МатВектор

Command Palette

Search for a command to run...

Решатель · ОбратнаяВсе методы решателяОбновлено 2026-10-05

Обратная матрица через алгебраические дополнения

Как найти обратную матрицу через алгебраические дополнения: проверка det A ≠ 0, миноры и их знаки, союзная матрица, разбор матриц 2×2 и 3×3 с проверкой умножением.

Пример, разобранный на этой странице

Ответ:

Обратная матрица нужна, когда уравнение хочется решить одним умножением: . Способов её найти два, и этот — классический, через миноры и алгебраические дополнения. На бумаге метод громоздкий, зато прозрачный: видно, откуда берётся каждое число, и он же доказывает формулу Крамера. Живой счёт конкретной матрицы возьмёт на себя решатель обратной матрицы, здесь разберём руками.

Идея метода одной строкой#

— матрица алгебраических дополнений, — союзная (присоединённая) матрица

Всё крутится вокруг дополнения , где — минор: определитель матрицы, оставшейся после вычёркивания строки и столбца . Знаки чередуются в шахматном порядке — вот эта доска:

$j = 1$$j = 2$$j = 3$

Для матрицы вся теория сжимается до одной формулы: диагонали меняются местами, у побочной появляются минусы.

формула, которая окупается быстрее любой другой в курсе

Минор на пальцах#

Чтобы почувствовать минор, вычеркните из матрицы первую строку и первый столбец — останется блок , его определитель и есть . Для матрицы из примера ниже , а, скажем, собран из строк и столбцов : вычёркивается вторая строка и второй столбец. Девять миноров, девять знаков, ничего лишнего — вся дорога к обратной.

Алгоритм: шесть шагов#

  1. Посчитайте . Ноль — стоп: обратной матрицы не существует, метод неприменим.
  2. Найдите все миноры — для матрицы их ровно .
  3. Расставьте знаки и получите дополнения .
  4. Соберите из дополнений матрицу и транспонируйте её: — союзная матрица.
  5. Поделите на : это и есть .
  6. Проверьте умножением: обязана дать . Без проверки работа не сдаётся.

Разбор флагманского примера#

Возьмём . Определитель — обращаем. По формуле : . Проверка умножением: — единичная, ответ верный.

Матрица 3×3: девять дополнений#

Пусть и . Считаем дополнения построчно. Первая строка: , , . Вторая: . Третья: . Собираем, транспонируем, делим на определитель:

перед делением на det A матрица дополнений транспонирована — не забудьте

Проверка умножением занимает две минуты и ловит почти любую ошибку в знаках, а знаки ломаются здесь чаще всего. На диагонали произведения обязаны выйти четвёрки (по числу ), вне её — нули; после деления на четыре остаётся единичная матрица.

Зачем всё это: связь с Крамером#

Формула не просто счётный приём — из неё мгновенно вытекает правило Крамера: подставьте её в и получите, что каждая компонента решения есть дробь со знаменателем и определителем-числителем. Поэтому на малых системах оба метода родственники, а сам союзная-матричный аппарат — часть одного здания с определителями.

Три типовые ошибки#

  • Забыть транспонирование. Матрица дополнений и союзная матрица — разные объекты: между ними стоит шаг , и без него проверка мгновенно проваливается.
  • Смазать шахматный знак. Порядок сверху и снизу легко перепутать в спешке — держите таблицу знаков перед глазами.
  • Поделить на только часть элементов. Множитель относится ко всей матрице целиком, без исключений.
Проверь себя+10 XP

Что такое союзная матрица?

Проверь себя+10 XP

. Что с обратной матрицей?

Частые вопросы

Чем метод Гаусса лучше метода дополнений?
Скоростью на больших матрицах: Гаусс не требует девяти миноров для $3 \times 3$ и работает одной схемой для любого размера. Зато через дополнения удобно считать маленькие матрицы и доказывать теоремы вроде формулы Крамера. Сравните обе техники на странице [обратная матрица методом Гаусса](/reshately/obratnaya-matrica/cherez-gaussa/).
Как проверить ответ, если умножать лень?
Проверьте хотя бы один диагональный элемент произведения $A \cdot A^{-1}$ и одну недиагональную ячейку — ошибки в знаках почти всегда всплывают сразу. Но честная проверка — полное умножение: для $3 \times 3$ это двадцать семь умножений, немного.
Зачем вообще нужна обратная матрица?
Она решает матричные уравнения $AX = B$, стоит внутри [матричного метода](/course/linal/kramer-i-matrichnyi-metod/) решения систем, меняет базисы и появляется в приложениях: модель Леонтьева в экономике, обратные преобразования камеры в графике. Теория с выводом формулы — в уроке [обратная матрица](/course/linal/obratnaya-matrica/).