Матрицы: от определений до основных операций

Введение в матрицы: определение, размерность и основные виды

Добро пожаловать в курс «Матрицы: от определений до основных операций». Если вы когда-нибудь работали с таблицами в Excel, расставляли стулья в кинотеатре или решали системы линейных уравнений, то вы уже интуитивно знакомы с концепцией матриц. В этой первой статье мы превратим эту интуицию в строгие математические знания.

Что такое матрица?

В самом простом понимании, матрица — это прямоугольная таблица, заполненная числами (или другими математическими объектами). Эти числа называются элементами матрицы.

Матрицы позволяют нам организовать данные компактным и удобным способом. В математике, физике, программировании и экономике матрицы используются для хранения коэффициентов уравнений, координат точек, данных о продажах и многого другого.

Обозначение

Обычно матрицы обозначаются заглавными латинскими буквами: , , . Сама таблица заключается в круглые или квадратные скобки. В этом курсе мы будем использовать круглые скобки.

Рассмотрим пример матрицы :

Где:

— название матрицы.

Числа — это элементы матрицы.

!Схема, показывающая разницу между строками и столбцами в матрице.

Строки, столбцы и размерность

Любая матрица состоит из строк (горизонтальных рядов) и столбцов (вертикальных рядов). Понимание того, где строка, а где столбец — это фундамент для всей дальнейшей работы.

Размерность матрицы

Размер (или порядок) матрицы определяется количеством её строк и столбцов. Если у матрицы строк и столбцов, то говорят, что это матрица размера (читается «эм на эн»).

Формально это записывается так:

Где:

— матрица.

— количество строк.

— количество столбцов.

Вернемся к нашему примеру:

Здесь мы видим 2 горизонтальные строки и 3 вертикальных столбца. Следовательно, размерность этой матрицы — .

> Важное правило: При указании размера всегда сначала называют количество строк, а затем количество столбцов. Чтобы запомнить, можно использовать ассоциацию с этажами и квартирами: сначала вы выбираете этаж (строку), а потом идете к нужной квартире (столбцу).

Адресация элементов

Как обратиться к конкретному числу внутри матрицы? Для этого используется система индексов. Каждый элемент обозначается строчной буквой, соответствующей названию матрицы, с двумя нижними индексами: .

Где:

— элемент матрицы.

— номер строки, в которой стоит элемент.

— номер столбца, в котором стоит элемент.

Рассмотрим общую запись матрицы размера :

Где:

— элемент в первой строке и первом столбце.

— элемент в последней строке и последнем столбце.

— многоточия, показывающие пропуск элементов для краткости записи.

Пример: Пусть дана матрица :

Определим её элементы:

(1-я строка, 1-й столбец).

(1-я строка, 2-й столбец).

(2-я строка, 1-й столбец).

(2-я строка, 2-й столбец).

Основные виды матриц

Матрицы бывают разных форм и содержания. Выделяют несколько специальных видов, которые имеют свои уникальные свойства и названия.

1. Квадратная матрица

Если количество строк равно количеству столбцов (), то такая матрица называется квадратной.

Здесь и , значит, это квадратная матрица второго порядка.

В квадратных матрицах существует важное понятие — главная диагональ. Она проходит из левого верхнего угла в правый нижний угол. Элементы главной диагонали имеют одинаковые индексы строки и столбца ().

!Иллюстрация главной диагонали в квадратной матрице.

2. Матрица-строка и матрица-столбец

Иногда матрица состоит всего из одного ряда.

* Матрица-строка (вектор-строка): имеет размер . Пример: .

* Матрица-столбец (вектор-столбец): имеет размер . Пример:

3. Нулевая матрица

Это матрица любого размера, все элементы которой равны нулю. Обычно обозначается буквой или просто .

Нулевая матрица в алгебре матриц играет ту же роль, что и число ноль в обычной арифметике.

4. Диагональная матрица

Это квадратная матрица, у которой все элементы вне главной диагонали равны нулю. Элементы на самой диагонали могут быть любыми.

5. Единичная матрица

Это особый вид диагональной матрицы. Это квадратная матрица, у которой на главной диагонали стоят единицы, а все остальные элементы равны нулю. Она обозначается буквой (от немецкого Einheit) или (от английского Identity).

Пример единичной матрицы :

Единичная матрица играет роль единицы при умножении матриц (об этом мы поговорим в следующих статьях).

Равенство матриц

Когда мы можем сказать, что две матрицы равны друг другу? Для этого должны выполняться два условия одновременно:

Матрицы должны иметь одинаковую размерность.

Все соответствующие элементы матриц должны быть равны.

Формально: , если их размеры совпадают и для всех и .

Пример 1:

Эти матрицы не равны, так как отличается элемент во второй строке и втором столбце ().

Пример 2:

Эти матрицы не равны, так как у них разные размеры ( и ).

Заключение

Сегодня мы заложили фундамент для изучения матричной алгебры. Мы узнали: * Матрица — это таблица чисел размера . * Элемент находится на пересечении -й строки и -го столбца. * Существуют особые виды матриц: квадратные, нулевые, единичные, векторы-строки и векторы-столбцы.

В следующей статье мы перейдем от наблюдений к действиям и узнаем, как складывать матрицы и умножать их на число.

Линейные операции: сложение, вычитание и умножение на скаляр

В предыдущей статье мы познакомились с матрицами, научились определять их размерность и находить элементы по их адресу. Теперь пришло время оживить эти таблицы чисел. Матрицы — это не просто статические хранилища данных, это объекты, с которыми можно и нужно производить арифметические действия.

В этой статье мы рассмотрим так называемые линейные операции: сложение матриц, вычитание и умножение матрицы на число (скаляр). Вы увидите, что эти действия интуитивно понятны и очень похожи на обычную арифметику, но имеют свои строгие правила.

Сложение матриц

Представьте, что у вас есть две сети кофеен, и вы записали прибыль за первый и второй квартал в виде двух таблиц (матриц). Чтобы узнать общую прибыль за полгода, вам нужно просто сложить соответствующие показатели. В этом и заключается суть сложения матриц.

Правило размерности

Самое важное правило, которое нужно запомнить сразу: складывать можно только матрицы одинакового размера.

Нельзя сложить квадратную матрицу и прямоугольную . Это логично: если в одной таблице есть данные для третьего столбца, а в другой их нет, то с чем их складывать?

Алгоритм сложения

Суммой двух матриц и одинакового размера называется матрица того же размера, каждый элемент которой равен сумме соответствующих элементов матриц и .

Формально это записывается так:

Где:

— результирующая матрица (сумма).

и — исходные складываемые матрицы.

— элемент результирующей матрицы на пересечении -й строки и -го столбца.

— соответствующий элемент первой матрицы.

— соответствующий элемент второй матрицы.

!Визуализация поэлементного сложения двух матриц.

Пример

Даны две матрицы:

Где:

и — матрицы размера .

Найдем их сумму :

Мы просто сложили числа, стоящие на одинаковых местах: левый верхний с левым верхним, правый нижний с правым нижним и так далее.

Свойства сложения

Сложение матриц обладает теми же приятными свойствами, что и сложение обычных чисел:

Коммутативность (переместительный закон): От перестановки мест слагаемых сумма не меняется.

Где и — матрицы одинакового размера.

Ассоциативность (сочетательный закон): Порядок действий при сложении трех и более матриц не важен.

Где — матрицы одинакового размера.

Свойство нулевой матрицы: Если к матрице прибавить нулевую матрицу, исходная матрица не изменится.

Где — произвольная матрица, — нулевая матрица того же размера.

Вычитание матриц

Вычитание матриц работает по тому же принципу, что и сложение. Это тоже поэлементная операция.

Чтобы найти разность , нужно из элементов матрицы вычесть соответствующие элементы матрицы . Разумеется, размерности матриц должны совпадать.

Где:

— элемент результирующей матрицы разности.

— элемент уменьшаемой матрицы.

— элемент вычитаемой матрицы.

Пример:

Обратите внимание на последний элемент: . Знаки — это самое частое место для ошибок, будьте внимательны!

Умножение матрицы на число (скаляр)

В линейной алгебре обычные числа часто называют скалярами, чтобы отличать их от матриц и векторов. Операция умножения матрицы на число позволяет нам масштабировать данные.

Правило умножения

Чтобы умножить матрицу на число, нужно каждый элемент этой матрицы умножить на это число.

Если — это число (скаляр), а — матрица, то произведение вычисляется так:

Где:

— новая полученная матрица.

— скаляр (число), на которое мы умножаем.

— исходная матрица.

— элемент новой матрицы.

— элемент исходной матрицы.

!Схема умножения матрицы на скаляр.

Пример

Умножим матрицу на число :

Свойства умножения на скаляр

Пусть и — матрицы, а и — числа (скаляры). Тогда выполняются следующие свойства:

Дистрибутивность относительно сложения матриц:

Где — число, и — матрицы. Это значит, что можно сначала сложить матрицы, а потом умножить на число, или умножить каждую, а потом сложить результаты.

Дистрибутивность относительно сложения чисел:

Где — числа, — матрица.

Ассоциативность умножения чисел:

Где — числа, — матрица. Неважно, в каком порядке перемножать числа.

Линейные комбинации

Объединив сложение, вычитание и умножение на число, мы получаем мощный инструмент — линейные комбинации матриц. Это выражения вида:

Порядок действий здесь такой же, как в обычной арифметике: сначала выполняются умножения (матриц на числа), а затем сложение и вычитание.

Комплексный пример:

Пусть:

Вычислим выражение :

Сначала найдем :

Теперь найдем :

Наконец, выполним вычитание :

Заключение

Сегодня мы освоили базовую арифметику матриц. Мы узнали, что: * Складывать и вычитать можно только матрицы одинаковой размерности. * Эти операции выполняются поэлементно. * При умножении матрицы на число каждый элемент матрицы умножается на это число.

Эти операции называются линейными, потому что они сохраняют структуру пространства матриц (прямые линии остаются прямыми, начало координат остается на месте). В следующей статье нас ждет более сложная, но невероятно важная тема — умножение матрицы на матрицу. Там интуиция "поэлементных действий" перестанет работать, и нам придется выучить новое, особое правило.

Произведение матриц: алгоритм умножения и свойства операции

В предыдущих статьях мы научились складывать матрицы и умножать их на числа. Эти операции были интуитивно понятны: мы просто действовали «поклеточно», складывая или умножая соответствующие элементы. Казалось бы, умножение двух матриц должно работать так же: берем элемент , умножаем на и записываем результат. Но в линейной алгебре всё устроено иначе.

Сегодня мы разберем произведение матриц — операцию, которая лежит в основе всей матричной теории. Сначала она может показаться запутанной и нелогичной, но как только вы поймете принцип «строка на столбец», вы увидите в этом стройную и красивую систему.

Почему не просто перемножить элементы?

Почему математики не договорились просто перемножать числа на одинаковых местах? Дело в том, что матрицы исторически появились для решения систем линейных уравнений и описания линейных преобразований (например, поворотов или растяжений пространства).

Представьте, что первая матрица описывает, как ресурсы превращаются в детали, а вторая — как детали собираются в готовые изделия. Чтобы узнать, сколько ресурсов нужно для готового изделия, нам нужно не просто перемножить коэффициенты, а просуммировать цепочки взаимодействий. Именно этот процесс и моделирует матричное умножение.

Условие существования произведения

Первое и самое важное правило: не любые две матрицы можно перемножить.

В отличие от сложения, где размеры матриц должны быть строго одинаковыми, для умножения работает правило «стыковки» или «принцип домино».

Произведение матрицы на матрицу возможно тогда и только тогда, когда количество столбцов первой матрицы равно количеству строк второй матрицы.

Пусть матрица имеет размер , а матрица — размер . Тогда их можно перемножить, и результирующая матрица будет иметь размер .

Где:

— количество строк первой матрицы (и результата).

— «связующая» размерность (столбцы первой = строки второй).

— количество столбцов второй матрицы (и результата).

— множители.

— произведение.

!Схема согласования размерностей при умножении матриц: внутренние индексы должны совпадать, внешние определяют размер результата.

Пример: Можно ли умножить матрицу на матрицу ? Да, так как . Результат будет размером .

Можно ли умножить матрицу на матрицу ? Нет! Так как . (Хотя сложить их было бы можно).

Алгоритм умножения: «Строка на столбец»

Теперь перейдем к самому процессу. Чтобы получить один элемент результирующей матрицы, нам нужно взять целую строку из первой матрицы и целый столбец из второй.

Правило звучит так: Элемент равен скалярному произведению -й строки матрицы на -й столбец матрицы .

Это значит, что мы берем первый элемент строки и умножаем на первый элемент столбца, второй — на второй, и так далее, а затем складываем все полученные произведения.

Формула для вычисления элемента:

Где:

— элемент результирующей матрицы в -й строке и -м столбце.

— элементы -й строки первой матрицы.

— элементы -го столбца второй матрицы.

— знак суммирования.

!Визуализация процесса умножения строки на столбец для получения одного элемента.

Практический пример

Давайте умножим матрицу размера на матрицу размера .

Мы ожидаем получить матрицу размера . Найдем её элементы по очереди.

1. Элемент (1-я строка 1-й столбец ): Берем строку и столбец .

2. Элемент (1-я строка 2-й столбец ): Берем строку и столбец .

3. Элемент (2-я строка 1-й столбец ): Берем строку и столбец .

4. Элемент (2-я строка 2-й столбец ): Берем строку и столбец .

Результат:

Свойства умножения матриц

Матричное умножение имеет свои особенности, которые отличают его от умножения обычных чисел.

1. Некоммутативность (от перестановки мест результат меняется!)

Это самое главное отличие. В обычной арифметике . В мире матриц это не работает.

Где:

— матрицы.

— знак неравенства.

Часто бывает так, что существует, а даже невозможно вычислить из-за несовпадения размеров. Но даже если обе матрицы квадратные, результат их умножения в разном порядке обычно разный.

> Исключение: Если матрицы перестановочны (коммутируют), то . Но это редкий частный случай (например, умножение на единичную матрицу).

2. Ассоциативность (сочетательный закон)

Здесь всё как у чисел. Скобки можно расставлять как удобно, главное — не менять порядок самих матриц.

Где:

— матрицы подходящих размеров.

3. Дистрибутивность (распределительный закон)

Умножение раскрывает скобки при сложении.

Где:

— матрицы.

4. Умножение на единичную матрицу

Единичная матрица (или ) играет роль единицы. Умножение на неё ничего не меняет.

Где:

— квадратная матрица.

— единичная матрица того же порядка (на главной диагонали единицы, остальные нули).

5. Умножение на нулевую матрицу

Если умножить любую матрицу на нулевую (состоящую из одних нулей), получится нулевая матрица.

Где:

— нулевая матрица.

Возведение матрицы в степень

Поскольку мы умеем умножать матрицу на матрицу, мы можем определить и операцию возведения в степень. Это возможно только для квадратных матриц.

Где:

— квадратная матрица.

— матрица , умноженная сама на себя раз.

Важно: Нельзя просто возвести каждый элемент матрицы в квадрат! Нужно именно умножить матрицу на саму себя по правилу «строка на столбец».

Заключение

Сегодня мы освоили самый сложный технический элемент начальной матричной алгебры — умножение.

Главные выводы:

Умножать можно, только если число столбцов левой матрицы равно числу строк правой.

Умножение происходит по принципу «строка на столбец».

Порядок множителей критически важен: почти никогда не равно .

В следующей статье мы поговорим о том, как «развернуть» матрицу (транспонирование) и познакомимся с важной числовой характеристикой квадратных матриц — определителем.

Транспонирование матриц и понятие определителя

Мы уже прошли большой путь: от знакомства с тем, что такое матрица, до умения перемножать их между собой. В прошлой статье мы увидели, что умножение матриц — это мощный инструмент, но он требует строгого соблюдения правил размерности и порядка множителей.

Сегодня мы расширим наш инструментарий двумя фундаментальными понятиями. Сначала мы научимся «переворачивать» матрицы (эта операция называется транспонированием), а затем познакомимся с определителем — числом, которое скрывает в себе важнейшую информацию о квадратной матрице. Если матрица — это организм, то определитель — это его ДНК.

Транспонирование матрицы

Иногда в расчетах нам нужно поменять местами строки и столбцы матрицы. Представьте, что вы составили таблицу расходов, где строки — это дни недели, а столбцы — категории товаров. Но для отчета вам нужно, чтобы дни недели стали столбцами, а категории — строками. В мире матриц это действие называется транспонированием.

Определение

Транспонирование — это операция, при которой строки матрицы становятся её столбцами с сохранением порядка.

Если исходная матрица имеет размер , то транспонированная матрица обозначается как (иногда используют штрих: ) и имеет размер .

Формально, элемент транспонированной матрицы определяется так:

Где:

— элемент транспонированной матрицы в -й строке и -м столбце.

— элемент исходной матрицы в -й строке и -м столбце.

!Визуализация превращения строк в столбцы при транспонировании.

Пример

Пусть дана матрица размера :

Чтобы найти , мы берем первую строку и записываем её как первый столбец. Затем берем вторую строку и записываем её как второй столбец.

Размерность изменилась с на . Обратите внимание: элементы на главной диагонали (в данном случае и ) остались на своих местах.

Свойства транспонирования

Операция транспонирования обладает рядом логичных, но важных свойств:

Двойное транспонирование возвращает исходную матрицу:

Где — исходная матрица. Если перевернуть таблицу дважды, она вернется в исходное состояние.

Транспонирование суммы:

Где и — матрицы одинакового размера. Можно сначала сложить, а потом перевернуть, или сначала перевернуть каждую, а потом сложить.

Транспонирование произведения (Важно!):

Где и — перемножаемые матрицы. Обратите внимание: порядок множителей меняется на обратный. Это похоже на правило надевания обуви: a_{ij} = a_{ji}\det(A)|A|1 \times 1A = (a_{11})a_{11}2 \times 2a_{11}, a_{22}a_{12}, a_{21}B3 \times 32 \cdot (-1) \cdot 5 = -101 \cdot 3 \cdot 4 = 120 \cdot 1 \cdot 2 = 0-(0 \cdot (-1) \cdot 4) = 0-(2 \cdot 3 \cdot 2) = -12-(1 \cdot 1 \cdot 5) = -5AABE5-5(1, 2)(2, 4)$).

Заключение

Сегодня мы добавили в свой арсенал две важные операции. Мы узнали, что транспонирование — это поворот матрицы вокруг главной диагонали, а определитель — это числовая характеристика, которая служит индикатором «здоровья» квадратной матрицы.

Эти знания критически важны для следующего шага. В будущих статьях мы будем использовать определитель, чтобы находить обратную матрицу и решать системы линейных уравнений методом Крамера. Если определитель равен нулю, эти методы не сработают, поэтому умение быстро его вычислять — залог успеха.

Обратная матрица: условия существования и способы вычисления

В предыдущих статьях мы построили прочный фундамент: разобрались с определениями, научились складывать и умножать матрицы, а также вычислять определитель. Теперь мы подходим к вопросу, который часто возникает у новичков: «А можно ли делить матрицы?».

В привычном смысле слова деления матриц не существует. Вы не можете просто записать дробь . Однако в математике деление часто заменяется умножением на обратное число. Например, разделить на — это то же самое, что умножить на (или ). В матричной алгебре работает похожий принцип: вместо деления мы используем умножение на обратную матрицу.

Что такое обратная матрица?

Вспомним роль единицы в арифметике. Если умножить число на обратное ему число , мы получим единицу:

Где:

— исходное число.

— обратное число.

— единица (нейтральный элемент по умножению).

В мире матриц роль единицы играет единичная матрица (квадратная матрица с единицами на главной диагонали и нулями в остальных ячейках).

Обратная матрица для квадратной матрицы — это такая матрица, обозначаемая , при умножении на которую (как справа, так и слева) получается единичная матрица.

Где:

— исходная квадратная матрица.

— искомая обратная матрица.

— единичная матрица того же размера.

!Визуальная метафора: матрица и её обратная «компенсируют» друг друга, давая единичный результат.

Условия существования

Не для каждой матрицы существует обратная. Вспомните числа: у числа нет обратного, потому что на ноль делить нельзя. В матричной алгебре аналогом нуля выступает не нулевая матрица, а нулевой определитель.

Критерий обратимости

Матрица имеет обратную тогда и только тогда, когда она невырожденная.

Это означает выполнение двух условий:

Матрица должна быть квадратной (число строк равно числу столбцов).

Её определитель должен быть отличен от нуля.

Где:

— определитель матрицы .

— условие неравенства нулю.

Если , то матрица называется вырожденной (или сингулярной), и обратной матрицы для неё не существует. Это тупик, аналогичный делению на ноль.

Алгоритм вычисления обратной матрицы

Существует несколько способов найти . Мы рассмотрим классический метод с использованием алгебраических дополнений, так как он лучше всего помогает понять структуру матрицы.

Формула для нахождения обратной матрицы выглядит так:

Где:

— обратная матрица.

— определитель исходной матрицы (число).

— транспонированная матрица алгебраических дополнений (иногда её называют присоединенной матрицей и обозначают или ).

Давайте разберем этот процесс пошагово на примере матрицы , а затем обсудим общие принципы.

Пример для матрицы

Пусть дана матрица :

Шаг 1. Вычисляем определитель.

Где:

— элементы главной диагонали.

— элементы побочной диагонали.

Так как , обратная матрица существует.

Шаг 2. Находим матрицу миноров и алгебраических дополнений.

Для каждого элемента матрицы нам нужно найти его алгебраическое дополнение. Оно состоит из знака и минора.

* Минор () элемента — это определитель, который останется, если вычеркнуть строку и столбец, где стоит этот элемент. * Алгебраическое дополнение () вычисляется по формуле:

Где:

— алгебраическое дополнение элемента в -й строке и -м столбце.

— множитель, определяющий знак (плюс или минус). Это создает «шахматный порядок» знаков.

— минор соответствующего элемента.

Для нашей матрицы :

Элемент . Вычеркиваем 1-ю строку и 1-й столбец. Остается . Знак: . Итог: .

Элемент . Вычеркиваем 1-ю строку и 2-й столбец. Остается . Знак: . Итог: .

Элемент . Вычеркиваем 2-ю строку и 1-й столбец. Остается . Знак: . Итог: .

Элемент . Вычеркиваем 2-ю строку и 2-й столбец. Остается . Знак: . Итог: .

Составим матрицу из этих чисел (матрицу алгебраических дополнений ):

Шаг 3. Транспонируем матрицу дополнений.

Меняем строки и столбцы местами:

Шаг 4. Умножаем на .

В нашем случае определитель равен , значит умножаем на (или ).

Проверка: Умножим исходную матрицу на полученную:

Всё верно!

> Лайфхак для матриц : > Чтобы быстро найти обратную матрицу , поменяйте местами элементы главной диагонали, у элементов побочной диагонали смените знаки, и разделите всё на определитель.

Свойства обратной матрицы

Понимание свойств помогает упрощать сложные выражения без долгих вычислений.

Обратная от обратной:

Если перевернуть матрицу дважды, вернемся к исходной.

Обратная от произведения:

Где и — обратимые матрицы. Важно: порядок множителей меняется на обратный! Это похоже на правило транспонирования произведения.

Обратная от транспонированной:

Порядок действий (сначала перевернуть, потом найти обратную, или наоборот) не важен.

Применение: Матричные уравнения

Зачем нам всё это нужно? Одно из главных применений — решение матричных уравнений вида:

Где:

— известная квадратная матрица коэффициентов.

— неизвестная матрица (или вектор-столбец).

— известная матрица свободных членов.

Чтобы найти , нам нужно «избавиться» от . Для этого умножим обе части уравнения слева на :

Используя сочетательный закон, перегруппируем:

Так как , а , получаем решение:

Важное предупреждение: В матрицах порядок умножения критичен. Если уравнение имеет вид , то умножать на нужно справа:

Заключение

Сегодня мы добавили мощный инструмент в наш арсенал. Обратная матрица позволяет нам решать системы уравнений и выполнять алгебраические преобразования, аналогичные делению чисел.

Главное, что нужно запомнить: * Обратная матрица существует только для квадратных матриц с ненулевым определителем. * Для вычисления используется определитель и матрица алгебраических дополнений. * При решении уравнений важно следить, с какой стороны вы умножаете на обратную матрицу.

В следующей статье мы применим все полученные знания для решения систем линейных алгебраических уравнений (СЛАУ) — одной из самых востребованных задач в инженерии и науке о данных.