Обернена матриця часто асоціюється з обчисленням визначника, мінорів або з перетвореннями рядків. Але чи завжди це найзручніший шлях? Насправді, якщо для матриці вже відомі коефіцієнти її характеристичного многочлена, ми можемо отримати формулу для оберненої матриці доволі прямим способом.
У цій статті ми зосередимося на головному: як, спираючись на теорему Гамільтона–Келі та коефіцієнти характеристичного многочлена, вийти на явний вираз для \( A^{-1} \). І ще одне важливе питання: чому коефіцієнт при вільному члені тут настільки суттєвий? Давайте розберімося крок за кроком.
Обернена Матриця Через Характеристичний Многочлен: Основний Перехід
Нехай задано невироджену матрицю
\[
A \in \mathbb{R}^{n\times n}, \qquad \det(A)\neq 0.
\]
Її характеристичний многочлен записують у вигляді:
\[
\det(\lambda \cdot E – A)=\lambda^{n}+p_{1} \cdot \lambda^{n-1}+\cdots+p_{n-1} \cdot \lambda+p_{n},
\]
де \( E \) — одинична матриця порядку \( n \), а \( p_{1},p_{2},\ldots,p_{n} \) — коефіцієнти.
Далі підключаємо теорему Гамільтона–Келі: матриця \( A \) є коренем свого характеристичного многочлена. Отже, при підстановці \( \lambda=A \) отримуємо нульову матрицю:
\[
A^{n}+p_{1} \cdot A^{n-1}+\cdots+p_{n-1} \cdot A+p_{n} \cdot E=0.
\]
Тепер переходимо до ключового кроку. Ми хочемо отримати формулу для \( A^{-1} \), тому домножимо цю матричну рівність зліва на \( A^{-1} \). Так степені \( A \) зменшаться на одиницю, і водночас у записі з’явиться доданок з \( A^{-1} \):
\[
A^{-1} \cdot \Bigl(A^{n}+p_{1} \cdot A^{n-1}+\cdots+p_{n-1} \cdot A+p_{n} \cdot E\Bigr)=A^{-1}\cdot 0.
\]
Оскільки \( A^{-1} \cdot A=E \), маємо:
\[
A^{n-1}+p_{1} \cdot A^{n-2}+\cdots+p_{n-1} \cdot E+p_{n} \cdot A^{-1}=0.
\]
Обернена Матриця як Поліном Від Матриці: Формула та Умова
З попередньої рівності вже можна виділити \( A^{-1} \). Перенесемо все, крім доданка з \( A^{-1} \), у праву частину:
\[
p_{n} \cdot A^{-1}=-(A^{n-1}+p_{1} \cdot A^{n-2}+\cdots+p_{n-1} \cdot E).
\]
Оскільки матриця невироджена, то \( \det(A)\neq 0 \), а значить і \( p_n\neq 0 \). Це видно з підстановки \( \lambda=0 \) у характеристичний многочлен:
\[
p_n=\det(0\cdot E-A)=\det(-A)=(-1)^n \cdot \det(A).
\]
Отже, ділення на \( p_n \) тут повністю обґрунтоване, і ми отримуємо явну формулу:
\[
A^{-1}=-\frac{1}{p_{n}} \cdot \Bigl(A^{n-1}+p_{1} \cdot A^{n-2}+\cdots+p_{n-1} \cdot E\Bigr).
\]
Тепер зафіксуймо важливу навчальну ідею. Обернена матриця виражається як поліном від \( A \) степеня не вище \( n-1 \). Тобто \( A^{-1} \) — це лінійна комбінація одиничної матриці та степенів \( A \):
\[
A^{-1}=c_{0} \cdot E+c_{1} \cdot A+c_{2} \cdot A^{2}+\cdots+c_{n-1} \cdot A^{n-1},
\]
де коефіцієнти \( c_k \) визначаються через \( p_1,\dots,p_n \). Зручно, правда? Ми працюємо з тим, що вже є: зі степенями \( A \) та числами \( p_k \).
Що потрібно на практиці
Щоб реально скористатися формулою, діємо за коротким алгоритмом:
- Знайти коефіцієнти \( p_{1},\ldots,p_{n} \).
- Обчислити степені \( A, A^{2}, \ldots, A^{n-1} \).
- Підставити все у формулу для \( A^{-1} \) і отримати результат.
Саме на першому кроці найдоцільніше використати метод Левер’є, адже він спеціально орієнтований на ефективне отримання коефіцієнтів характеристичного многочлена. Теоретичні деталі цього методу ви можете розглянути в окремому матеріалі, а тут важливо запам’ятати головне: коли мета — швидко й послідовно отримати \( p_1,\dots,p_n \), метод Левер’є зазвичай є найраціональнішим вибором.
Обернена Матриця на Практиці: Від Схеми Дій до Обчислень
Тепер, коли формула вже отримана, саме час подивитися, як вона працює в реальних задачах. У цих прикладах важливо не лише дійти до відповіді, а й відчути послідовність кроків: що беремо з характеристичного многочлена, що обчислюємо для матриці, а що одразу підставляємо у готовий вираз. Готові перевірити метод на практиці?
Приклад 1. Які кроки потрібно виконати для знаходження оберненої матриці розмірності \( 3\times 3 \), якщо відомими є коефіцієнти її характеристичного многочлена?
Спочатку виписуємо коефіцієнти характеристичного многочлена і визначаємо формулу для випадку \( n=3 \). Далі обчислюємо потрібні степені до порядку \( n-1 \), тобто знаходимо \( A^{2} \), після чого підставляємо ці дані у формулу для \( A^{-1} \). Наприкінці корисно зробити коротку перевірку множенням \( A\cdot A^{-1} \), щоб переконатися, що результатом є одинична матриця.
Приклад 2. Знайти обернену матрицю, якщо відомо, що характеристичний многочлен має вигляд \( \det(\lambda \cdot E-A)=\lambda^{4}-24 \cdot \lambda^{3}+244 \cdot \lambda^{2}-1818 \cdot \lambda+7881 \)
\[
A=
\begin{pmatrix}
5 & -6 & 7 & 1\\
7 & 10 & -9 & 8\\
3 & 3 & 5 & 1\\
-10 & 2 & 3 & 4
\end{pmatrix}.
\]
Порівнюємо цей многочлен зі стандартним записом
\[
\det(\lambda \cdot E-A) = \lambda^4 + p_1 \cdot \lambda^3 + p_2 \cdot \lambda^2 + p_3 \cdot \lambda + p_4
\]
і одразу отримуємо коефіцієнти:
\[
p_1=-24,\qquad p_2=244,\qquad p_3=-1818,\qquad p_4=7881.
\]
Оскільки \( n=4 \), застосовуємо формулу
\[
A^{-1}=-\frac{1}{p_4} \cdot \bigl(A^3 + p_1 \cdot A^2 + p_2 \cdot A + p_3 \cdot E \bigr)
=-\frac{1}{7881} \cdot \bigl(A^3 – 24 \cdot A^2 + 244 \cdot A – 1818 \cdot E \bigr).
\]
Тут одразу видно, чому нам потрібні саме \( A^{2} \) та \( A^{3} \): вони входять у матричну комбінацію для \( n=4 \). Після обчислень маємо:
\[
\begin{aligned}
A^{2} &= A\cdot A=
\begin{pmatrix}
-6 & -67 & 127 & -32\\
-2 & 47 & -62 & 110\\
41 & 29 & 22 & 36\\
-67 & 97 & -61 & 25
\end{pmatrix},\\[6pt]
A^{3} &= A^{2}\cdot A=
\begin{pmatrix}
202 & -317 & 1100 & -543\\
-967 & 516 & -417 & 752\\
114 & 182 & 244 & 439\\
-89 & 1239 & -1572 & 748
\end{pmatrix}.
\end{aligned}
\]
Підставляємо у вираз із формули та отримуємо:
\[
A^3 – 24 \cdot A^2 + 244 \cdot A – 1818 \cdot E =
\begin{pmatrix}
-252 & -173 & -240 & 469\\
789 & 10 & -1125 & 64\\
-138 & 218 & -882 & -181\\
-921 & -601 & 624 & -694
\end{pmatrix}.
\]
Отже,
\[
A^{-1}=-\frac{1}{7881} \cdot
\begin{pmatrix}
-252 & -173 & -240 & 469\\
789 & 10 & -1125 & 64\\
-138 & 218 & -882 & -181\\
-921 & -601 & 624 & -694
\end{pmatrix} \approx
\begin{pmatrix}
0.032&0.022&0.030&-0.060 \\
-0.100&-0.001&0.143&-0.008 \\
0.018&-0.028&0.112&0.023 \\
0.117&0.076&-0.079&0.088
\end{pmatrix}.
\]
Приклад 3. Знайти обернену матрицю
\[
A=
\begin{pmatrix}
1 & 2 & 3 & 4 \\
2 & 1 & 2 & 3 \\
3 & 2 & -1 & 2 \\
4 & 3 & 2 & 1
\end{pmatrix}.
\]
Тут зробимо повний цикл: спочатку знайдемо степені матриці, потім обчислимо сліди й за ними отримаємо коефіцієнти характеристичного многочлена методом Левер’є, а вже далі використаємо стандартну формулу для \( A^{-1} \). У такій задачі метод Левер’є найдоцільніший, бо він дозволяє отримати \( p_{1},\dots,p_{n} \) через сліди \( \operatorname{tr}(A^{k}) \), а ці сліди ми все одно знаходимо, коли працюємо зі степенями матриці.
Почнемо зі степенів:
\[
\begin{aligned}
A^{2} &= A\cdot A =
\begin{pmatrix}
30 & 22 & 12 & 20 \\
22 & 18 & 12 & 18 \\
12 & 12 & 18 & 18 \\
20 & 18 & 18 & 30
\end{pmatrix},\\[6pt]
A^{3} &= A^{2}\cdot A =
\begin{pmatrix}
190 & 166 & 162 & 230 \\
166 & 140 & 126 & 184 \\
162 & 126 & 78 & 138 \\
230 & 184 & 138 & 200
\end{pmatrix},\\[6pt]
A^{4} &= A^{3}\cdot A =
\begin{pmatrix}
1928 & 1560 & 1200 & 1812 \\
1560 & 1276 & 1020 & 1520 \\
1200 & 1020 & 936 & 1320 \\
1812 & 1520 & 1320 & 1948
\end{pmatrix}.
\end{aligned}
\]
Далі обчислимо сліди:
\[
\begin{aligned}
\operatorname{tr}(A) &= 1+1-1+1 = 2,\\
\operatorname{tr}(A^{2}) &= 30+18+18+30 = 96,\\
\operatorname{tr}(A^{3}) &= 190+140+78+200 = 608,\\
\operatorname{tr}(A^{4}) &= 1928+1276+936+1948 = 6088.
\end{aligned}
\]
Тепер за формулами методу Левер’є знаходимо коефіцієнти \( p_k \):
\[
\begin{aligned}
p_{1} &= -\operatorname{tr}(A) = -2,\\[2pt]
p_{2} &= -\frac{1}{2} \cdot \Bigl(\operatorname{tr}(A^{2}) + p_{1}\operatorname{tr}(A)\Bigr)
= -\frac{1}{2} \cdot \bigl(96 – 2\cdot 2\bigr) = -46,\\[2pt]
p_{3} &= -\frac{1}{3} \cdot \Bigl(\operatorname{tr}(A^{3}) + p_{1} \cdot \operatorname{tr}(A^{2}) + p_{2} \cdot \operatorname{tr}(A)\Bigr)
= -\frac{1}{3} \cdot \bigl(608 – 2\cdot 96 – 46\cdot 2\bigr) = -108,\\[2pt]
p_{4} &= -\frac{1}{4} \cdot \Bigl(\operatorname{tr}(A^{4}) + p_{1} \cdot \operatorname{tr}(A^{3}) + p_{2} \cdot \operatorname{tr}(A^{2}) + p_{3} \cdot \operatorname{tr}(A)\Bigr)
= -\frac{1}{4} \cdot \bigl(6088 – 2\cdot 608 – 46\cdot 96 – 108\cdot 2\bigr) = -60.
\end{aligned}
\]
Отже, характеристичний многочлен має вигляд
\[
\det(\lambda \cdot E-A)=\lambda^4 – 2 \cdot \lambda^3 – 46 \cdot \lambda^2 – 108 \cdot \lambda – 60.
\]
Оскільки \( n=4 \), формула для оберненої матриці буде такою:
\[
A^{-1}=-\frac{1}{p_4} \cdot \bigl(A^3 + p_1 \cdot A^2 + p_2 \cdot A + p_3 \cdot E \bigr)
=-\frac{1}{-60} \cdot \bigl(A^3 – 2 \cdot A^2 – 46 \cdot A – 108 \cdot E \bigr)
=\frac{1}{60} \cdot \bigl(A^3 – 2 \cdot A^2 – 46 \cdot A – 108 \cdot E \bigr).
\]
Залишається обчислити вираз у дужках:
\[
A^3 – 2 \cdot A^2 – 46 \cdot A – 108 \cdot E=
\begin{pmatrix}
-24 & 30 & 0 & 6\\
30 & -50 & 10 & 10\\
0 & 10 & -20 & 10\\
6 & 10 & 10 & -14
\end{pmatrix}.
\]
Тоді отримуємо:
\[
A^{-1}=\frac{1}{60}\cdot
\begin{pmatrix}
-24 & 30 & 0 & 6\\
30 & -50 & 10 & 10\\
0 & 10 & -20 & 10\\
6 & 10 & 10 & -14
\end{pmatrix}
\approx
\begin{pmatrix}
-0.400 & 0.500 & 0.000 & 0.100\\
0.500 & -0.833 & 0.167 & 0.167\\
0.000 & 0.167 & -0.333 & 0.167\\
0.100 & 0.167 & 0.167 & -0.233
\end{pmatrix}.
\]
Далі по Курсу: Теми, які Розширять Інструменти
Якщо ви вже впевнено працюєте з оберненою матрицею через характеристичний многочлен, виникає логічне питання: що вивчати далі? Нижче — теми, які логічно продовжують цей матеріал і додають нові способи розв’язання знайомих задач.
- 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.
- Псевдообернена матриця: Обертання прямокутних та вироджених матриць — Пояснимо, навіщо потрібна псевдообернена матриця та як вона допомагає, коли звичайної оберненої не існує.
Обернена Матриця у Коді: Спробуйте Зібрати Свій Мінікалькулятор
Тепер уявіть, що блок-схема нижче — це не просто ілюстрація, а готовий план для вашого невеликого програмного проєкту. Чому б не використати її як підказку й не написати на улюбленій мові програмування невелику програму, яка обчислює обернену матрицю через коефіцієнти характеристичного многочлена? Такий підхід добре тренує уважність до деталей і водночас показує, як теорія переходить у практичний інструмент, яким можна користуватися знову і знову. А ще це чудова нагода отримати результат не лише «на папері», а й у вигляді працюючого коду, який можна протестувати на власних прикладах.
