out.
Матрица A⁻¹ называется обратной матрице A, если выполняется условиеThe matrix A⁻¹ is called the inverse of A if the following condition holds
A · A⁻¹ = A⁻¹ · A = E, (3.1)где E — единичная матрица того же порядка, что и A. Матрица A⁻¹ имеет те же размеры, что и A.where E is the identity matrix of the same order as A. The matrix A⁻¹ has the same dimensions as A.
Заметьте, что здесь требуется равенство обоих произведений единичной матрице — A · A⁻¹ = E и A⁻¹ · A = E. Для квадратных матриц конечного порядка это не случайное усиление: можно доказать, что из одного равенства автоматически следует другое (односторонний обратный элемент для квадратной матрицы автоматически двусторонний) — но формулировка «в обе стороны» сразу и явно совместима с некоммутативностью умножения матриц (см. 1.2), которую иначе легко упустить из виду.Notice that both products are required to equal the identity — A · A⁻¹ = E and A⁻¹ · A = E. For finite-order square matrices this isn't an arbitrary strengthening: one can prove that either equality implies the other (a one-sided inverse for a square matrix is automatically two-sided) — but stating it "both ways" makes the definition explicitly compatible with the non-commutativity of matrix multiplication (see 1.2), which is otherwise easy to lose sight of.
Начинающие иногда путают вырожденную матрицу с нулевой — но подавляющее большинство вырожденных матриц ненулевые: например, (1 1; 1 1) (одинаковые строки) или (1 2; 2 4) (пропорциональные строки, см. свойство 4 в 2.2) вырождены, хотя ни один элемент не равен нулю. Вырожденность — это утверждение об определителе как о числе, а не о том, как выглядят элементы.Beginners sometimes confuse a singular matrix with the zero matrix — but the vast majority of singular matrices are nonzero: for example, (1 1; 1 1) (identical rows) or (1 2; 2 4) (proportional rows, see property 4 in 2.2) are both singular, even though no entry is zero. Singularity is a statement about the determinant as a number, not about what the entries look like.
На бумаге «det A ≠ 0» — чёткий бинарный критерий. В вычислениях с плавающей точкой матрица может быть теоретически невырожденной, но настолько близкой к вырожденной («плохо обусловленной»), что det A вычисляется как крошечное, но ненулевое число, а обратная матрица получается настолько неточной, что практически бесполезна. Эта проблема — предмет отдельного раздела о численной устойчивости и обусловленности матриц (раздел 10.1 «Численные методы»), а не парадокс, а естественное продолжение теории в мир конечной точности.On paper, "det A ≠ 0" is a crisp binary criterion. In floating-point computation, a matrix can be theoretically non-singular yet so close to singular ("ill-conditioned") that det A computes as a tiny but nonzero number, and the resulting inverse is inaccurate enough to be practically useless. This is the subject of a separate section on numerical stability and matrix conditioning (section 10.1, "Numerical Methods") — not a paradox, but a natural continuation of the theory into the world of finite precision.
источникsource
Определения (невырожденная/вырожденная матрица, союзная матрица, обратная матрица) — по изданию: Письменный Д. Т. Конспект лекций по высшей математике: полный курс. — 9-е изд. — М.: Айрис-пресс, 2009. — 608 с. — Глава I, §3.1 «Основные понятия», с. 24–25. Геометрическая интерпретация и раздел «Грабли» — авторское дополнение.Definitions (non-singular/singular matrix, adjugate matrix, inverse matrix) — from: Pismenny D. T. Lecture Notes on Higher Mathematics: Complete Course. — 9th ed. — Moscow: Iris-press, 2009. — 608 p. — Chapter I, §3.1 "Basic Concepts," pp. 24–25. The geometric interpretation and the "Gotchas" section are original additions.