Матрицы: основы, смысл и операции

Что такое матрица и где она используется

Зачем вообще нужны матрицы

Матрица помогает коротко и структурно записывать много чисел сразу и работать с ними как с единым объектом.

Когда данных много, их удобно складывать в прямоугольную таблицу: так легче видеть структуру (строки и столбцы), описывать связи и выполнять вычисления по правилам.

В этом курсе матрицы будут центральным инструментом для:

представления данных

записи и решения задач, где много взаимосвязанных величин

описания преобразований в пространстве (повороты, растяжения)

Что такое матрица

Матрица — это прямоугольная таблица чисел, расположенных по строкам и столбцам.

Например, матрица из 2 строк и 3 столбцов:

Здесь:

— имя (обозначение) матрицы

числа внутри — элементы матрицы

2 строки и 3 столбца — это размер матрицы

!Схема показывает строки, столбцы и пример обозначения элемента матрицы

Размер матрицы и обозначение элементов

Размер матрицы записывают как :

— число строк

— число столбцов

Элемент матрицы в -й строке и -м столбце часто обозначают как :

индекс показывает номер строки

индекс показывает номер столбца

Например, в матрице

элемент , потому что он стоит во 2-й строке и 1-м столбце.

Что матрица означает в реальных задачах

Одна и та же матрица может иметь разный смысл — всё зависит от того, что именно вы положили в строки и столбцы.

Матрица как таблица данных

Это самый интуитивный смысл.

Примеры интерпретаций:

строки — объекты (студенты), столбцы — признаки (оценки)

строки — товары, столбцы — магазины (цены)

строки — дни, столбцы — показатели (температура, влажность)

Плюс матриц в том, что многие операции (например, суммирование, сравнение, преобразования) можно формализовать и автоматизировать.

Матрица как способ описать систему уравнений

Когда у нас несколько уравнений с несколькими неизвестными, коэффициенты удобно собрать в матрицу.

Например, система

- -

содержит коэффициенты при и . Их можно записать как матрицу коэффициентов:

В следующих статьях курса мы разберём, как матрицы помогают компактно записывать такие системы и как с ними работать.

Матрица как преобразование пространства

Матрица может описывать правило, которое берёт вектор (например, координаты точки на плоскости) и превращает его в другой вектор.

Простой пример: растяжение по оси в 2 раза можно описать матрицей

Смысл чисел здесь такой:

первая строка управляет тем, как получается новая координата

вторая строка — как получается новая координата

Визуально такие матрицы отвечают за повороты, отражения, растяжения и сжатия — это ключевой инструмент в графике и инженерии.

Где матрицы используются

Компьютерная графика и игры

Чтобы двигать и поворачивать объекты (а также камеру), используются матрицы преобразований. Это позволяет одинаково описывать поворот, сдвиг, масштабирование.

Связанный обзор: Matrix (mathematics) — Wikipedia)

Машинное обучение и анализ данных

Данные часто хранятся как большие матрицы (объекты × признаки). Многие модели опираются на операции линейной алгебры.

Вводный обзор применения матриц в ML: Linear algebra for machine learning

Обработка изображений

Цифровое изображение можно понимать как матрицу яркостей (для чёрно-белого) или несколько матриц (для RGB-каналов). Фильтры и размытие — это операции, которые удобно описывать матрично.

Сети и графы

Связи между объектами (например, кто с кем связан) можно хранить в матрице смежности: строки и столбцы — вершины, а элементы показывают наличие ребра.

Общее описание: Adjacency matrix — Wikipedia

Экономика и инженерные расчёты

Матрицы помогают моделировать взаимозависимости: потоки, балансы, системы ограничений, взаимодействия параметров.

Что будет дальше в курсе

Чтобы матрицы стали инструментом, а не просто таблицами, дальше нам понадобятся операции:

сложение и умножение на число

умножение матриц и почему оно устроено именно так

транспонирование

связь с решением систем уравнений

Следующая ключевая цель — научиться читать размерность и уверенно понимать, какие операции разрешены, а какие — нет.

Размерность, элементы, типы матриц и их свойства

В предыдущей статье мы разобрали, что матрица — это удобный способ хранить и обрабатывать данные, коэффициенты систем уравнений и преобразования в пространстве. Теперь нам нужно научиться точно читать матрицу: понимать её размерность, находить элементы и узнавать часто встречающиеся типы матриц, у которых есть важные свойства.

Размерность матрицы

Размерность (или размер) матрицы — это количество строк и столбцов.

Её записывают как :

— число строк

— число столбцов

Пример: матрица имеет 2 строки и 3 столбца.

Здесь у матрицы :

строки

столбца

Элементы матрицы и индексы

Число, стоящее на пересечении строки и столбца, называется элементом матрицы.

Элемент в -й строке и -м столбце обозначают как :

индекс — номер строки

индекс — номер столбца

Для матрицы

получаем:

(1-я строка, 1-й столбец)

(1-я строка, 3-й столбец)

(2-я строка, 1-й столбец)

(2-я строка, 2-й столбец)

!Иллюстрация, как читать элемент a_{ij} по номеру строки и столбца

Важная договорённость про нумерацию

В математике индексация обычно начинается с 1: — верхний левый элемент.

В программировании часто индексация начинается с 0. Это не меняет саму матрицу, но меняет то, как вы подписываете позиции в коде.

Строки, столбцы и векторы

Строка матрицы — горизонтальный набор элементов.

Столбец матрицы — вертикальный набор элементов.

Особые случаи:

матрица размера часто называется вектор-строка

матрица размера часто называется вектор-столбец

Например,

имеет размер , а

имеет размер .

Важно: это разные объекты, и в умножении матриц они ведут себя по-разному.

Квадратные матрицы и диагональ

Если , матрица называется квадратной (например, , ).

У квадратной матрицы есть главная диагональ — элементы с одинаковыми индексами .

Пример квадратной матрицы :

Главная диагональ здесь: , , .

!Что такое главная диагональ квадратной матрицы

Часто встречающиеся типы матриц

Ниже — типы матриц, которые постоянно встречаются в задачах, и их смысл полезно узнавать сразу.

| Тип матрицы | Как выглядит (идея) | Ключевой признак | |---|---|---| | Нулевая матрица | все элементы равны 0 | для всех | | Прямоугольная матрица | строк и столбцов разное число | | | Квадратная матрица | одинаково строк и столбцов | | | Диагональная матрица | вне главной диагонали нули | при | | Единичная матрица | на диагонали единицы, вне диагонали нули | частный случай диагональной | | Верхнетреугольная | ниже диагонали нули | при | | Нижнетреугольная | выше диагонали нули | при | | Симметричная | зеркальна относительно диагонали | |

Нулевая матрица

Нулевая матрица (часто обозначают ) — это матрица, где все элементы равны нулю. Её размерность всегда важна: нулевая матрица и — разные матрицы.

Пример :

Диагональная матрица

Диагональная матрица — квадратная матрица, где все элементы вне главной диагонали равны нулю.

Пример:

Здесь ненулевые элементы стоят только на диагонали.

Единичная матрица

Единичная матрица обозначается и устроена так:

на главной диагонали стоят 1

все остальные элементы равны 0

Пример для размера :

Её роль станет особенно ясной при умножении матриц: она ведёт себя как «единица» в обычном умножении.

Треугольные матрицы

Треугольные матрицы бывают двух видов:

верхнетреугольная: все элементы ниже диагонали равны 0

нижнетреугольная: все элементы выше диагонали равны 0

Пример верхнетреугольной:

Симметричная матрица

Симметричная матрица — квадратная матрица, которая не меняется при отражении относительно диагонали.

Это записывают как . Смысл: элемент в строке , столбце равен элементу в строке , столбце .

Пример:

Проверьте: и , и .

Базовые свойства, которые важно знать до операций

Равенство матриц

Две матрицы равны, если выполняются оба условия:

у них одинаковый размер

равны все соответствующие элементы

То есть матрицы и равны, если для каждого элемента выполняется .

Почему размерность важна для операций

В следующих статьях мы будем выполнять операции (сложение, умножение на число, умножение матриц, транспонирование). Почти везде главный вопрос звучит так:

совместимы ли размерности?

Примеры интуитивных ограничений:

складывать можно только матрицы одного размера (нельзя сложить и )

умножать матрицы можно не всегда: там есть правило согласования размеров, которое мы разберём отдельно

Разреженность (полезное свойство из практики)

В реальных задачах часто встречаются матрицы, где большинство элементов — нули. Их называют разреженными. Для таких матриц существуют способы хранить и вычислять быстрее, чем для обычных плотных таблиц.

Мини-справка для дальнейшего чтения

Если хотите увидеть определения в более формальном виде:

Матрица (математика) — Wikipedia)

Единичная матрица — Wikipedia

Диагональная матрица — Wikipedia

Симметричная матрица — Wikipedia

Треугольная матрица — Wikipedia

Что дальше

Теперь у нас есть словарь: размерность, элементы , диагональ и основные типы матриц. Следующий шаг — операции: как складывать матрицы, умножать на число и почему умножение матриц устроено не «поэлементно», а иначе.

Сложение, вычитание, умножение на число и транспонирование

В предыдущих статьях мы научились читать матрицу: понимать размерность , находить элемент и узнавать типы матриц (нулевая, диагональная, единичная и другие). Теперь разберём самые базовые операции, которые превращают матрицы в удобный вычислительный инструмент:

сложение

вычитание

умножение на число

транспонирование

Главная идея этих операций: они определяются так, чтобы сохранялся смысл матрицы как таблицы данных и как набора связанных чисел, с которыми можно работать по правилам.

Сложение матриц

Когда сложение разрешено

Складывать можно только матрицы одинакового размера.

Если имеет размер и имеет размер , то сумма тоже будет размера .

Если размеры разные (например, и ), то операция не определена.

Как складывать

Сложение выполняется поэлементно: каждый элемент результата равен сумме соответствующих элементов.

Формально это записывают так:

Пояснение каждого фрагмента:

— новая матрица (результат сложения)

индекс означает элемент в -й строке и -м столбце

— элемент матрицы в позиции

— элемент матрицы в позиции

Пример

Тогда

Интуитивный смысл

Если матрица — это таблица данных (например, строки — товары, столбцы — магазины), то сложение похоже на сложение двух таблиц одного формата.

Например, — продажи в январе, — продажи в феврале, тогда — продажи за два месяца по каждому товару и магазину.

Вычитание матриц

Когда вычитание разрешено

Правило то же, что и для сложения: размеры должны совпадать.

Если и имеют размер , то определена и тоже имеет размер .

Как вычитать

Вычитание также поэлементное:

Здесь смысл индексов тот же:

— элемент результата в позиции

и — элементы исходных матриц в той же позиции

Пример

Умножение матрицы на число

Что значит умножить на число

Умножение матрицы на число (его ещё называют скалярным умножением) — это операция, которая умножает каждый элемент матрицы на одно и то же число.

Если — матрица размера , а — число, то тоже размера .

Формула:

Пояснение:

— матрица, полученная умножением матрицы на число

— элемент новой матрицы в позиции

— обычное умножение чисел: умножить на элемент

Пример

Интуитивный смысл

Если матрица хранит значения измерений, то умножение на число соответствует изменению масштаба.

Примеры:

умножили цены на — получили цены с наценкой 10%

умножили координаты на — растянули все точки в 2 раза (в простейших моделях)

Транспонирование

Что делает транспонирование

Транспонирование меняет местами строки и столбцы.

Транспонированную матрицу обозначают как (читают: A транспонированная).

Если имеет размер , то имеет размер .

!Схема: строки становятся столбцами при транспонировании

Как устроены элементы

Основное правило:

Пояснение:

— транспонированная матрица

— элемент транспонированной матрицы в позиции

— элемент исходной матрицы, но с переставленными индексами: был , стал

То есть элемент, стоявший в -й строке и -м столбце, после транспонирования окажется в -й строке и -м столбце.

Пример

Матрица имеет размер . Тогда будет размера :

Полезные свойства транспонирования

Эти свойства помогают упрощать выражения и проверять себя:

двойное транспонирование возвращает исходную матрицу:

транспонирование суммы работает поэлементно: (если размеры и одинаковые)

транспонирование умножения на число:

Здесь важно понимать, что эти правила следуют из поэлементного определения, например .

Что важно запомнить про размерности

и возможны только при одинаковом размере матриц.

всегда определено и не меняет размер матрицы.

меняет размер с на .

Эти четыре операции — базовый набор, который нужен перед тем, как переходить к умножению матриц (там уже будет отдельное правило согласования размеров).

Дополнительные источники

Если хочется увидеть те же определения в справочном виде:

Matrix addition — Wikipedia

Transpose — Wikipedia

Умножение матриц и смысл композиции преобразований

В прошлых статьях мы разобрали, что матрица — это таблица чисел с чёткой размерностью , а также научились выполнять поэлементные операции: сложение, вычитание, умножение на число и транспонирование.

Теперь переходим к операции, из-за которой матрицы становятся особенно полезными в задачах про системы уравнений, данные и геометрию: умножение матриц.

Ключевая идея: умножение матриц устроено не поэлементно, потому что оно отражает последовательное применение преобразований и связывание зависимостей.

Почему умножение матриц не поэлементное

Если сложение матриц естественно делать поэлементно (мы просто складываем две таблицы одного формата), то умножение чаще отвечает на другой вопрос:

как применить преобразование к набору чисел

как объединить два преобразования в одно

Например, если матрица кодирует правило, которое переводит координаты точки в новые координаты , то мы хотим уметь:

применить это правило к точке

применить сначала одно правило, затем другое, и получить итоговое правило

Именно это и даёт матричное умножение.

Умножение матрицы на вектор

Чтобы понять умножение матриц, удобно начать с умножения матрицы на вектор-столбец.

Пусть есть матрица размера и вектор размера :

Тогда произведение определено и даёт новый вектор размера .

Смысл: матрица берёт чисел (координаты, признаки, переменные) и превращает их в новых чисел.

Когда можно умножать матрицы

Пусть:

имеет размер

имеет размер

Тогда произведение определено и имеет размер .

Главное правило согласования размеров:

внутренние размеры должны совпасть:

внешние размеры становятся размером результата:

!Схема правила согласования размерностей при умножении матриц

Если размеры не подходят (например, умножить на ), то произведение не определено.

Как вычисляется произведение матриц

Пусть — матрица , а — матрица . Их произведение — матрица .

Элемент (строка , столбец ) вычисляется так:

Разберём, что означает каждая часть записи:

— элемент результата в -й строке и -м столбце

— знак суммирования, то есть мы складываем несколько слагаемых

— индекс, который пробегает все числа от до

— элемент матрицы в -й строке и -м столбце

— элемент матрицы в -й строке и -м столбце

Интуитивно это правило читается так:

возьмите строку из

возьмите столбец из

перемножьте соответствующие элементы и сложите

Пример умножения на

Размеры:

имеет размер

имеет размер

значит, имеет размер

Посчитаем элемент : это 1-я строка результата и 2-й столбец результата.

1-я строка :

2-й столбец :

Если посчитать все элементы, получим:

Важные свойства умножения матриц

Умножение матриц не перестановочно

Обычно (или одно из произведений вообще может быть не определено из-за размеров). Это отражает важный смысл: порядок применения преобразований важен.

Простой численный пример:

Тогда:

Они разные, значит .

Ассоциативность

Если размеры согласованы, то:

Смысл: когда мы применяем несколько преобразований подряд, не важно, как мы расставим скобки при вычислении итоговой матрицы.

Дистрибутивность относительно сложения

Если размеры согласованы, то:

Смысл: умножение «распределяется» по сумме.

Единичная матрица как нейтральный элемент

Если — единичная матрица подходящего размера, то:

Это похоже на обычное умножение чисел, где .

Смысл произведения как композиции преобразований

Пусть матрица описывает преобразование, которое переводит вектор в новый вектор:

А матрица описывает другое преобразование:

Подставим во второе:

Главный вывод:

если сначала применить , а потом применить , то итоговое преобразование задаётся матрицей

Важно: порядок в записи соответствует порядку применения справа налево.

означает: сначала , потом

!Иллюстрация композиции преобразований: последовательное применение матриц

Почему это важно на практике

в компьютерной графике объект часто проходит цепочку преобразований: масштабирование, поворот, перенос; их можно объединить в одну матрицу произведением

в задачах про данные несколько «шагов перерасчёта» можно записать одной матрицей

в системах линейных уравнений и моделях взаимосвязей произведение отражает «передачу влияния» через промежуточные величины

Связь с транспонированием

Из прошлой статьи мы знаем, что транспонирование меняет строки и столбцы. Для умножения есть полезное правило:

Здесь важно заметить:

транспонирование меняет порядок множителей

это согласуется с идеей композиции: при «переворачивании» (транспонировании) меняется направление, и порядок естественно разворачивается

Короткая памятка

Умножение определено, если размера , а размера .

Элемент результата — это сумма произведений элементов строки из и столбца из .

В общем случае .

Произведение матриц соответствует композиции преобразований: сначала , потом даёт итоговую матрицу .

Источники для справки

Matrix multiplication — Wikipedia

Linear transformation — Wikipedia

Composition of functions — Wikipedia

Определитель, обратная матрица и решение систем уравнений

В прошлых статьях мы научились читать матрицы, делать поэлементные операции и умножать матрицы, понимая произведение как композицию преобразований. Теперь добавим три ключевых инструмента, которые отвечают на вопросы:

«Можно ли это преобразование обратить назад?»

«Будет ли у системы линейных уравнений единственное решение?»

«Как находить это решение?»

Эти вопросы связываются тремя понятиями:

определитель (determinant)

обратная матрица

решение системы вида

Система уравнений в матричном виде

Систему линейных уравнений удобно записывать компактно.

Пример:

- -

Можно представить как одну запись , где

Здесь:

— матрица коэффициентов (она хранит числа при неизвестных)

— вектор неизвестных

— вектор правых частей

А запись читается так: матрица применена к вектору даёт вектор .

Определитель: что это и зачем

Определитель — это число, которое сопоставляется квадратной матрице и несёт важный смысл:

в геометрии: показывает, во сколько раз преобразование растягивает или сжимает площадь (в 2D) или объём (в 3D)

в алгебре: помогает понять, есть ли у матрицы обратная, и будет ли у системы единственное решение

Определитель для матрицы

Пусть

Тогда определитель обозначают как и вычисляют так:

Как читать формулу:

— элементы матрицы (верхний левый, верхний правый, нижний левый, нижний правый)

— произведение элементов главной диагонали

— произведение элементов побочной диагонали

— разность этих произведений

Пример:

Геометрический смысл (очень полезная интуиция)

Если матрица описывает преобразование плоскости, то показывает, во сколько раз меняется площадь любой фигуры.

если , площади увеличиваются в 2 раза

если , площади уменьшаются в 2 раза

если , площадь схлопывается в ноль: плоскость «проваливается» в линию (часть информации теряется)

!Определитель как множитель изменения площади (и знак как «переворот ориентации»)

Что означает знак определителя

если , ориентация сохраняется (условно «без зеркального переворота»)

если , происходит отражение (ориентация меняется)

Главный вывод про

Для квадратной матрицы условие означает: преобразование необратимо.

В терминах строк/столбцов это можно понимать так:

строки или столбцы «зависимы» (один выражается через другие)

поэтому часть информации теряется

Обратная матрица

Определение

Квадратная матрица называется обратимой, если существует матрица такая, что

Здесь:

— обратная матрица

— единичная матрица (на диагонали 1, вне диагонали 0)

Смысл: отменяет действие .

Когда обратная матрица существует

Для квадратной матрицы работает ключевой критерий:

обратная матрица существует тогда и только тогда, когда

То есть:

\(\Rightarrow\) матрица обратима

\(\Rightarrow\) матрица не имеет обратной

Формула обратной матрицы для случая

Если

то

Как читать:

— обычное число (деление на определитель)

матрица получается так:

- элементы на главной диагонали меняются местами () - элементы вне диагонали меняют знак (, )

Важно: эта формула — удобный частный случай для . Для больших размеров обратную матрицу обычно находят алгоритмами (например, методом Гаусса).

Решение системы через обратную матрицу

Если матрица обратима (то есть ), то у системы есть единственное решение, и оно выражается так:

Почему это работает (идея): если , то умножим слева на :

По ассоциативности умножения матриц (её мы разбирали раньше) получаем:

Значит .

Короткий численный пример

Пусть

Мы уже считали , значит обратная существует.

По формуле для :

Теперь

Перемножим матрицу на вектор (это тот же принцип, что и при умножении матриц: строка на столбец):

Значит

То есть , .

Что делать, если

Если , обратной матрицы нет, а система не имеет единственного решения. Возможны два сценария:

нет решений (уравнения противоречат друг другу)

бесконечно много решений (уравнения «дублируют» друг друга)

Определитель подсказывает именно факт неуникальности, но чтобы отличить «нет» от «бесконечно много», нужно анализировать саму систему.

Как решают системы на практике: метод Гаусса

Формула полезна для теории и маленьких примеров, но вычислять обратную матрицу явно часто невыгодно.

На практике для решения систем используют метод Гаусса (Gaussian elimination): он превращает систему в более простую с помощью элементарных преобразований строк.

Идея:

Записать расширенную матрицу (коэффициенты и правые части вместе).

Делать допустимые операции со строками:

- поменять две строки местами - умножить строку на ненулевое число - прибавить к строке другую строку, умноженную на число

Привести матрицу к ступенчатому виду и восстановить значения неизвестных.

Важно: эти операции меняют запись системы, но сохраняют множество решений.

Полезные свойства (минимальный набор)

Для понимания теории и проверки вычислений полезно помнить:

- -

(если и квадратные одного размера)

Последнее свойство согласуется со смыслом «масштабирования»: если сначала преобразование меняет площади в раз, а потом — в раз, то вместе они меняют в раз.

Источники для справки

Determinant (Wikipedia)

Invertible matrix (Wikipedia)

Gaussian elimination (Wikipedia)

Cramer%27s rule (Wikipedia)