Это понятие, которое обобщает все возможные операции, производимые с матрицами. Математическая матрица - таблица элементов. О такой таблице, где m строк и n столбцов, говорят, что это матрица имеет размерность m на n .

Общий вид матрицы:

Для решения матриц необходимо понимать, что такое матрица и знать основные ее параметры. Основные элементы матрицы:

• Главная диагональ, состоящая из элементов а 11 ,а 22 …..а mn .
• Побочная диагональ, состоящая из элементов а 1n ,а 2n-1 …..а m1 .

Основные виды матриц:

• Квадратная - такая матрица, где число строк = числу столбцов (m=n ).
• Нулевая - где все элементы матрицы = 0.
• Транспонированная матрица — матрица В , которая была получена из исходной матрицы A путем замены строк на столбцы.
• Единичная - все элементы главной диагонали = 1, все остальные = 0.
• Обратная матрица — матрица, при умножении на которую исходная матрица даёт в результате единичную матрицу.

Матрица может быть симметричной относительно главной и побочной диагонали. Т.е., если а 12 =а 21 , а 13 =а 31 ,….а 23 =а 32 …. а m-1n =а mn-1 , то матрица симметрична относительно главной диагонали. Симметричными могут быть лишь квадратные матрицы.

Методы решения матриц.

Почти все методы решения матрицы заключаются в нахождении ее определителя n -го порядка и большинство из них довольно громоздки. Чтобы найти определитель 2го и 3го порядка есть другие, более рациональные способы.

Нахождение определителей 2-го порядка.

Для вычисления определителя матрицы А 2го порядка, необходимо из произведения элементов главной диагонали вычесть произведение элементов побочной диагонали:

Методы нахождения определителей 3го порядка.

Ниже приведены правила для нахождения определителя 3го порядка.

Упрощенно правило треугольника, как одного из методов решения матриц , можно изобразить таким образом:

Другими словами, произведение элементов в первом определителе, которые соединены прямыми, берется со знаком "+"; так же, для 2го определителя - соответствующие произведения берутся со знаком "-", то есть по такой схеме:

При решении матриц правилом Саррюса , справа от определителя дописывают первые 2 столбца и произведения соответствующих элементов на главной диагонали и на диагоналях, которые ей параллельны, берут со знаком "+"; а произведения соответствующих элементов побочной диагонали и диагоналей, которые ей параллельны, со знаком "-":

Разложение определителя по строке или столбцу при решении матриц.

Определитель равен сумме произведений элементов строки определителя на их алгебраические дополнения. Обычно выбирают ту строку/столбец, в которой/ом есть нули. Строку либо столбец, по которой/ому ведется разложение, будут обозначать стрелкой.

Приведение определителя к треугольному виду при решении матриц.

При решении матриц методом приведения определителя к треугольному виду, работают так: с помощью простейших преобразований над строками либо столбцами, определитель становится треугольного вида и тогда его значение, в соответствии со свойствами определителя, будет равно произведению элементов, которые стоят на главной диагонали.

Теорема Лапласа при решении матриц.

Решая матрицы по теореме Лапласа, необходимо знать непосредственно саму теорему. Теорема Лапласа: Пусть Δ - это определитель n -го порядка. Выбираем в нем любые k строк (либо столбцов), при условии k ≤ n - 1 . В таком случае сумма произведений всех миноров k -го порядка, содержащихся в выбранных k строках (столбцах), на их алгебраические дополнения будет равна определителю.

Решение обратной матрицы.

Последовательность действий для решения обратной матрицы :

1. Понять, квадратная ли данная матрица. В случае отрицательного ответа становится ясно, что обратной матрицы для нее не может быть.
2. Вычисляем алгебраические дополнения.
3. Составляем союзную (взаимную, присоединённую) матрицу C .
4. Составляем обратную матрицу из алгебраических дополнений: все элементы присоединённой матрицы C делим на определитель начальной матрицы. Итоговая матрица будет искомой обратной матрицей относительно заданной.
5. Проверяем выполненную работу: умножаем матрицу начальную и полученную матрицы, результатом должна стать единичная матрица.

Решение систем матриц.

Для решения систем матриц наиболее часто используют метод Гаусса.

Метод Гаусса — это стандартный способ решения систем линейных алгебраических уравнений (СЛАУ) и он заключается в том, что последовательно исключаются переменные, т.е., при помощи элементарных изменений систему уравнений доводят до эквивалентной системы треугольного вида и из нее, последовательно, начиная с последних (по номеру), находят каждый элемент системы.

Метод Гаусса является самым универсальным и лучшим инструментом для нахождения решения матриц. Если у системы бесконечное множество решений или система является несовместимой, то ее нельзя решать по правилу Крамера и матричным методом.

Метод Гаусса подразумевает также прямой (приведение расширенной матрицы к ступенчатому виду, т.е. получение нулей под главной диагональю) и обратный (получение нулей над главной диагональю расширенной матрицы) ходы. Прямой ход и есть метод Гаусса, обратный - метод Гаусса-Жордана. Метод Гаусса-Жордана отличается от метода Гаусса лишь последовательностью исключения переменных.

Итак, в предыдущем уроке мы разобрали правила сложения и вычитания матриц. Это настолько простые операции, что большинство студентов понимают их буквально с ходу.

Однако вы рано радуетесь. Халява закончилась — переходим к умножению. Сразу предупрежу: умножить две матрицы — это вовсе не перемножить числа, стоящие в клеточках с одинаковыми координатами, как бы вы могли подумать. Тут всё намного веселее. И начать придётся с предварительных определений.

Согласованные матрицы

Одна из важнейших характеристик матрицы — это её размер. Мы уже сто раз говорили об этом: запись $A=\left[ m\times n \right]$ означает, что в матрице ровно $m$ строк и $n$ столбцов. Как не путать строки со столбцами, мы тоже уже обсуждали. Сейчас важно другое.

Определение. Матрицы вида $A=\left[ m\times n \right]$ и $B=\left[ n\times k \right]$, в которых количество столбцов в первой матрице совпадает с количеством строк во второй, называются согласованными.

Ещё раз: количество столбцов в первой матрице равно количеству строк во второй! Отсюда получаем сразу два вывода:

1. Нам важен порядок матриц. Например, матрицы $A=\left[ 3\times 2 \right]$ и $B=\left[ 2\times 5 \right]$ являются согласованными (2 столбца в первой матрице и 2 строки во второй), а вот наоборот — матрицы $B=\left[ 2\times 5 \right]$ и $A=\left[ 3\times 2 \right]$ — уже не согласованы (5 столбцов в первой матрице — это как бы не 3 строки во второй).
2. Согласованность легко проверить, если выписать все размеры друг за другом. На примере из предыдущего пункта: «3 2 2 5» — посередине одинаковые числа, поэтому матрицы согласованы. А вот «2 5 3 2» — не согласованы, поскольку посередине разные числа.

Кроме того, капитан очевидность как бы намекает, что квадратные матрицы одинакового размера $\left[ n\times n \right]$ согласованы всегда.

В математике, когда важен порядок перечисления объектов (например, в рассмотренном выше определении важен порядок матриц), часто говорят об упорядоченных парах. Мы встречались с ними ещё в школе: думаю, и ежу понятно, что координаты $\left(1;0 \right)$ и $\left(0;1 \right)$ задают разные точки на плоскости.

Так вот: координаты — это тоже упорядоченные пары, которые составляются из чисел. Но ничто не мешает составить такую пару из матриц. Тогда можно будет сказать: «Упорядоченная пара матриц $\left(A;B \right)$ является согласованной, если количество столбцов в первой матрице совпадает с количеством строк во второй».

Ну и что с того?

Определение умножения

Рассмотрим две согласованные матрицы: $A=\left[ m\times n \right]$ и $B=\left[ n\times k \right]$. И определим для них операцию умножения.

Определение. Произведение двух согласованных матриц $A=\left[ m\times n \right]$ и $B=\left[ n\times k \right]$ — это новая матрица $C=\left[ m\times k \right]$, элементы которой считаются по формуле:

\[\begin{align} & {{c}_{i;j}}={{a}_{i;1}}\cdot {{b}_{1;j}}+{{a}_{i;2}}\cdot {{b}_{2;j}}+\ldots +{{a}_{i;n}}\cdot {{b}_{n;j}}= \\ & =\sum\limits_{t=1}^{n}{{{a}_{i;t}}\cdot {{b}_{t;j}}} \end{align}\]

Обозначается такое произведение стандартно: $C=A\cdot B$.

У тех, кто впервые видит это определение, сразу возникает два вопроса:

1. Что это за лютая дичь?
2. А почему так сложно?

Что ж, обо всём по порядку. Начнём с первого вопроса. Что означают все эти индексы? И как не ошибиться при работе с реальными матрицами?

Прежде всего заметим, что длинная строчка для расчёта ${{c}_{i;j}}$ (специально поставил точку с запятой между индексами, чтобы не запутаться, но вообще их ставить не надо — я сам задолбался набирать формулу в определении) на самом деле сводится к простому правилу:

1. Берём $i$-ю строку в первой матрице;
2. Берём $j$-й столбец во второй матрице;
3. Получаем две последовательности чисел. Перемножаем элементы этих последовательностей с одинаковыми номерами, а затем складываем полученные произведения.

Данный процесс легко понять по картинке:

Схема перемножения двух матриц

Ещё раз: фиксируем строку $i$ в первой матрице, столбец $j$ во второй матрице, перемножаем элементы с одинаковыми номерами, а затем полученные произведения складываем — получаем ${{c}_{ij}}$. И так для всех $1\le i\le m$ и $1\le j\le k$. Т.е. всего будет $m\times k$ таких «извращений».

На самом деле мы уже встречались с перемножением матриц в школьной программе, только в сильно урезанном виде. Пусть даны вектора:

\[\begin{align} & \vec{a}=\left({{x}_{a}};{{y}_{a}};{{z}_{a}} \right); \\ & \overrightarrow{b}=\left({{x}_{b}};{{y}_{b}};{{z}_{b}} \right). \\ \end{align}\]

Тогда их скалярным произведением будет именно сумма попарных произведений:

\[\overrightarrow{a}\times \overrightarrow{b}={{x}_{a}}\cdot {{x}_{b}}+{{y}_{a}}\cdot {{y}_{b}}+{{z}_{a}}\cdot {{z}_{b}}\]

По сути, в те далёкие годы, когда деревья были зеленее, а небо ярче, мы просто умножали вектор-строку $\overrightarrow{a}$ на вектор-столбец $\overrightarrow{b}$.

Сегодня ничего не поменялось. Просто теперь этих векторов-строк и столбцов стало больше.

Но хватит теории! Давайте посмотрим на реальные примеры. И начнём с самого простого случая — квадратных матриц.

Умножение квадратных матриц

Задача 1. Выполните умножение:

\[\left[ \begin{array}{*{35}{r}} 1 & 2 \\ -3 & 4 \\\end{array} \right]\cdot \left[ \begin{array}{*{35}{r}} -2 & 4 \\ 3 & 1 \\\end{array} \right]\]

Решение. Итак, у нас две матрицы: $A=\left[ 2\times 2 \right]$ и $B=\left[ 2\times 2 \right]$. Понятно, что они согласованы (квадратные матрицы одинакового размера всегда согласованы). Поэтому выполняем умножение:

\[\begin{align} & \left[ \begin{array}{*{35}{r}} 1 & 2 \\ -3 & 4 \\\end{array} \right]\cdot \left[ \begin{array}{*{35}{r}} -2 & 4 \\ 3 & 1 \\\end{array} \right]=\left[ \begin{array}{*{35}{r}} 1\cdot \left(-2 \right)+2\cdot 3 & 1\cdot 4+2\cdot 1 \\ -3\cdot \left(-2 \right)+4\cdot 3 & -3\cdot 4+4\cdot 1 \\\end{array} \right]= \\ & =\left[ \begin{array}{*{35}{r}} 4 & 6 \\ 18 & -8 \\\end{array} \right]. \end{align}\]

Вот и всё!

Ответ: $\left[ \begin{array}{*{35}{r}}4 & 6 \\ 18 & -8 \\\end{array} \right]$.

Задача 2. Выполните умножение:

\[\left[ \begin{matrix} 1 & 3 \\ 2 & 6 \\\end{matrix} \right]\cdot \left[ \begin{array}{*{35}{r}}9 & 6 \\ -3 & -2 \\\end{array} \right]\]

Решение. Опять согласованные матрицы, поэтому выполняем действия:\[\]

\[\begin{align} & \left[ \begin{matrix} 1 & 3 \\ 2 & 6 \\\end{matrix} \right]\cdot \left[ \begin{array}{*{35}{r}} 9 & 6 \\ -3 & -2 \\\end{array} \right]=\left[ \begin{array}{*{35}{r}} 1\cdot 9+3\cdot \left(-3 \right) & 1\cdot 6+3\cdot \left(-2 \right) \\ 2\cdot 9+6\cdot \left(-3 \right) & 2\cdot 6+6\cdot \left(-2 \right) \\\end{array} \right]= \\ & =\left[ \begin{matrix} 0 & 0 \\ 0 & 0 \\\end{matrix} \right]. \end{align}\]

Как видим, получилась матрица, заполненная нулями

Ответ: $\left[ \begin{matrix} 0 & 0 \\ 0 & 0 \\\end{matrix} \right]$.

Из приведённых примеров очевидно, что умножение матриц — не такая уж и сложная операция. По крайней мере для квадратных матриц размера 2 на 2.

В процессе вычислений мы составили промежуточную матрицу, где прямо расписали, какие числа входят в ту или иную ячейку. Именно так и следует делать при решении настоящих задач.

Основные свойства матричного произведения

В двух словах. Умножение матриц:

1. Некоммутативно: $A\cdot B\ne B\cdot A$ в общем случае. Бывают, конечно, особые матрицы, для которых равенство $A\cdot B=B\cdot A$ (например, если $B=E$ — единичной матрице), но в абсолютном большинстве случаев это не работает;
2. Ассоциативно: $\left(A\cdot B \right)\cdot C=A\cdot \left(B\cdot C \right)$. Тут без вариантов: стоящие рядом матрицы можно перемножать, не переживая за то, что стоит левее и правее этих двух матриц.
3. Дистрибутивно: $A\cdot \left(B+C \right)=A\cdot B+A\cdot C$ и $\left(A+B \right)\cdot C=A\cdot C+B\cdot C$ (в силу некоммутативности произведения приходится отдельно прописывать дистрибутивность справа и слева.

А теперь — всё то же самое, но более подробно.

Умножение матриц во многом напоминает классическое умножение чисел. Но есть отличия, важнейшее из которых состоит в том, что умножение матриц, вообще говоря, некоммутативно .

Рассмотрим ещё раз матрицы из задачи 1. Прямое их произведение мы уже знаем:

\[\left[ \begin{array}{*{35}{r}} 1 & 2 \\ -3 & 4 \\\end{array} \right]\cdot \left[ \begin{array}{*{35}{r}} -2 & 4 \\ 3 & 1 \\\end{array} \right]=\left[ \begin{array}{*{35}{r}}4 & 6 \\ 18 & -8 \\\end{array} \right]\]

Но если поменять матрицы местами, то получим совсем другой результат:

\[\left[ \begin{array}{*{35}{r}} -2 & 4 \\ 3 & 1 \\\end{array} \right]\cdot \left[ \begin{array}{*{35}{r}} 1 & 2 \\ -3 & 4 \\\end{array} \right]=\left[ \begin{matrix} -14 & 4 \\ 0 & 10 \\\end{matrix} \right]\]

Получается, что $A\cdot B\ne B\cdot A$. Кроме того, операция умножения определена только для согласованных матриц $A=\left[ m\times n \right]$ и $B=\left[ n\times k \right]$, но никто не гарантировал, что они останутся согласованными, если их поменять местами. Например, матрицы $\left[ 2\times 3 \right]$ и $\left[ 3\times 5 \right]$ вполне себе согласованы в указанном порядке, но те же матрицы $\left[ 3\times 5 \right]$ и $\left[ 2\times 3 \right]$, записанные в обратном порядке, уже не согласованы. Печаль.:(

Среди квадратных матриц заданного размера $n$ всегда найдутся такие, которые дают одинаковый результат как при перемножении в прямом, так и в обратном порядке. Как описать все подобные матрицы (и сколько их вообще) — тема для отдельного урока. Сегодня не будем об этом.:)

Тем не менее, умножение матриц ассоциативно:

\[\left(A\cdot B \right)\cdot C=A\cdot \left(B\cdot C \right)\]

Следовательно, когда вам надо перемножить сразу несколько матриц подряд, совсем необязательно делать это напролом: вполне возможно, что некоторые рядом стоящие матрицы при перемножении дают интересный результат. Например, нулевую матрицу, как в Задаче 2, рассмотренной выше.

В реальных задачах чаще всего приходится перемножать квадратные матрицы размера $\left[ n\times n \right]$. Множество всех таких матриц обозначается ${{M}^{n}}$ (т.е. записи $A=\left[ n\times n \right]$ и \ означают одно и то же), и в нём обязательно найдётся матрица $E$, которую называют единичной.

Определение. Единичная матрица размера $n$ — это такая матрица $E$, что для любой квадратной матрицы $A=\left[ n\times n \right]$ выполняется равенство:

Такая матрица всегда выглядит одинаково: на главной диагонали её стоят единицы, а во всех остальных клетках — нули.

\[\begin{align} & A\cdot \left(B+C \right)=A\cdot B+A\cdot C; \\ & \left(A+B \right)\cdot C=A\cdot C+B\cdot C. \\ \end{align}\]

Другими словами, если нужно умножить одну матрицу на сумму двух других, то можно умножить её на каждую из этих «двух других», а затем результаты сложить. На практике обычно приходится выполнять обратную операцию: замечаем одинаковую матрицу, выносим её за скобку, выполняем сложение и тем самым упрощаем себе жизнь.:)

Заметьте: для описания дистрибутивности нам пришлось прописать две формулы: где сумма стоит во втором множителе и где сумма стоит в первом. Это происходит как раз из-за того, что умножение матриц некоммутативно (и вообще, в некоммутативной алгебре куча всяких приколов, которые при работе с обычными числами даже не приходят в голову). И если, допустим, вам на экзамене нужно будет расписать это свойство, то обязательно пишите обе формулы, иначе препод может немного разозлиться.

Ладно, всё это были сказки о квадратных матрицах. А что насчёт прямоугольных?

Случай прямоугольных матриц

А ничего — всё то же самое, что и с квадратными.

Задача 3. Выполните умножение:

\[\left[ \begin{matrix} \begin{matrix} 5 \\ 2 \\ 3 \\\end{matrix} & \begin{matrix} 4 \\ 5 \\ 1 \\\end{matrix} \\\end{matrix} \right]\cdot \left[ \begin{array}{*{35}{r}} -2 & 5 \\ 3 & 4 \\\end{array} \right]\]

Решение. Имеем две матрицы: $A=\left[ 3\times 2 \right]$ и $B=\left[ 2\times 2 \right]$. Выпишем числа, обозначающие размеры, в ряд:

Как видим, центральные два числа совпадают. Значит, матрицы согласованы, и их можно перемножить. Причём на выходе мы получим матрицу $C=\left[ 3\times 2 \right]$:

\[\begin{align} & \left[ \begin{matrix} \begin{matrix} 5 \\ 2 \\ 3 \\\end{matrix} & \begin{matrix} 4 \\ 5 \\ 1 \\\end{matrix} \\\end{matrix} \right]\cdot \left[ \begin{array}{*{35}{r}} -2 & 5 \\ 3 & 4 \\\end{array} \right]=\left[ \begin{array}{*{35}{r}} 5\cdot \left(-2 \right)+4\cdot 3 & 5\cdot 5+4\cdot 4 \\ 2\cdot \left(-2 \right)+5\cdot 3 & 2\cdot 5+5\cdot 4 \\ 3\cdot \left(-2 \right)+1\cdot 3 & 3\cdot 5+1\cdot 4 \\\end{array} \right]= \\ & =\left[ \begin{array}{*{35}{r}} 2 & 41 \\ 11 & 30 \\ -3 & 19 \\\end{array} \right]. \end{align}\]

Всё чётко: в итоговой матрице 3 строки и 2 столбца. Вполне себе $=\left[ 3\times 2 \right]$.

Ответ: $\left[ \begin{array}{*{35}{r}} \begin{array}{*{35}{r}} 2 \\ 11 \\ -3 \\\end{array} & \begin{matrix} 41 \\ 30 \\ 19 \\\end{matrix} \\\end{array} \right]$.

Сейчас рассмотрим одно из лучших тренировочных заданий для тех, кто только начинает работать с матрицами. В нём нужно не просто перемножить какие-то две таблички, а сначала определить: допустимо ли такое умножение?

Задача 4. Найдите все возможные попарные произведения матриц:

\\]; $B=\left[ \begin{matrix} \begin{matrix} 0 \\ 2 \\ 0 \\ 4 \\\end{matrix} & \begin{matrix} 1 \\ 0 \\ 3 \\ 0 \\\end{matrix} \\\end{matrix} \right]$; $C=\left[ \begin{matrix}0 & 1 \\ 1 & 0 \\\end{matrix} \right]$.

Решение. Для начала запишем размеры матриц:

\;\ B=\left[ 4\times 2 \right];\ C=\left[ 2\times 2 \right]\]

Получаем, что матрицу $A$ можно согласовать лишь с матрицей $B$, поскольку количество столбцов у $A$ равно 4, а такое количество строк только у $B$. Следовательно, можем найти произведение:

\\cdot \left[ \begin{array}{*{35}{r}} 0 & 1 \\ 2 & 0 \\ 0 & 3 \\ 4 & 0 \\\end{array} \right]=\left[ \begin{array}{*{35}{r}}-10 & 7 \\ 10 & 7 \\\end{array} \right]\]

Промежуточные шаги предлагаю выполнить читателю самостоятельно. Замечу лишь, что размер результирующей матрицы лучше определять заранее, ещё до каких-либо вычислений:

\\cdot \left[ 4\times 2 \right]=\left[ 2\times 2 \right]\]

Другими словами, мы просто убираем «транзитные» коэффициенты, которые обеспечивали согласованность матриц.

Какие ещё возможны варианты? Безусловно, можно найти $B\cdot A$, поскольку $B=\left[ 4\times 2 \right]$, $A=\left[ 2\times 4 \right]$, поэтому упорядоченная пара $\left(B;A \right)$ является согласованной, а размерность произведения будет:

\\cdot \left[ 2\times 4 \right]=\left[ 4\times 4 \right]\]

Короче говоря, на выходе будет матрица $\left[ 4\times 4 \right]$, коэффициенты которой легко считаются:

\\cdot \left[ \begin{array}{*{35}{r}} 1 & -1 & 2 & -2 \\ 1 & 1 & 2 & 2 \\\end{array} \right]=\left[ \begin{array}{*{35}{r}}1 & 1 & 2 & 2 \\ 2 & -2 & 4 & -4 \\ 3 & 3 & 6 & 6 \\ 4 & -4 & 8 & -8 \\\end{array} \right]\]

Очевидно, можно согласовать ещё $C\cdot A$ и $B\cdot C$ — и всё. Поэтому просто запишем полученные произведения:

Это было легко.:)

Ответ: $AB=\left[ \begin{array}{*{35}{r}} -10 & 7 \\ 10 & 7 \\\end{array} \right]$; $BA=\left[ \begin{array}{*{35}{r}} 1 & 1 & 2 & 2 \\ 2 & -2 & 4 & -4 \\ 3 & 3 & 6 & 6 \\ 4 & -4 & 8 & -8 \\\end{array} \right]$; $CA=\left[ \begin{array}{*{35}{r}} 1 & 1 & 2 & 2 \\ 1 & -1 & 2 & -2 \\\end{array} \right]$; $BC=\left[ \begin{array}{*{35}{r}}1 & 0 \\ 0 & 2 \\ 3 & 0 \\ 0 & 4 \\\end{array} \right]$.

Вообще, очень рекомендую выполнить это задание самостоятельно. И ещё одно аналогичное задание, которое есть в домашней работе. Эти простые на первый взгляд размышления помогут вам отработать все ключевые этапы умножения матриц.

Но на этом история не заканчивается. Переходим к частным случаям умножения.:)

Вектор-строки и вектор-столбцы

Одной из самых распространённых матричных операций является умножение на матрицу, в которой одна строка или один столбец.

Определение. Вектор-столбец — это матрица размера $\left[ m\times 1 \right]$, т.е. состоящая из нескольких строк и только одного столбца.

Вектор-строка — это матрица размера $\left[ 1\times n \right]$, т.е. состоящая из одной строки и нескольких столбцов.

На самом деле мы уже встречались с этими объектами. Например, обычный трёхмерный вектор из стереометрии $\overrightarrow{a}=\left(x;y;z \right)$ — это не что иное как вектор-строка. С точки зрения теории разницы между строками и столбцами почти нет. Внимательными надо быть разве что при согласовании с окружающими матрицами-множителями.

Задача 5. Выполните умножение:

\[\left[ \begin{array}{*{35}{r}} 2 & -1 & 3 \\ 4 & 2 & 0 \\ -1 & 1 & 1 \\\end{array} \right]\cdot \left[ \begin{array}{*{35}{r}} 1 \\ 2 \\ -1 \\\end{array} \right]\]

Решение. Перед нами произведение согласованных матриц: $\left[ 3\times 3 \right]\cdot \left[ 3\times 1 \right]=\left[ 3\times 1 \right]$. Найдём это произведение:

\[\left[ \begin{array}{*{35}{r}} 2 & -1 & 3 \\ 4 & 2 & 0 \\ -1 & 1 & 1 \\\end{array} \right]\cdot \left[ \begin{array}{*{35}{r}} 1 \\ 2 \\ -1 \\\end{array} \right]=\left[ \begin{array}{*{35}{r}} 2\cdot 1+\left(-1 \right)\cdot 2+3\cdot \left(-1 \right) \\ 4\cdot 1+2\cdot 2+0\cdot 2 \\ -1\cdot 1+1\cdot 2+1\cdot \left(-1 \right) \\\end{array} \right]=\left[ \begin{array}{*{35}{r}} -3 \\ 8 \\ 0 \\\end{array} \right]\]

Ответ: $\left[ \begin{array}{*{35}{r}}-3 \\ 8 \\ 0 \\\end{array} \right]$.

Задача 6. Выполните умножение:

\[\left[ \begin{array}{*{35}{r}} 1 & 2 & -3 \\\end{array} \right]\cdot \left[ \begin{array}{*{35}{r}} 3 & 1 & -1 \\ 4 & -1 & 3 \\ 2 & 6 & 0 \\\end{array} \right]\]

Решение. Опять всё согласовано: $\left[ 1\times 3 \right]\cdot \left[ 3\times 3 \right]=\left[ 1\times 3 \right]$. Считаем произведение:

\[\left[ \begin{array}{*{35}{r}} 1 & 2 & -3 \\\end{array} \right]\cdot \left[ \begin{array}{*{35}{r}} 3 & 1 & -1 \\ 4 & -1 & 3 \\ 2 & 6 & 0 \\\end{array} \right]=\left[ \begin{array}{*{35}{r}}5 & -19 & 5 \\\end{array} \right]\]

Ответ: $\left[ \begin{matrix} 5 & -19 & 5 \\\end{matrix} \right]$.

Как видите, при умножении вектор-строки и вектор-столбца на квадратную матрицу на выходе мы всегда получаем строку или столбец того же размера. Этот факт имеет множество приложений — от решения линейных уравнений до всевозможных преобразований координат (которые в итоге тоже сводятся к системам уравнений, но давайте не будем о грустном).

Думаю, здесь всё было очевидно. Переходим к заключительной части сегодняшнего урока.

Возведение матрицы в степень

Среди всех операций умножения отдельного внимания заслуживает возведение в степень — это когда мы несколько раз умножаем один и тот же объект на самого себя. Матрицы — не исключение, их тоже можно возводить в различные степени.

Такие произведения всегда согласованы:

\\cdot \left[ n\times n \right]=\left[ n\times n \right]\]

И обозначаются точно так же, как и обычные степени:

\[\begin{align} & A\cdot A={{A}^{2}}; \\ & A\cdot A\cdot A={{A}^{3}}; \\ & \underbrace{A\cdot A\cdot \ldots \cdot A}_{n}={{A}^{n}}. \\ \end{align}\]

На первый взгляд, всё просто. Посмотрим, как это выглядит на практике:

Задача 7. Возведите матрицу в указанную степень:

${{\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]}^{3}}$

Решение. Ну ОК, давайте возводить. Сначала возведём в квадрат:

\[\begin{align} & {{\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]}^{2}}=\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]\cdot \left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]= \\ & =\left[ \begin{array}{*{35}{r}} 1\cdot 1+1\cdot 0 & 1\cdot 1+1\cdot 1 \\ 0\cdot 1+1\cdot 0 & 0\cdot 1+1\cdot 1 \\\end{array} \right]= \\ & =\left[ \begin{array}{*{35}{r}} 1 & 2 \\ 0 & 1 \\\end{array} \right] \end{align}\]

\[\begin{align} & {{\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]}^{3}}={{\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]}^{3}}\cdot \left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]= \\ & =\left[ \begin{array}{*{35}{r}} 1 & 2 \\ 0 & 1 \\\end{array} \right]\cdot \left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]= \\ & =\left[ \begin{array}{*{35}{r}} 1 & 3 \\ 0 & 1 \\\end{array} \right] \end{align}\]

Вот и всё.:)

Ответ: $\left[ \begin{matrix}1 & 3 \\ 0 & 1 \\\end{matrix} \right]$.

Задача 8. Возведите матрицу в указанную степень:

\[{{\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]}^{10}}\]

Решение. Вот только не надо сейчас плакать по поводу того, что «степень слишком большая», «мир не справедлив» и «преподы совсем берега потеряли». На самом деле всё легко:

\[\begin{align} & {{\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]}^{10}}={{\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]}^{3}}\cdot {{\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]}^{3}}\cdot {{\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]}^{3}}\cdot \left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]= \\ & =\left(\left[ \begin{matrix} 1 & 3 \\ 0 & 1 \\\end{matrix} \right]\cdot \left[ \begin{matrix} 1 & 3 \\ 0 & 1 \\\end{matrix} \right] \right)\cdot \left(\left[ \begin{matrix} 1 & 3 \\ 0 & 1 \\\end{matrix} \right]\cdot \left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right] \right)= \\ & =\left[ \begin{matrix} 1 & 6 \\ 0 & 1 \\\end{matrix} \right]\cdot \left[ \begin{matrix} 1 & 4 \\ 0 & 1 \\\end{matrix} \right]= \\ & =\left[ \begin{matrix} 1 & 10 \\ 0 & 1 \\\end{matrix} \right] \end{align}\]

Заметьте: во второй строчке мы использовали ассоциативность умножения. Собственно, мы использовали её и в предыдущем задании, но там это было неявно.

Ответ: $\left[ \begin{matrix} 1 & 10 \\ 0 & 1 \\\end{matrix} \right]$.

Как видите, ничего сложного в возведении матрицы в степень нет. Последний пример можно обобщить:

\[{{\left[ \begin{matrix} 1 & 1 \\ 0 & 1 \\\end{matrix} \right]}^{n}}=\left[ \begin{array}{*{35}{r}} 1 & n \\ 0 & 1 \\\end{array} \right]\]

Этот факт легко доказать через математическую индукцию или прямым перемножением. Однако далеко не всегда при возведении в степень можно выловить подобные закономерности. Поэтому будьте внимательны: зачастую перемножить несколько матриц «напролом» оказывается проще и быстрее, нежели искать какие-то там закономерности.

В общем, не ищите высший смысл там, где его нет. В заключение рассмотрим возведение в степень матрицы большего размера — аж $\left[ 3\times 3 \right]$.

Задача 9. Возведите матрицу в указанную степень:

\[{{\left[ \begin{matrix} 0 & 1 & 1 \\ 1 & 0 & 1 \\ 1 & 1 & 0 \\\end{matrix} \right]}^{3}}\]

Решение. Не будем искать закономерности. Работаем «напролом»:

\[{{\left[ \begin{matrix} 0 & 1 & 1 \\ 1 & 0 & 1 \\ 1 & 1 & 0 \\\end{matrix} \right]}^{3}}={{\left[ \begin{matrix} 0 & 1 & 1 \\ 1 & 0 & 1 \\ 1 & 1 & 0 \\\end{matrix} \right]}^{2}}\cdot \left[ \begin{matrix}0 & 1 & 1 \\ 1 & 0 & 1 \\ 1 & 1 & 0 \\\end{matrix} \right]\]

Для начала возведём эту матрицу в квадрат:

\[\begin{align} & {{\left[ \begin{matrix} 0 & 1 & 1 \\ 1 & 0 & 1 \\ 1 & 1 & 0 \\\end{matrix} \right]}^{2}}=\left[ \begin{matrix} 0 & 1 & 1 \\ 1 & 0 & 1 \\ 1 & 1 & 0 \\\end{matrix} \right]\cdot \left[ \begin{matrix} 0 & 1 & 1 \\ 1 & 0 & 1 \\ 1 & 1 & 0 \\\end{matrix} \right]= \\ & =\left[ \begin{array}{*{35}{r}} 2 & 1 & 1 \\ 1 & 2 & 1 \\ 1 & 1 & 2 \\\end{array} \right] \end{align}\]

Теперь возведём в куб:

\[\begin{align} & {{\left[ \begin{matrix} 0 & 1 & 1 \\ 1 & 0 & 1 \\ 1 & 1 & 0 \\\end{matrix} \right]}^{3}}=\left[ \begin{array}{*{35}{r}} 2 & 1 & 1 \\ 1 & 2 & 1 \\ 1 & 1 & 2 \\\end{array} \right]\cdot \left[ \begin{matrix} 0 & 1 & 1 \\ 1 & 0 & 1 \\ 1 & 1 & 0 \\\end{matrix} \right]= \\ & =\left[ \begin{array}{*{35}{r}} 2 & 3 & 3 \\ 3 & 2 & 3 \\ 3 & 3 & 2 \\\end{array} \right] \end{align}\]

Вот и всё. Задача решена.

Ответ: $\left[ \begin{matrix} 2 & 3 & 3 \\ 3 & 2 & 3 \\ 3 & 3 & 2 \\\end{matrix} \right]$.

Как видите, объём вычислений стал больше, но смысл от этого нисколько не поменялся.:)

На этом урок можно заканчивать. В следующий раз мы рассмотрим обратную операцию: по имеющемуся произведению будем искать исходные множители.

Как вы уже, наверное, догадались, речь пойдёт об обратной матрице и методах её нахождения.

Линейная алгебра 1

Матрицы 1

Операции над матрицами 2

Определители матриц 6

Обратная матрица 13

Ранг матрицы 16

Линейная независимость 21

Системы линейных уравнений 24

Методы решения систем линейных уравнений 27

Метод обратной матрицы 27

Метод решения систем линейных уравнений с квадратной матрицей по формулам Крамера 29

Метод Гаусса (метод последовательного исключения переменных) 31

Линейная алгебра Матрицы

Матрица размераmхn– это прямоугольная таблица чисел, содержащаяmстрок иnстолбцов. Числа, составляющие матрицу, называются элементами матрицы.

Матрицы принято обозначать заглавными латинскими буквами, а элементы – теми же, но строчными буквами с двойной индексацией.

Например, рассмотрим матрицу А размерности 2 х 3:

В этой матрице две строки (m= 2) и три столбца (n= 3), т.е. она состоит из шести элементовa ij , гдеi- номер строки, j - номер столбца. При этом принимает значения от 1 до 2, а от одного до трех (записывается
). А именно,a 11 = 3;a 12 = 0;a 13 = -1;a 21 = 0;a 22 = 1,5;a 23 = 5.

Матрицы А и В одного размера (mхn) называютравными , если они поэлементно совпадают, т.е.a ij =b ij для
, т.е. для любыхiиj(можно записатьi,j).

Матрица-строка – это матрица, состоящая из одной строки, аматрица-столбец – это матрица, состоящая из одного столбца.

Например,
- матрица-строка, а
.

Квадратная матрица n-го порядка – это матрица, в число строк равно числу столбцов и равно n.

Например,
- квадратная матрица второго порядка.

Диагональные элементы матрицы – это элементы, у которых номер строки равен номеру столбца (a ij ,i=j). Эти элементы образуютглавную диагональ матрицы. В предыдущем примере главную диагональ образуют элементыa 11 = 3 иa 22 = 5.

Диагональная матрица – это квадратная матрица, в которой все недиагональные элементы равны нулю. Например,
- диагональная матрица третьего порядка. Если при этом все диагональные элементы равны единице, то матрица называетсяединичной (обычно обозначаются буквой Е). Например,
- единичная матрица третьего порядка.

Матрица называется нулевой , если все ее элементы равны нулю.

Квадратная матрица называется треугольной , если все ее элементы ниже (или выше) главной диагонали равны нулю. Например,
- треугольная матрица третьего порядка.

Операции над матрицами

Над матрицами можно производить следующие операции:

1. Умножение матрицы на число . Произведением матрицы А на числоназывается матрица В =А, элементы которойb ij =a ij для любыхiиj.

Например, если
, то
.

2. Сложение матриц . Суммой двух матриц А и В одинакового размера m х n называется матрица С = А + В, элементы которой с ij =a ij +b ij дляi,j.

Например, если
то

.

Отметим, что через предыдущие операции можно определить вычитание матриц одинакового размера: разность А-В = А + (-1)*В.

3. Умножение матриц . Произведением матрицы А размераmxnна матрицу В размераnxpназывается такая матрица С, каждый элемент которой с ij равен сумме произведений элементов i-й строки матрицы А на соответствующие элементыj-го столбца матрицы В, т.е.
.

Например, если

, то размер матрицы-произведения будет 2 x 3, и она будет иметь вид:

В этом случае матрица А называется согласованной с матрицей В.

На основе операции умножения для квадратных матриц определена операция возведения в степень . Целой положительной степенью А m (m > 1) квадратной матрицы А называются произведение m матриц, равных А, т.е.

Подчеркнем, что сложение (вычитание) и умножение матриц определены не для любых двух матриц, а только для удовлетворяющим определенным требованиям к своей размерности. Для нахождения суммы или разности матриц их размер обязательно должен быть одинаковым. Для нахождения произведения матриц число столбцов первой из них должно совпадать с числом строк второй (такие матрицы называют согласованными ).

Рассмотрим некоторые свойства рассмотренных операций, аналогичные свойствам операций над числами.

1) Коммутативный (переместительный) закон сложения:

А + В = В + А

2) Ассоциативный (сочетательный) закон сложения:

(А + В) + С = А + (В + С)

3) Дистрибутивный (распределительный) закон умножения относительно сложения:

(А + В) = А +В

А (В + С) = АВ + АС

(А + В) С = АС + ВС

5) Ассоциативный (сочетательный) закон умножения:

(АВ) = (А)В = А(В)

A(BС) = (АВ)С

Подчеркнем, что переместительный закон умножения для матриц в общем случае НЕ выполняется, т.е. AB BA. Более того, из существования AB не обязательно следует существование ВА (матрицы могут быть не согласованными, и тогда их произведение вообще не определено, как в приведенном примере умножения матриц). Но даже если оба произведения существуют, они обычно разные.

В частном случае коммутативным законом обладает произведение любой квадратной матрицы А на единичную матрицу того же порядка, причем это произведение равно А (умножение на единичную матрицу здесь аналогично умножению на единицу при умножении чисел):

АЕ = ЕА = А

В самом деле,

Подчеркнем еще одно отличие умножения матриц от умножения чисел. Произведение чисел может равняться нулю тогда и только тогда, когда хотя бы одно из них равно нулю. О матрицах этого сказать нельзя, т.е. произведение ненулевых матриц может равняться нулевой матрице. Например,

Продолжим рассмотрение операций над матрицами.

4. Транспонирование матрицы представляет собой операцию перехода от матрицы А размераmxnк матрице А Т размераnxm, в которой строки и столбцы поменялись местами:

%.

Свойства операции транспонирования:

1) Из определения следует, что если матрицу транспонировать дважды, мы вернемся к исходной матрице: (A T) T = A.

2) Постоянный множитель можно вынести за знак транспонирования: (А) T =А T .

3) Транспонирование дистрибутивно относительно умножения и сложения матриц: (AB) T =B T A T и (A+B) T =B T +A T .

Матрицы, познакомьтесь с ее основными понятиями. Определяющими элементами матрицы являются ее диагонали - и побочная. Главная начинается с элемента в первом ряду, первом столбце и продолжается до элемента последнего столбца, последнего ряда (то есть идет слева направо). Побочная же диагональ начинается наоборот в первом ряду, но последнем столбце и продолжается до элемента, имеющего координаты первого столбца и последнего ряда (идет справа налево).

Для того чтобы перейти к следующим определениям и алгебраическим операциям с матрицами, изучите виды матриц. Самые простые из них - это квадратная, единичная, нулевая и обратная. В совпадает число столбцов и строк. Транспонированная матрица, назовем ее В, получается из матрицы А, путем замены столбцов на строки. В единичной все элементы главной диагонали - единицы, а другие - нули. А в нулевой даже элементы диагоналей нулевые. Обратная матрица - это та, на которую исходная матрица приходит к единичному виду.

Также матрица может быть симметрична относительно главной или побочной осей. То есть элемент, имеющий координаты а(1;2), где 1 - это номер строки, а 2 - столбца, равен а(2;1). А(3;1)=А(1;3) и так далее. Матрицы согласованными - это те, где количество столбцов одной равно количеству строк другой (такие матрицы можно перемножать).

Главные действия, которые можно совершить с матрицами - это сложение, умножение и нахождение определителя. Если матрицы одинакового размера, то есть имеют равное количество строк и столбцов, то их можно сложить. Складывать необходимо элементы, стоящие на одинаковых местах в матрицах, то есть а (m;n) сложите с в (m;n), где m и n - это соответствующие координаты столбца и строки. При сложении матриц действует главное правило обычного арифметического сложения - при перемене мест слагаемых сумма не меняется. Таким образом, если вместо простого элемента а стоит выражение а+в, то его можно сложить в элементом с другой соразмерной матрицы по правилам а+(в+с)= (а+в)+с.

Умножать можно согласованные матрицы, которым дано выше. При этом получается матрица, где каждый элемент - это сумма попарно перемноженных элементов строки матрицы А и столбца матрицы В. При перемножении очень важен порядок действий. m*n не равно n*m.

Также одно из главных действий - это нахождение . Еще его называют детерминантом и обозначают так: det. Эта величина определяется по модулю, то есть никогда не бывает отрицательной. Легче всего найти детерминант у квадратной матрицы 2х2. Для этого необходимо перемножить элементы главной диагонали и вычесть из них перемноженные элементы побочной диагонали.

Занятие № 1. Матрицы. Операции над матрицами.

1. Что называется матрицей.

2. Какие две матрицы называются равными.

3. Какая матрица называется квадратной, диагональной, единичной.

4. Как выполнить операции сложения матриц и умножение матрицы на число.

5. Для каких матриц вводится операция умножения и правило ее выполнения.

6. Какие преобразования над матрицами являются элементарными.

7. Какую матрицу называют канонической.

Типовые примеры Действия над матрицами

Задача № 1. Даны матрицы

Найти матрицу D=
(1)

Решение. По определению произведения матрица на число получаем:

D=

Задача № 2 . Найти произведение АВ двух квадратных матриц:

Решение. Обе матрицы являются квадратными матрицами 2-го порядка. Такие матрицы можно умножить, используя формулу

Формула (2) имеет следующий смысл: чтобы получить элемент матрицы С = АВ, стоящий на пересечении строки истолбца нужно взять сумму произведений элементов-ой строки матрицы А на соответствующие элементы-го столбца матрицы В.

В соответствии с формулой (2) найдем:

Следовательно, произведение С = АВ будет иметь вид:

Задача № 3. Найти произведение АВ и ВА матриц:

Решение. Согласно формуле (2),элементы матриц АВ и ВА будут иметь вид:

Вывод: Сравнивая матрицы АВ и ВА и пользуясь определением равенства матриц, делаем вывод, что АВВА, т. е. умножение матриц не подчиняется переместительному закону.

Задача № 4 (устно). Даны матрицы
Существуют ли произведения (в скобках даны правильные ответы): АВ (да), ВА (нет), АС (да), СА (нет), АВС (нет), АСВ (да), СВА (нет).

Задача № 5. Найти произведение АВ и ВА двух матриц вида:

Решение. Приведенные матрицы вида
следовательно, существуют произведения АВ и ВА данных матриц, которые будут иметь вид:

Задача № 6 . Найти произведение АВ матриц:

Ответ:

Задачи для самостоятельного решения:

Даны матрицы

Найти матрицу D=2А-4В+3С.

2. Найти произведения АВ и ВА квадратных матриц:

Найти произведение матриц:

Найти произведение матриц:

7. Найти произведение матриц:

8.Найти матрицу: В=6А 2 +8А, если
.

9. Дана матрица
.Найти все матрицы В, перестановочные с матрицей А.

10. Доказать, что если А - диагональная матрица и все элементы ее главной диагонали различны между собой, то любая матрица, перестановочная с А, тоже диагональная.

Занятие 2. Определители квадратных матриц и их вычисление. Обратная матрица.

Для усвоения практического материала нужно ответить на следующие теоретические вопросы:

Что называется определителем n-го порядка? Правила вычисления приn=1,2,3.

Свойства определителей.

Какая матрица называется невырожденной?

Какая матрица называется единичной?

Какая матрица называется обратной по отношению к данной?

Что является необходимым и достаточным условием для существования обратной матрицы?

Сформулировать правило нахождения обратной матрицы.

Ранг матрицы. Правила нахождения.

Типовые примеры Вычисление определителей

Задача № 1. Вычислить определитель
:

а) по правилу треугольника;

б) с помощью разложения по первой строке;

в) преобразованием, используя свойства определителей.

в)

Задача № 2 . Найти минор и алгебраическое дополнение элементаa 23 определителя
и вычислить его разложением по элементам строки или столбца.

Решение.

М 23
; А 23

Задача № 3. Вычислить определитель с помощью разложения по 2 строке:

Ответ:

Задача № 4. Решить уравнение

Задача № 5. Вычислить определитель 4-го порядка разложением по элементам строки или столбца: