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.
