Обернена матриця потрібна тоді, коли ми множимо на матрицю \( A \) і прагнемо виконати обернену операцію. Адже множення на матрицю змінює вектор або іншу матрицю, і цілком природно запитати: як відновити початкові дані? Саме для цього й вводять обернену матрицю.
Проте є важлива деталь: обернена існує не завжди. Тому перед обчисленнями варто чітко розуміти, коли матриця має обернену, а коли — ні. А вже після цього можна переходити до методу алгебраїчних доповнень, бо він дає конкретну формулу та зрозумілу послідовність дій.
Обернена Матриця і Умова Існування: Коли Вона Визначена
Нехай \( A \) — квадратна матриця \( n \)-го порядку. Квадратна матриця \( A^{-1} \) того ж порядку називається оберненою до \( A \), якщо виконується рівність
\[
A\cdot A^{-1}=A^{-1}\cdot A=I,
\]
де \( I \) — одинична матриця:
\[
I=
\begin{pmatrix}
1&0&\cdots&0\\
0&1&\cdots&0\\
\vdots&\vdots&\ddots&\vdots\\
0&0&\cdots&1
\end{pmatrix}.
\]
Іншими словами, множення на \( A \) та множення на \( A^{-1} \) у підсумку дають одиничну матрицю — і це працює як зліва, так і справа. Звучить логічно, але чи завжди можна знайти таку матрицю \( A^{-1} \)?
Нагадаємо основний факт: для будь-якої квадратної матриці обернена існує і єдина лише тоді, коли матриця невироджена, тобто
\[
\det(A)\neq 0.
\]
Якщо ж \( \det(A)=0 \), тоді обернену матрицю побудувати не можна, бо після множення на \( A \) один і той самий результат може відповідати різним початковим даним. Отже, відновити початкові значення однозначно вже неможливо.
Тому правило дуже практичне: перше, що перевіряємо, — це визначник. Якщо \( \det(A)=0 \), метод зупиняється одразу. Якщо \( \det(A)\neq 0 \), переходимо до побудови \( A^{-1} \).
Обернена Матриця Методом Алгебраїчних Доповнень: Як Виглядає Алгоритм
Для знаходження оберненої матриці методом алгебраїчних доповнень діємо послідовно. Спочатку обчислюємо визначник матриці \( A \) (наприклад, методом Гауса або розкладом визначника) і відразу перевіряємо умову існування:
\[
\det(A)\neq 0.
\]
Якщо \( \det(A)=0 \), то на цьому зупиняємося — оберненої матриці не існує. Якщо ж \( \det(A)\neq 0 \), рухаємося далі і для кожного елемента \( a_{ij} \) матриці \( A \) знаходимо мінор \( M_{ij} \). Мінор \( M_{ij} \) — це визначник підматриці розміру \( (n-1)\times(n-1) \), яку отримують з матриці \( A \), якщо викреслити \( i \)-й рядок і \( j \)-й стовпець (тобто ті, де стоїть елемент \( a_{ij} \)).
Після цього обчислюємо алгебраїчні доповнення (їх ще називають кофакторами):
\[
C_{ij}=(-1)^{i+j}\cdot M_{ij}.
\]
Тобто ми беремо відповідний мінор і додаємо знак за правилом \( (-1)^{i+j} \). Тут легко помилитися, тому корисно пам’ятати: якщо \( i+j \) парне — знак «(+)», якщо непарне — «(-)». Наприклад, для матриці \( 4\times4 \) схема знаків має вигляд:
\[
\begin{pmatrix}
+&-&+&-\\
-&+&-&+\\
+&-&+&-\\
-&+&-&+
\end{pmatrix}.
\]
Коли всі \( C_{ij} \) знайдено, формуємо матрицю кофакторів:
\[
C=
\begin{pmatrix}
C_{11}&C_{12}&\cdots&C_{1n}\\
C_{21}&C_{22}&\cdots&C_{2n}\\
\vdots&\vdots&\ddots&\vdots\\
C_{n1}&C_{n2}&\cdots&C_{nn}
\end{pmatrix}.
\]
Тепер виконуємо транспонування цієї матриці:
\[
C^{T}=
\begin{pmatrix}
C_{11}&C_{21}&\cdots&C_{n1}\\
C_{12}&C_{22}&\cdots&C_{n2}\\
\vdots&\vdots&\ddots&\vdots\\
C_{1n}&C_{2n}&\cdots&C_{nn}
\end{pmatrix}.
\]
Матрицю \( C^{T} \) називають приєднаною до \( A \) і позначають \( \operatorname{adj}(A) \):
\[
\operatorname{adj}(A)=C^{T}.
\]
Зверніть увагу. \( \operatorname{adj}(A) \) — це не матриця \( C \), а саме її транспонована матриця \( C^{T} \).
І нарешті, обернена матриця обчислюється за формулою:
\[
A^{-1}=\frac{1}{\det(A)}\cdot \operatorname{adj}(A)
=\frac{1}{\det(A)}\cdot C^{T}.
\]
Цей метод особливо зручний для матриць \( 2\times2 \) — \( 4\times4 \), де обсяг обчислень ще контрольований. Для більших розмірностей формули залишаються тими самими, але кількість мінорів і визначників швидко зростає, тому на практиці часто переходять до алгоритмів на кшталт Гауса–Жордана.
І наостанок — коротка самоперевірка, яка часто рятує від дрібних помилок у знаках: після обчислення \( A^{-1} \) можна перемножити \( A\cdot A^{-1} \) і переконатися, що результатом є одинична матриця \( I \). Якщо ж виходить не \( I \), то найчастіше проблема або в знаках \( (-1)^{i+j} \), або в обчисленні мінорів \( M_{ij} \).
Обернена Матриця на Практиці: Приклади з Рішеннями
Щоб краще зрозуміти метод, давайте перейдемо до практичних прикладів. Крок за кроком розберемо кілька типових задач, у яких застосуємо отримані знання. Звертайте увагу не лише на кінцеві результати, а й на логіку виконання кожного етапу — це дозволить швидше орієнтуватися в подібних вправах.
Приклад 1. Знайти обернену матрицю
\[
A=
\begin{pmatrix}
2 & -1 & 4 \\
4 & -2 & 8 \\
6 & -3 & 12
\end{pmatrix}.
\]
Перший крок — перевірка умови існування оберненої матриці. Оскільки другий рядок матриці є вдвічі більшим за перший, а третій рядок втричі більший за перший, то рядки лінійно залежні. Це означає, що визначник цієї матриці буде нульовим:
\[
\det(A)=0.
\]
Тому оберненої матриці не існує.
Приклад 2. Знайти обернену матрицю
\[
A=
\begin{pmatrix}
5 & -6 & 7 & 1\\
7 & 10 & -9 & 8\\
3 & 3 & 5 & 1\\
-10 & 2 & 3 & 4
\end{pmatrix}.
\]
Для початку перевіримо виконання умови існування оберненої матриці, тобто з’ясуємо, чи є визначник матриці \( A \) відмінним від нуля:
\[
\det(A)=
\begin{vmatrix}
5 & -6 & 7 & 1\\
7 & 10 & -9 & 8\\
3 & 3 & 5 & 1\\
-10 & 2 & 3 & 4
\end{vmatrix}.
\]
Розкладаємо визначник за елементами першого рядка:
\[
\det(A)=
5 \cdot \begin{vmatrix}
10 & -9 & 8\\
3 & 5 & 1\\
2 & 3 & 4
\end{vmatrix}
+6 \cdot \begin{vmatrix}
7 & -9 & 8\\
3 & 5 & 1\\
-10 & 3 & 4
\end{vmatrix}
+7 \cdot \begin{vmatrix}
7 & 10 & 8\\
3 & 3 & 1\\
-10 & 2 & 4
\end{vmatrix}
-1 \cdot \begin{vmatrix}
7 & 10 & -9\\
3 & 3 & 5\\
-10 & 2 & 3
\end{vmatrix}.
\]
Після обчислень отримуємо:
\[
\det(A) = 5\cdot 252 + 6\cdot 789 + 7\cdot 138 – 1\cdot(-921) = 7881 \neq 0.
\]
Отже, матриця \( A \) є квадратною та невиродженою, що дає змогу знайти її обернену. Тепер ми можемо перейти до обчислень.
Будуємо мінори \( M_{ij} \) для кожного елемента \( a_{ij} \) матриці \( A \). Для цього викреслюємо \( i \)-й рядок і \( j \)-й стовпець, а потім обчислюємо визначник підматриці:
\[
\begin{array}{llll}
M_{11}=\begin{vmatrix}10&-9&8\\3&5&1\\2&3&4\end{vmatrix}=252, &
M_{12}=\begin{vmatrix}7&-9&8\\3&5&1\\-10&3&4\end{vmatrix}=789, &
M_{13}=\begin{vmatrix}7&10&8\\3&3&1\\-10&2&4\end{vmatrix}=138, \\[6pt]
M_{14}=\begin{vmatrix}7&10&-9\\3&3&5\\-10&2&3\end{vmatrix}=-921, &
M_{21}=\begin{vmatrix}-6&7&1\\3&5&1\\2&3&4\end{vmatrix}=-173, &
M_{22}=\begin{vmatrix}5&7&1\\3&5&1\\-10&3&4\end{vmatrix}=-10, \\[6pt]
M_{23}=\begin{vmatrix}5&-6&1\\3&3&1\\-10&2&4\end{vmatrix}=218, &
M_{24}=\begin{vmatrix}5&-6&7\\3&3&5\\-10&2&3\end{vmatrix}=601, &
M_{31}=\begin{vmatrix}-6&7&1\\10&-9&8\\2&3&4\end{vmatrix}=240, \\[6pt]
M_{32}=\begin{vmatrix}5&7&1\\7&-9&8\\-10&3&4\end{vmatrix}=-1125, &
M_{33}=\begin{vmatrix}5&-6&1\\7&10&8\\-10&2&4\end{vmatrix}=882, &
M_{34}=\begin{vmatrix}5&-6&7\\7&10&-9\\-10&2&3\end{vmatrix}=624, \\[6pt]
M_{41}=\begin{vmatrix}-6&7&1\\10&-9&8\\3&5&1\end{vmatrix}=469, &
M_{42}=\begin{vmatrix}5&7&1\\7&-9&8\\3&5&1\end{vmatrix}=-64, &
M_{43}=\begin{vmatrix}5&-6&1\\7&10&8\\3&3&1\end{vmatrix}=-181, \\[6pt]
M_{44}=\begin{vmatrix}5&-6&7\\7&10&-9\\3&3&5\end{vmatrix}=694.
\end{array}
\]
Далі, використовуючи формулу для алгебраїчних доповнень, знаходимо кофактори:
\[
\begin{aligned}
C_{11} &= (-1)^{1+1} \cdot M_{11} = +252, &
C_{12} &= (-1)^{1+2} \cdot M_{12} = -789, &
C_{13} &= (-1)^{1+3} \cdot M_{13} = +138, \\
C_{14} &= (-1)^{1+4} \cdot M_{14} = +921, &
C_{21} &= (-1)^{2+1} \cdot M_{21} = +173, &
C_{22} &= (-1)^{2+2} \cdot M_{22} = -10, \\
C_{23} &= (-1)^{2+3} \cdot M_{23} = -218, &
C_{24} &= (-1)^{2+4} \cdot M_{24} = +601, &
C_{31} &= (-1)^{3+1} \cdot M_{31} = +240, \\
C_{32} &= (-1)^{3+2} \cdot M_{32} = +1125, &
C_{33} &= (-1)^{3+3} \cdot M_{33} = +882, &
C_{34} &= (-1)^{3+4} \cdot M_{34} = -624, \\
C_{41} &= (-1)^{4+1} \cdot M_{41} = -469, &
C_{42} &= (-1)^{4+2} \cdot M_{42} = -64, &
C_{43} &= (-1)^{4+3} \cdot M_{43} = +181, \\
C_{44} &= (-1)^{4+4} \cdot M_{44} = +694.
\end{aligned}
\]
Після обчислень матриця кофакторів виглядає так:
\[
C=
\begin{pmatrix}
252&-789&138&921\\
173&-10&-218&601\\
240&1125&882&-624\\
-469&-64&181&694
\end{pmatrix}.
\]
Тепер транспонуємо цю матрицю, щоб отримати приєднану матрицю:
\[
\operatorname{adj}(A)=
\begin{pmatrix}
252&173&240&-469\\
-789&-10&1125&-64\\
138&-218&882&181\\
921&601&-624&694
\end{pmatrix}.
\]
І, застосувавши формулу для оберненої матриці:
\[
A^{-1}=\frac{1}{\det(A)} \cdot \operatorname{adj}(A),
\]
отримуємо:
\[
A^{-1}=\frac{1}{7881}
\begin{pmatrix}
252&173&240&-469\\
-789&-10&1125&-64\\
138&-218&882&181\\
921&601&-624&694
\end{pmatrix} \approx
\begin{pmatrix}
0.032&0.022&0.030&-0.060 \\
-0.100&-0.001&0.143&-0.008 \\
0.018&-0.028&0.112&0.023 \\
0.117&0.076&-0.079&0.088
\end{pmatrix}.
\]
Приклад 3: Знайти обернену матрицю
\[
A=
\begin{pmatrix}
0 & -1 & 3 & 0 & 2 \\
2 & -4 & 1 & 5 & 3 \\
-4 & 5 & 7 & -10 & 0 \\
-2 & 1 & 8 & -5 & 3
\end{pmatrix}.
\]
Ця матриця не є квадратною, оскільки має \( 4 \) рядки та \( 5 \) стовпців. А обернена матриця в класичному розумінні визначається лише для квадратних матриць. Тому для цієї матриці обернена матриця знайти неможливо.
Практичний висновок. Перед тим як приступити до обчислень, завжди варто запитати себе дві речі: «матриця квадратна?» і «визначник не дорівнює нулю?». Це допоможе заощадити час і одразу визначити, чи взагалі має сенс шукати обернену матрицю.
Куди Рухатися Далі: Теми, що Підсилять Роботу з Матрицями
Якщо ви вже добре орієнтуєтеся в оберненій матриці через алгебраїчні доповнення, то виникає логічне питання: що вивчати далі, щоб упевненіше почуватися в складніших задачах? Нижче — теми, які природно продовжують цю лінію та додають нові підходи до знайомої ідеї.
- Обернена матриця і характеристичний многочлен: Нетиповий, але сильний підхід — Пояснимо зв’язок із характеристичним многочленом і покажемо, як його використовувати на практиці.
- Обернена матриця методом окантування: Як додавання рядків і стовпців веде до результату — Покажемо ідею методу окантування та пояснимо, як через послідовне розширення отримують обернену матрицю.
- Обернена матриця методом розбиття на клітини: Коли матриця перетворюється на зручні блоки — Розглянемо блоковий підхід і пояснимо, як обертати матрицю через роботу з її частинами.
Обернена Матриця в Коді: Спробуйте Втілити Алгоритм у Власній Програмі
Теорія та приклади дають базу, але справжня впевненість часто приходить тоді, коли ви пробуєте реалізувати ідею самостійно. Саме тут корисною буде блок-схема з цього розділу: вона показує повний маршрут обчислення, тож вам лишається найцікавіше — взяти улюблену мову програмування й перетворити цю логіку на невеличку програму, яка приймає квадратну матрицю, перевіряє умову існування оберненої та повертає результат у вигляді \( A^{-1} \).
Хочете перевірити себе на реальних даних, знайти помилки у знаках і переконатися, що все працює так, як має? Тоді орієнтуйтеся на блок-схему нижче й спробуйте написати власну реалізацію — це коротка практика, яка добре закріплює матеріал.
