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.
