Обратная матрица чаще всего находится стандартными способами — например, методом Гаусса–Жордана или через алгебраические дополнения. Но что делать, если матрица большая, а её элементы удобно сгруппировать в блоки, скажем, вдоль диагонали? В такой ситуации блочный («клеточный») метод оказывается очень кстати: мы разбиваем матрицу на блоки, записываем систему уравнений для этих блоков, вводим дополнение Шура и в итоге получаем формулу для \( A^{-1} \). Звучит практично, правда?
Обратная Матрица как Блочная Схема: Как Разбить Матрицу на Клетки
Начнём с базового шага. Пусть у нас есть квадратная матрица \( A \) порядка \( n \). Разобьём её на четыре блока («клетки») так, чтобы сверху слева был блок размера \( r\times r \), а снизу справа — \( s\times s \), где
\[ r+s=n. \]
Запишем матрицу \( A \) в блочном виде:
\[ A= \begin{pmatrix} A_{11} & A_{12}\\ A_{21} & A_{22} \end{pmatrix}, \]
где:
- \( A_{11} \) — матрица размера \( r\times r \).
- \( A_{12} \) — матрица \( r\times s \).
- \( A_{21} \) — матрица \( s\times r \).
- \( A_{22} \) — матрица \( s\times s \).
Теперь естественный вопрос: если мы уже работаем с блоками, разве не стоит так же искать и обратную? Да, именно так и поступим.
Будем искать \( A^{-1} \) в виде:
\[ A^{-1}= \begin{pmatrix} B_{11} & B_{12}\\ B_{21} & B_{22} \end{pmatrix}, \]
где блоки \( B_{ij} \) имеют соответствующие размеры (как и блоки \( A_{ij} \)).
Дальше мы используем определение обратной матрицы. И тогда получим систему уравнений для блоков.
Система Блочных Уравнений: Как Работает Определение Обратной Матрицы
По определению обратной матрицы:
\[ A^{-1} \cdot A = E_n, \]
где \( E_n \) — единичная матрица порядка \( n \).
Раз мы работаем с блоками, удобно записать единичную матрицу тоже в блочном виде:
\[ E_n= \begin{pmatrix} E_r & 0\\ 0 & E_s \end{pmatrix}, \]
где \( E_r \) — единичная матрица порядка \( r \), а \( E_s \) — единичная матрица порядка \( s \).
Перемножим блочные матрицы:
\[ \begin{pmatrix} B_{11} & B_{12}\\ B_{21} & B_{22} \end{pmatrix} \cdot \begin{pmatrix} A_{11} & A_{12}\\ A_{21} & A_{22} \end{pmatrix} = \begin{pmatrix} E_r & 0\\ 0 & E_s \end{pmatrix}. \]
Из равенства блоков получаем четыре матричных уравнения:
\[ \begin{cases} B_{11} \cdot A_{11} + B_{12} \cdot A_{21} = E_r,\\ B_{11} \cdot A_{12} + B_{12} \cdot A_{22} = 0,\\ B_{21} \cdot A_{11} + B_{22} \cdot A_{21} = 0,\\ B_{21} \cdot A_{12} + B_{22} \cdot A_{22} = E_s. \end{cases} \]
Здесь удобно сразу увидеть структуру:
- Первые два уравнения описывают «верхний ряд» блоков \( B_{11}, B_{12} \).
- Последние два — «нижний ряд» блоков \( B_{21}, B_{22} \).
Итак, вместо одной большой задачи мы получили систему для блоков. Теперь её нужно превратить в явные формулы. Для этого и вводят дополнение Шура.
Обратная Матрица Через Дополнение Шура: Вывод Формул Блочного Метода
Теперь переходим к самой важной части — как именно из полученной системы для блоков получить явные формулы. Для этого воспользуемся стандартной идеей блочного метода: будем считать, что блок \( A_{11} \) обратим, то есть существует \( A_{11}^{-1} \). Это естественное условие при таком разбиении на «клетки», и на практике оно очень часто выполняется.
Начнём с двух уравнений, которые описывают «верхний ряд»:
\[ \begin{cases} B_{11} \cdot A_{11} + B_{12} \cdot A_{21} = E_r,\\ B_{11} \cdot A_{12} + B_{12} \cdot A_{22} = 0. \end{cases} \]
Чтобы получить формулу для \( B_{12} \), удобно сначала выразить \( B_{11} \) через \( B_{12} \). Для этого домножим первое уравнение справа на \( A_{11}^{-1} \):
\[ B_{11} + B_{12} \cdot A_{21} \cdot A_{11}^{-1} = A_{11}^{-1}, \]
откуда
\[ B_{11} = A_{11}^{-1} — B_{12} \cdot A_{21} \cdot A_{11}^{-1}. \]
Далее подставим это выражение во второе уравнение системы:
\[ \left(A_{11}^{-1} — B_{12} \cdot A_{21} \cdot A_{11}^{-1}\right) \cdot A_{12} + B_{12} \cdot A_{22}=0. \]
После раскрытия скобок получаем
\[ A_{11}^{-1} \cdot A_{12} — B_{12} \cdot A_{21} \cdot A_{11}^{-1} \cdot A_{12} + B_{12} \cdot A_{22}=0, \]
а теперь сгруппируем слагаемые, содержащие \( B_{12} \):
\[ B_{12} \cdot \left(A_{22} — A_{21} \cdot A_{11}^{-1} \cdot A_{12}\right) = -A_{11}^{-1} \cdot A_{12}. \]
В этот момент появляется ключевой объект — дополнение Шура относительно блока \( A_{11} \). Обозначим:
\[ S = A_{22} — A_{21} \cdot A_{11}^{-1} \cdot A_{12}. \]
Если матрица \( S \) тоже обратима, то есть существует \( S^{-1} \), тогда предыдущее равенство записывается компактно:
\[ B_{12} \cdot S = -A_{11}^{-1} \cdot A_{12}, \]
и отсюда сразу получаем:
\[ B_{12} = -A_{11}^{-1} \cdot A_{12} \cdot S^{-1}. \]
Теперь возвращаемся к формуле для \( B_{11} \) и подставляем найденный блок \( B_{12} \):
\[ B_{11} = A_{11}^{-1} — B_{12} \cdot A_{21} \cdot A_{11}^{-1} = A_{11}^{-1} + A_{11}^{-1} \cdot A_{12} \cdot S^{-1} \cdot A_{21} \cdot A_{11}^{-1}. \]
Аналогично, используя два уравнения «нижнего ряда» системы, получаем формулы для остальных блоков:
\[ B_{21} = -S^{-1} \cdot A_{21} \cdot A_{11}^{-1}, \qquad B_{22} = S^{-1}. \]
Итак, если существуют \( A_{11}^{-1} \) и \( S^{-1} \), то обратная матрица к \( A \) выражается через блоки так:
\[ A^{-1} = \begin{pmatrix} A_{11}^{-1} + A_{11}^{-1} \cdot A_{12} \cdot S^{-1} \cdot A_{21} \cdot A_{11}^{-1} & -A_{11}^{-1} \cdot A_{12} \cdot S^{-1}\\ -S^{-1} \cdot A_{21} \cdot A_{11}^{-1} & S^{-1} \end{pmatrix}, \quad S = A_{22} — A_{21} \cdot A_{11}^{-1} \cdot A_{12}. \]
Идея здесь очень практичная: вместо того чтобы работать со всей матрицей сразу, мы сводим задачу к обращению блока \( A_{11} \) и дополнения Шура \( S \). Если эти матрицы меньше по размеру, то и вычисления обычно выполняются быстрее. Именно поэтому блочный («клеточный») метод так часто встречается в задачах численных методов.
Обратная Матрица в Действии: Практика Блочного Метода на Примерах
Чтобы лучше понять блочный («клеточный») метод, давайте перейдём к практике. Здесь важно не только получить ответ, но и видеть, как именно появляются блоки и дополнение Шура. Готовы пройти этот путь шаг за шагом?
Пример 1. Какие шаги нужно выполнить, чтобы найти обратную матрицу блочным методом?
- Разбить матрицу \( A \) порядка \( n \) на блоки так, чтобы \( r+s=n \):
\[ A= \begin{pmatrix} A_{11} & A_{12}\\ A_{21} & A_{22} \end{pmatrix}. \]
- Выбрать такое разбиение, чтобы блок \( A_{11} \) было удобно обратить.
- Убедиться, что существует \( A_{11}^{-1} \), и вычислить её.
- Найти дополнение Шура
\[ S = A_{22} — A_{21} \cdot A_{11}^{-1} \cdot A_{12}. \]
На практике это делают последовательно: сначала умножают \( A_{11}^{-1} \) на \( A_{12} \), затем полученный результат домножают слева на \( A_{21} \), и только после этого вычитают из \( A_{22} \).
- Убедиться, что существует \( S^{-1} \), и вычислить её.
- Вычислить блоки обратной матрицы:
\[ \begin{gathered} B_{12} = -A_{11}^{-1}\cdot A_{12}\cdot S^{-1},\qquad B_{21} = -S^{-1}\cdot A_{21}\cdot A_{11}^{-1},\qquad B_{22} = S^{-1},\\[6pt] B_{11} = A_{11}^{-1} + A_{11}^{-1}\cdot A_{12}\cdot S^{-1}\cdot A_{21}\cdot A_{11}^{-1}. \end{gathered} \]
- Собрать результат в виде:
\[ A^{-1}= \begin{pmatrix} B_{11} & B_{12}\\ B_{21} & B_{22} \end{pmatrix}. \]
Пример 2. Найти обратную матрицу блочным методом
\[ A= \begin{pmatrix} 5 & -6 & 7 & 1\\ 7 & 10 & -9 & 8\\ 3 & 3 & 5 & 1\\ -10 & 2 & 3 & 4 \end{pmatrix}. \]
Возьмём разбиение \( r=s=2 \), чтобы блок \( A_{11} \) был небольшим и его было удобно обратить:
\[ A= \begin{pmatrix} A_{11} & A_{12}\\ A_{21} & A_{22} \end{pmatrix}, \]
где
\[ \begin{array}{ll} A_{11}=\begin{pmatrix} 5 & -6\\ 7 & 10 \end{pmatrix}, & A_{12}=\begin{pmatrix} 7 & 1\\ -9 & 8 \end{pmatrix}, \\[6pt] A_{21}=\begin{pmatrix} 3 & 3\\ -10 & 2 \end{pmatrix}, & A_{22}=\begin{pmatrix} 5 & 1\\ 3 & 4 \end{pmatrix}. \end{array} \]
Сначала вычисляем \( A_{11}^{-1} \):
\[ A_{11}^{-1}= \begin{pmatrix} 0.109 & 0.065\\ -0.076 & 0.054 \end{pmatrix}. \]
Теперь находим дополнение Шура
\[ S = A_{22} — A_{21} \cdot A_{11}^{-1} \cdot A_{12}. \]
После выполнения вычислений получаем
\[ S= \begin{pmatrix} 7.543 & -1.967\\ 6.783 & 9.587 \end{pmatrix}, \qquad S^{-1}= \begin{pmatrix} 0.112 & 0.023\\ -0.079 & 0.088 \end{pmatrix}. \]
Далее переходим к блокам \( A^{-1} \). По формулам блочного метода имеем:
\[ \begin{gathered} B_{12} = -A_{11}^{-1}\cdot A_{12}\cdot S^{-1},\qquad B_{21} = -S^{-1}\cdot A_{21}\cdot A_{11}^{-1},\qquad B_{22} = S^{-1},\\[6pt] B_{11} = A_{11}^{-1} + A_{11}^{-1}\cdot A_{12}\cdot S^{-1}\cdot A_{21}\cdot A_{11}^{-1}. \end{gathered} \]
В результате получаем
\[ \begin{array}{ll} B_{11}=\begin{pmatrix} 0.032 & 0.022\\ -0.1 & -0.001 \end{pmatrix}, & B_{12}=\begin{pmatrix} 0.03 & -0.06\\ 0.143 & -0.008 \end{pmatrix}, \\[6pt] B_{21}=\begin{pmatrix} 0.018 & -0.028\\ 0.117 & 0.076 \end{pmatrix}, & B_{22}=\begin{pmatrix} 0.112 & 0.023\\ -0.079 & 0.088 \end{pmatrix}. \end{array} \]
Итак,
\[ A^{-1}= \begin{pmatrix} 0.032 & 0.022 & 0.03 & -0.06\\ -0.1 & -0.001 & 0.143 & -0.008\\ 0.018 & -0.028 & 0.112 & 0.023\\ 0.117 & 0.076 & -0.079 & 0.088 \end{pmatrix}. \]
Чтобы проверить себя, можно перемножить \( A^{-1}\cdot A \) и убедиться, что результат близок к единичной матрице.
Пример 3. Найти обратную матрицу блочным методом
\[ A= \begin{pmatrix} 2 & 1 & 1 & 0 & 0\\ 1 & 2 & 0 & 1 & 0\\ 1 & 0 & 3 & 0 & 0\\ 0 & 1 & 0 & 3 & 0\\ 1 & 1 & 0 & 0 & 4 \end{pmatrix}. \]
Здесь удобно взять разбиение \( r=2 \), \( s=3 \), чтобы блок \( A_{11} \) был небольшим и легко обращался:
\[ A= \begin{pmatrix} A_{11} & A_{12}\\ A_{21} & A_{22} \end{pmatrix}, \]
где
\[ \begin{array}{ll} A_{11}=\begin{pmatrix} 2 & 1\\ 1 & 2 \end{pmatrix}, & A_{12}=\begin{pmatrix} 1 & 0 & 0\\ 0 & 1 & 0 \end{pmatrix}, \\[6pt] A_{21}=\begin{pmatrix} 1 & 0\\ 0 & 1\\ 1 & 1 \end{pmatrix}, & A_{22}=\begin{pmatrix} 3 & 0 & 0\\ 0 & 3 & 0\\ 0 & 0 & 4 \end{pmatrix}. \end{array} \]
Сначала находим \( A_{11}^{-1} \):
\[ A_{11}^{-1}= \begin{pmatrix} 0.667 & -0.333\\ -0.333 & 0.667 \end{pmatrix}. \]
Далее вычисляем дополнение Шура
\[ S = A_{22} — A_{21} \cdot A_{11}^{-1} \cdot A_{12}. \]
После последовательных преобразований получаем
\[ S= \begin{pmatrix} 2.333 & 0.333 & 0\\ 0.333 & 2.333 & 0\\ -0.333 & -0.333 & 4 \end{pmatrix}, \qquad S^{-1}= \begin{pmatrix} 0.438 & -0.062 & 0\\ -0.062 & 0.438 & 0\\ 0.031 & 0.031 & 0.25 \end{pmatrix}. \]
Теперь переходим к блокам обратной матрицы. Используем стандартные формулы блочного метода:
\[ \begin{gathered} B_{12} = -A_{11}^{-1}\cdot A_{12}\cdot S^{-1},\qquad B_{21} = -S^{-1}\cdot A_{21}\cdot A_{11}^{-1},\qquad B_{22} = S^{-1},\\[6pt] B_{11} = A_{11}^{-1} + A_{11}^{-1}\cdot A_{12}\cdot S^{-1}\cdot A_{21}\cdot A_{11}^{-1}. \end{gathered} \]
В результате имеем
\[ \begin{array}{ll} B_{11}=\begin{pmatrix} 0.938 & -0.562 \\ -0.562 & 0.938 \end{pmatrix}, & B_{12}=\begin{pmatrix} -0.312 & 0.188 & 0 \\ 0.188 & -0.312 & 0 \end{pmatrix}, \\[6pt] B_{21}=\begin{pmatrix} -0.312 & 0.188 \\ 0.188 & -0.312 \\ -0.094 & -0.094 \end{pmatrix}, & B_{22}=\begin{pmatrix} 0.438 & -0.062 & 0 \\ -0.062 & 0.438 & 0 \\ 0.031 & 0.031 & 0.25 \end{pmatrix} \end{array} \]
Итак,
\[ A^{-1}= \begin{pmatrix} 0.938 & -0.562 & -0.312 & 0.188 & 0\\ -0.562 & 0.938 & 0.188 & -0.312 & 0\\ -0.312 & 0.188 & 0.438 & -0.062 & 0\\ 0.188 & -0.312 & -0.062 & 0.438 & 0\\ -0.094 & -0.094 & 0.031 & 0.031 & 0.25 \end{pmatrix}. \]
Следующие Шаги: Темы, Которые Расширят Ваш Арсенал
Вы уже увидели, как блочный («клеточный») метод упорядочивает вычисления и помогает работать с большими матрицами. Тогда вполне логичный вопрос: что изучать дальше, чтобы увереннее решать разные типы задач? Вот три темы, которые естественно продолжают этот материал.
- Обратная матрица методом окаймления: Как добавление строк и столбцов ведёт к результату — Покажем идею метода окаймления и объясним, как через последовательное расширение получают обратную матрицу.
- Обратная матрица, используя коэффициенты характеристического многочлена: Другой путь к обращению без стандартных схем — Рассмотрим этот подход и покажем, как находить обратную матрицу через связь с характеристическим многочленом.
- Псевдообратная матрица: Как работать с прямоугольными и вырожденными случаями — Объясним, что делать, когда обычное обращение не определено, и как на практике находить псевдообратную матрицу.
Обратная Матрица в Коде: Превратите Блок-схему в Рабочую Программу
Теперь посмотрите на блок-схему ниже как на готовый план, по которому легко собрать собственный мини-инструмент. Разве не интересно взять любимый язык программирования и написать небольшую программу, которая вычисляет обратную матрицу именно блочным методом? Такой проект быстро показывает, как аккуратные математические идеи превращаются в чёткую логику в коде — её можно проверять на разных примерах и дорабатывать под свои задачи.
