Теория матриц: от основ до решения систем уравнений

Основные определения, виды матриц и простейшие линейные операции

Добро пожаловать в курс «Теория матриц: от основ до решения систем уравнений». Мы начинаем наше погружение в высшую математику с фундаментального понятия — матрицы. Если вы когда-либо работали с таблицами в Excel или разглядывали пиксели на цифровой фотографии, вы уже интуитивно знакомы с тем, что такое матрица.

В этой статье мы разберем, что скрывается за этим математическим термином, какие бывают матрицы и что с ними можно делать, не прибегая к сложным вычислениям.

Что такое матрица?

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

Матрицы обычно обозначают заглавными латинскими буквами: , а их элементы — строчными буквами с индексами: .

Рассмотрим общий вид матрицы размера :

Где:

— название матрицы.

— количество строк (горизонтальных рядов).

— количество столбцов (вертикальных рядов).

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

— номер строки (изменяется от до ).

— номер столбца (изменяется от до ).

> Важно: При указании размера матрицы всегда сначала называют количество строк, а затем количество столбцов. Матрица имеет 3 строки и 2 столбца.

!Схема структуры матрицы с указанием строк, столбцов и индексации элементов

Пример

Дана матрица :

Где:

— данная матрица.

Размер матрицы — (2 строки, 3 столбца).

Элемент (первая строка, второй столбец).

Элемент (вторая строка, третий столбец).

Виды матриц

Матрицы бывают разных форм и размеров. Классификация зависит от соотношения количества строк и столбцов, а также от значений элементов.

1. Прямоугольные и квадратные матрицы

Если количество строк не равно количеству столбцов (), матрица называется прямоугольной.

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

Пример квадратной матрицы порядка 2:

Где — квадратная матрица, имеющая 2 строки и 2 столбца.

В квадратных матрицах выделяют главную диагональ — элементы, идущие из левого верхнего угла в правый нижний (), и побочную диагональ — из правого верхнего в левый нижний ().

2. Матрицы-строки и матрицы-столбцы

* Матрица-строка (вектор-строка): Матрица размера . Состоит только из одной строки. Где — матрица-строка, содержащая элементы 3, -1 и 5.

* Матрица-столбец (вектор-столбец): Матрица размера . Состоит только из одного столбца. Где — матрица-столбец с тремя элементами, расположенными вертикально.

3. Нулевая матрица

Матрица любого размера, все элементы которой равны нулю, называется нулевой матрицей. Обозначается буквой или просто .

Где — нулевая матрица размера , состоящая исключительно из нулей.

4. Диагональная матрица

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

Где — диагональная матрица, у которой ненулевые элементы (5, -2, 1) находятся только на главной диагонали.

5. Единичная матрица

Особый вид диагональной матрицы, у которой все элементы на главной диагонали равны единице (), а остальные — нулю. Обозначается буквой (в русскоязычной литературе) или (в англоязычной).

Где — единичная матрица порядка 3. Она играет в мире матриц ту же роль, что и единица в обычных числах.

!Наглядное сравнение форм различных типов матриц

Равенство матриц

Две матрицы и называются равными (), если выполняются два условия:

Они имеют одинаковый размер (одинаковое число строк и столбцов).

Все их соответствующие элементы равны ( для всех и ).

Пример:

Где левая и правая матрицы не равны, так как элемент не равен элементу , несмотря на одинаковый размер.

Простейшие линейные операции над матрицами

Теперь, когда мы знаем, как выглядят матрицы, давайте научимся выполнять с ними базовые действия. К линейным операциям относятся сложение (вычитание) матриц и умножение матрицы на число.

1. Сложение и вычитание матриц

> Критически важное правило: Складывать и вычитать можно только матрицы одинакового размера.

Суммой двух матриц и называется матрица , элементы которой равны сумме соответствующих элементов матриц и .

Формула:

Где:

— результирующая матрица суммы.

и — исходные матрицы-слагаемые.

— элементы соответствующих матриц на позиции .

Пример сложения:

Где мы поэлементно сложили две матрицы размера и получили новую матрицу того же размера.

Аналогично выполняется вычитание: , где .

Свойства сложения: * (коммутативность: от перестановки слагаемых сумма не меняется). * (ассоциативность). * (прибавление нулевой матрицы не меняет исходную).

2. Умножение матрицы на число

Чтобы умножить матрицу на вещественное число (лямбда), нужно умножить каждый элемент этой матрицы на это число.

Формула:

Где:

— новая матрица, полученная после умножения.

— число (скаляр), на которое мы умножаем.

— исходная матрица.

и — элементы матриц.

Пример:

Пусть , а матрица выглядит так:

Где мы умножили каждый из четырех элементов матрицы на число 2.

Свойства умножения на число: * * (умножение на ноль дает нулевую матрицу). * (распределительный закон).

3. Транспонирование матрицы

Транспонирование — это операция, при которой строки матрицы становятся столбцами, а столбцы — строками. Обозначается верхним индексом (например, ).

Если исходная матрица имела размер , то транспонированная матрица будет иметь размер .

Формула:

Где:

(или ) — транспонированная матрица.

— исходная матрица.

— элемент новой матрицы в -й строке и -м столбце, который равен элементу исходной матрицы (индексы меняются местами).

Пример:

Где:

Исходная матрица имеет размер .

Первая строка стала первым столбцом.

Вторая строка стала вторым столбцом.

Полученная матрица имеет размер .

!Схема превращения строк в столбцы при транспонировании

Заключение

Мы рассмотрели фундамент теории матриц. Теперь вы знаете, как записывать данные в матричном виде, как определять размер матрицы и её тип. Более того, вы уже умеете проводить простые арифметические операции: складывать матрицы, масштабировать их (умножать на число) и переворачивать (транспонировать).

Эти операции кажутся простыми, но они лежат в основе компьютерной графики, нейронных сетей и решения сложных инженерных задач. В следующей статье мы перейдем к более сложной, но невероятно важной теме — умножению матриц друг на друга.

Произведение матриц, транспонирование и свойства матричных операций

В предыдущей статье мы познакомились с матрицами, научились их складывать и умножать на числа. Это было похоже на обычную арифметику, только с таблицами чисел. Но сегодня мы переходим к теме, которая делает матрицы по-настоящему мощным инструментом — умножение матриц друг на друга.

Именно эта операция лежит в основе работы нейросетей, 3D-графики в видеоиграх и сложных экономических моделей. Однако, она работает совсем не так, как вы могли бы ожидать. Если при сложении мы просто складывали числа на одинаковых местах, то здесь действует правило «строка на столбец».

Также мы углубим наши знания о транспонировании и разберем важные свойства, которые помогут избежать ошибок в будущем.

Умножение матриц: правило «Строка на Столбец»

Многие новички интуитивно хотят перемножить матрицы поэлементно (как при сложении). Сразу забудьте об этом! В классической теории матриц умножение устроено сложнее и интереснее.

Когда матрицы можно перемножать?

Прежде чем начать считать, нужно проверить, совместимы ли матрицы. Умножить матрицу на матрицу можно только тогда, когда количество столбцов первой матрицы равно количеству строк второй матрицы.

Пусть матрица имеет размер , а матрица — размер . Тогда их произведение будет существовать и иметь размер .

Где:

— количество строк первой матрицы (и результата).

— «связующее звено»: число столбцов первой матрицы должно совпадать с числом строк второй.

— количество столбцов второй матрицы (и результата).

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

Алгоритм умножения

Чтобы получить элемент новой матрицы (стоящий в -й строке и -м столбце), нужно взять -ю строку первой матрицы и -й столбец второй матрицы, попарно перемножить их элементы и сложить результаты.

Формула для одного элемента:

Где:

— искомый элемент результирующей матрицы.

— элементы -й строки первой матрицы.

— элементы -го столбца второй матрицы.

— знак суммирования (сумма произведений).

!Визуализация правила «строка на столбец»: элементы строки первой матрицы «ныряют» в столбец второй.

Практический пример

Давайте умножим матрицу размером на матрицу размером .

Где и — перемножаемые матрицы.

Найдем произведение :

Элемент (1-я строка 1-й столбец ):

Элемент (1-я строка 2-й столбец ):

Элемент (2-я строка 1-й столбец ):

Элемент (2-я строка 2-й столбец ):

Результат:

Свойства умножения матриц

Матричное умножение имеет свои капризы. Самое главное отличие от чисел заключается в первом свойстве.

1. Некоммутативность (от перестановки мест множителей произведение меняется)

В обычной арифметике . В мире матриц это не работает!

Где и — матрицы. Часто бывает так, что существует, а даже невозможно вычислить из-за несовпадения размеров. Но даже если оба произведения существуют (например, для квадратных матриц), результаты обычно разные.

> Исключение: Если матрицы и таковы, что , они называются коммутирующими.

2. Ассоциативность (сочетательный закон)

Здесь всё как у чисел. Порядок расстановки скобок не важен.

Где — матрицы подходящих размеров.

3. Дистрибутивность (распределительный закон)

Можно раскрывать скобки.

Где — матрицы, а знак означает сложение матриц.

4. Умножение на единичную матрицу

Единичная матрица (или ) работает как единица в числах. Умножение на неё ничего не меняет.

Где — единичная матрица (с единицами на главной диагонали и нулями в остальных местах), — квадратная матрица того же порядка.

Транспонирование: углубленный взгляд

В прошлой статье мы узнали, что транспонирование () — это превращение строк в столбцы. Теперь рассмотрим, как эта операция взаимодействует с умножением.

Свойства транспонирования

Двойное транспонирование:

Если перевернуть матрицу дважды, она вернется в исходное состояние.

Транспонирование суммы:

Транспонировать сумму — это то же самое, что сложить транспонированные матрицы.

Транспонирование произведения (ВАЖНО!):

Это свойство часто забывают. При транспонировании произведения порядок множителей меняется на обратный.

Где и — перемножаемые матрицы. Обратите внимание: справа сначала идет , а потом . Это похоже на правило «носки и ботинки»: надеваем носки (), потом ботинки (), получаем . Чтобы снять, сначала снимаем ботинки (), потом носки ().

Степени матрицы

Понятие степени применимо только к квадратным матрицам. Нельзя возвести в квадрат прямоугольную матрицу, так как нельзя будет умножить её саму на себя из-за несовпадения размеров.

Квадрат матрицы:

Куб матрицы:

Где — квадратная матрица.

> Внимание: Чтобы найти , нельзя просто возвести в квадрат каждый элемент матрицы! Нужно честно выполнить матричное умножение на .

Симметричные и кососимметричные матрицы

С помощью понятия транспонирования можно определить два интересных класса матриц.

Симметричная матрица: Матрица, которая не меняется при транспонировании.

Такая матрица симметрична относительно главной диагонали (например, ).

Кососимметричная матрица: Матрица, которая при транспонировании меняет знак.

У таких матриц на главной диагонали всегда стоят нули.

!Слева — симметричная матрица, справа — кососимметричная.

Заключение

Сегодня мы преодолели самый сложный барьер в начале изучения матриц — операцию умножения. Мы выяснили, что: * Умножать можно только согласованные по размеру матрицы. * Умножение некоммутативно (). * Транспонирование произведения меняет порядок множителей.

Эти знания — абсолютный минимум для любого, кто хочет заниматься анализом данных, физикой или программированием графики. В следующей статье мы поговорим об определителях — магических числах, которые можно вычислить для любой квадратной матрицы и которые расскажут нам о ней много интересного.

Определители n-го порядка и нахождение обратной матрицы

В предыдущих статьях мы научились складывать, умножать и транспонировать матрицы. Мы увидели, что матрицы ведут себя похоже на числа, но со своими особенностями (например, не всегда равно ).

Однако в обычной арифметике есть еще одна важная операция — деление. Можно ли «разделить» одну матрицу на другую? Напрямую — нет. Но существует аналог деления, который реализуется через понятие обратной матрицы.

Чтобы найти эту обратную матрицу, нам понадобится специальный инструмент — числовая характеристика, которая есть у каждой квадратной матрицы. Это число называется определителем (или детерминантом).

Что такое определитель?

Определитель — это число, которое ставится в соответствие квадратной матрице и вычисляется по определенным правилам. Оно несет в себе информацию о свойствах этой матрицы, например, о том, как она меняет объем пространства при линейных преобразованиях.

Обозначается определитель двумя вертикальными чертами (как модуль) или латинским сокращением .

> Важно: Определитель существует только у квадратных матриц (количество строк равно количеству столбцов).

Определитель второго порядка ()

Начнем с самого простого случая. Пусть дана матрица размером :

Где:

— исходная матрица.

— элементы матрицы.

Определитель этой матрицы вычисляется как разность произведений элементов главной и побочной диагоналей.

Где:

— значение определителя.

— произведение элементов главной диагонали (из левого верхнего угла в правый нижний).

— произведение элементов побочной диагонали (из правого верхнего в левый нижний).

Пример:

Где мы умножили на и вычли произведение на , получив число .

Определитель третьего порядка ()

Для матрицы формула становится сложнее. Здесь часто используют правило треугольников или правило Саррюса.

Пусть матрица выглядит так:

Где — элементы матрицы в -й строке и -м столбце.

Формула вычисления:

Где:

Первые три слагаемых берутся со знаком «плюс» (главная диагональ и два треугольника параллельно ей).

Следующие три слагаемых берутся со знаком «минус» (побочная диагональ и два треугольника параллельно ей).

!Визуализация метода Саррюса: дописывание двух первых столбцов справа помогает увидеть диагонали для перемножения.

Миноры и алгебраические дополнения

Чтобы научиться считать определители любого размера (n-го порядка) и находить обратные матрицы, нам нужно ввести два вспомогательных понятия.

1. Минор

Минором элемента называется определитель матрицы, полученной из исходной путем вычеркивания -й строки и -го столбца (той строки и того столбца, где стоит этот элемент).

Пример для матрицы :

Найдем минор (для элемента , который стоит в 1-й строке, 2-м столбце). Вычеркиваем 1-ю строку и 2-й столбец. Остается:

Где:

— минор элемента .

Остальные числа — элементы, оставшиеся после вычеркивания.

2. Алгебраическое дополнение

Алгебраическое дополнение — это тот же минор, но взятый со своим знаком. Знак зависит от суммы индексов строки и столбца.

Где:

— алгебраическое дополнение элемента .

— множитель, определяющий знак. Если сумма четная, знак не меняется (). Если нечетная — знак меняется на противоположный ().

— минор этого элемента.

Для нашего примера выше ():

Где мы учли, что сумма индексов (нечетная), поэтому знак минора сменился.

Разложение определителя по строке или столбцу

Этот метод позволяет вычислить определитель любого размера, сводя его к определителям меньшего размера.

Теорема Лапласа: Определитель равен сумме произведений всех элементов любой строки (или столбца) на их алгебраические дополнения.

Формула разложения по -й строке:

Где:

— элементы выбранной строки.

— соответствующие им алгебраические дополнения.

Обычно выбирают ту строку или столбец, где больше всего нулей, чтобы меньше считать.

Обратная матрица

Теперь мы готовы перейти к главной цели статьи.

Обратной матрицей к квадратной матрице называется такая матрица , при умножении на которую (с любой стороны) получается единичная матрица .

Где:

— исходная матрица.

— искомая обратная матрица.

— единичная матрица (с единицами на главной диагонали и нулями в остальных местах).

Условие существования

> Критически важно: Обратная матрица существует тогда и только тогда, когда определитель исходной матрицы не равен нулю ().

Такие матрицы называются невырожденными. Если определитель равен нулю, матрица называется вырожденной, и обратной для нее не существует (это аналог деления на ноль).

Алгоритм нахождения обратной матрицы

Чтобы найти , нужно выполнить 4 шага:

Вычислить определитель матрицы . Если он равен нулю — стоп, решения нет.

Найти алгебраические дополнения для каждого элемента матрицы.

Составить матрицу из алгебраических дополнений (иногда её называют союзной матрицей).

Транспонировать полученную матрицу дополнений и умножить её на число .

Итоговая формула:

Где:

— обратная матрица.

— определитель исходной матрицы.

— транспонированная матрица, составленная из алгебраических дополнений. Обратите внимание: элемент в ней встанет на место .

Пример вычисления

Найдем обратную матрицу для .

Шаг 1. Определитель.

Где , значит, обратная матрица существует.

Шаг 2. Алгебраические дополнения.

* (вычеркнули строку 1, столбец 1, осталась 4). * (вычеркнули строку 1, столбец 2, осталась 3). * (вычеркнули строку 2, столбец 1, осталась 2). * (вычеркнули строку 2, столбец 2, осталась 1).

Шаг 3 и 4. Формируем матрицу и транспонируем.

Матрица дополнений:

Транспонируем её (строки становятся столбцами):

Умножаем на :

Где мы разделили каждый элемент на . Полученная матрица и есть обратная.

Зачем это нужно?

Нахождение обратной матрицы — это ключевой этап в решении матричных уравнений вида . Если мы знаем , мы можем легко найти неизвестную матрицу , просто умножив уравнение слева на :

Где — вектор неизвестных, а — вектор свободных членов.

Именно этим мы и займемся в следующей статье курса, когда будем решать системы линейных алгебраических уравнений (СЛАУ).

Ранг матрицы и элементарные преобразования

Мы продолжаем наш курс «Теория матриц». В прошлых статьях мы научились умножать матрицы, вычислять определители и даже находить обратные матрицы. Казалось бы, инструментарий полон. Но есть одна проблема.

Определители и обратные матрицы существуют только для квадратных матриц. Но в реальной жизни и в математических моделях мы часто сталкиваемся с прямоугольными таблицами данных, где количество уравнений не совпадает с количеством неизвестных. Как оценить «информативность» такой матрицы? Как понять, сколько в ней на самом деле уникальных строк, а сколько — просто дублируют информацию?

Здесь на сцену выходит понятие ранга матрицы. Это фундаментальная характеристика, которая ответит на вопрос: «Сколько независимых уравнений содержится в нашей системе?». А чтобы научиться находить ранг, нам придется освоить элементарные преобразования — технику, которая превращает сложные матрицы в простые и понятные.

Линейная зависимость: интуитивное понимание

Прежде чем дать строгое определение ранга, давайте разберемся с понятием линейной зависимости.

Представьте, что вы составляете список покупок.

Хлеб

Молоко

Хлеб и Молоко (вместе)

Третий пункт в этом списке лишний. Он не несет новой информации, так как является суммой первых двух. В математике мы бы сказали, что третья строка линейно зависит от первых двух.

В матрицах строки (или столбцы) — это векторы.

* Строки называются линейно зависимыми, если одну из них можно выразить через другие (сложив их или умножив на числа). * Строки называются линейно независимыми, если ни одну из них нельзя получить комбинацией остальных. Это «чистая», уникальная информация.

Что такое ранг матрицы?

Ранг матрицы — это число, равное максимальному количеству линейно независимых строк (или столбцов) в этой матрице.

Обозначается ранг как , или .

Где:

— ранг матрицы .

— количество строк матрицы.

— количество столбцов матрицы.

— минимальное из двух чисел и .

Это неравенство означает, что ранг не может быть больше количества строк или столбцов. Например, у матрицы ранг не может быть больше 3.

Почему это важно?

Если ранг матрицы меньше количества строк, значит, некоторые строки «лишние». В контексте систем уравнений это означает, что некоторые уравнения являются следствием других и их можно отбросить без потери смысла.

Элементарные преобразования матриц

Найти ранг, просто глядя на матрицу чисел, сложно. Нам нужен способ упростить матрицу так, чтобы ранг стал очевиден, но при этом само значение ранга не изменилось.

Такие действия называются элементарными преобразованиями. Они не меняют ранг матрицы.

Существует всего три типа таких преобразований:

1. Перестановка строк (или столбцов) местами

Если мы поменяем местами два уравнения в системе, суть системы не изменится. То же самое с матрицами.

Где:

— исходная матрица.

— знак эквивалентности (означает, что матрицы имеют одинаковый ранг, хотя они и не равны друг другу).

2. Умножение строки на число, не равное нулю

Мы можем умножить все элементы любой строки на одно и то же число .

Где:

— обозначение операции: первая строка (Row 1) умножается на 5.

3. Прибавление к одной строке другой строки, умноженной на число

Это самое мощное преобразование. Мы можем взять одну строку, умножить её (в уме) на число и прибавить результат к другой строке.

Формула изменения -й строки:

Где:

— новая -я строка.

— старая -я строка.

— любой коэффициент (число).

— другая строка (-я), которую мы используем для преобразования.

> Важно: При элементарных преобразованиях определитель матрицы может меняться (например, менять знак или умножаться на число), но ранг остается неизменным.

Метод Гаусса и ступенчатый вид

Чтобы найти ранг, мы используем элементарные преобразования для приведения матрицы к ступенчатому (трапециевидному) виду.

Матрица имеет ступенчатый вид, если:

Все нулевые строки (если они есть) находятся внизу.

Первый ненулевой элемент каждой следующей строки находится правее первого ненулевого элемента предыдущей строки.

!Визуализация ступенчатой формы матрицы, где элементы под главной диагональю обнулены.

Когда матрица приведена к такому виду, её ранг равен количеству ненулевых строк.

Алгоритм нахождения ранга (Метод Гаусса)

Рассмотрим алгоритм на конкретном примере. Пусть дана матрица :

Шаг 1. Обнуляем элементы в первом столбце под верхней единицей. Нам нужно получить нули на месте (где сейчас 2) и (где сейчас 3).

Для этого:

Из второй строки вычтем первую, умноженную на 2: .

Из третьей строки вычтем первую, умноженную на 3: .

Считаем: * Новая 2-я строка: . * Новая 3-я строка: .

Получаем матрицу:

Шаг 2. Упорядочиваем строки. Мы видим нулевую строку посередине. По правилам ступенчатого вида, нулевые строки должны быть внизу. Поменяем местами вторую и третью строки ().

Шаг 3. Анализ результата. Матрица имеет ступенчатый вид. * Первая строка: — ненулевая. * Вторая строка: — ненулевая. * Третья строка: — нулевая.

Количество ненулевых строк равно 2. Значит, ранг матрицы равен 2.

Где — найденный ранг.

Это означает, что в исходной матрице было только две независимые строки. Внимательный читатель мог заметить в самом начале, что вторая строка — это просто первая строка , умноженная на 2. Она не несла новой информации.

Ранг и определители (Метод окаймляющих миноров)

Существует и другой способ определения ранга — через миноры. Он удобен для небольших матриц или для теоретических доказательств.

Минор -го порядка — это определитель квадратной подматрицы размера , полученной вычеркиванием лишних строк и столбцов.

Определение ранга через миноры: Ранг матрицы равен наивысшему порядку минора, отличного от нуля.

Если , это значит:

Существует хотя бы один минор порядка , не равный нулю.

Все миноры порядка и выше равны нулю.

Вернемся к нашему примеру:

Найдем минор 2-го порядка (в левом верхнем углу):

Этот минор равен нулю. Это еще не значит, что ранг меньше 2. Нужно проверить другие.

Возьмем другой минор 2-го порядка (строки 2,3 и столбцы 2,3):

Минор не равен нулю! Значит, ранг как минимум 2.

Проверим минор 3-го порядка (определитель всей матрицы). Если вы его посчитаете, он будет равен 0 (так как строки 1 и 2 пропорциональны).

Вывод: Максимальный порядок ненулевого минора — 2. Ранг равен 2.

> Совет: На практике метод Гаусса (преобразование строк) работает намного быстрее, чем перебор всех возможных миноров, особенно для больших матриц.

Свойства ранга матрицы

Понимание свойств ранга поможет вам избежать ошибок при вычислениях.

Ранг транспонированной матрицы:

Ранг матрицы не меняется при транспонировании. Где — транспонированная матрица. Это означает, что количество независимых строк всегда равно количеству независимых столбцов.

Ранг произведения:

Ранг произведения матриц не превосходит ранга каждого из множителей. Где — произведение матриц и . Умножение матриц не может «создать» новую информацию, оно может только сохранить её или потерять (уменьшить ранг).

Ранг нулевой матрицы:

Если матрица состоит только из нулей, её ранг равен 0.

Заключение

Сегодня мы познакомились с понятием ранга матрицы и научились его вычислять с помощью элементарных преобразований. Мы выяснили, что ранг — это индикатор «настоящего» размера системы, очищенного от дублирующей информации.

Эти знания станут фундаментом для следующей, критически важной темы нашего курса. В следующей статье мы наконец ответим на главный вопрос линейной алгебры: как решать системы линейных уравнений, используя теорему Кронекера-Капелли, которая напрямую опирается на понятие ранга.

Системы линейных алгебраических уравнений: методы Крамера, Гаусса и матричный метод

Мы подошли к кульминации нашего курса. Все предыдущие темы — операции над матрицами, определители, обратные матрицы и ранг — были подготовкой к этому моменту. Сегодня мы научимся решать Системы Линейных Алгебраических Уравнений (СЛАУ).

СЛАУ встречаются повсюду: от расчета электрических цепей и балансировки химических реакций до сложнейших экономических моделей и 3D-графики. Если вы можете свести задачу к системе уравнений, вы можете её решить. И матрицы — лучший инструмент для этого.

В этой статье мы разберем три классических метода решения: Матричный метод, метод Крамера и метод Гаусса.

Что такое СЛАУ?

Система линейных алгебраических уравнений — это набор уравнений, в которых каждое неизвестное входит только в первой степени (нет , , и т.д.).

Общий вид системы из уравнений с неизвестными:

Где:

— неизвестные переменные, которые нужно найти.

— коэффициенты при неизвестных (числа).

— свободные члены (числа в правой части).

Эту громоздкую запись можно упаковать в элегантное матричное уравнение:

Где:

— матрица коэффициентов системы (размером ).

— вектор-столбец неизвестных (размером ).

— вектор-столбец свободных членов (размером ).

— операция умножения матриц.

!Наглядное представление того, как система уравнений превращается в матричное равенство

Когда система имеет решение?

Прежде чем бросаться решать систему, полезно знать, есть ли у нее решение вообще. Здесь нам помогает теорема Кронекера-Капелли, основанная на понятии ранга матрицы, которое мы изучили в прошлой статье.

> Система совместна (имеет хотя бы одно решение) тогда и только тогда, когда ранг матрицы коэффициентов равен рангу расширенной матрицы .

Расширенная матрица — это матрица , к которой справа приписали столбец свободных членов .

Метод 1: Матричный метод (через обратную матрицу)

Этот метод напрямую вытекает из матричного уравнения . Он работает только для квадратных систем (число уравнений равно числу неизвестных, ) и только если определитель матрицы системы не равен нулю (матрица невырожденная).

Алгоритм

Если мы умножим уравнение слева на обратную матрицу , мы получим:

Где:

— обратная матрица к матрице коэффициентов.

— исходные матрицы уравнения.

Так как (единичная матрица), а , то формула решения выглядит так:

Где:

— искомый вектор неизвестных.

— обратная матрица.

— вектор свободных членов.

Пример

Решим систему:

Где — неизвестные, а числа — коэффициенты.

Шаг 1. Запишем матрицы.

Шаг 2. Найдем определитель .

Где — определитель матрицы . Так как , метод применим.

Шаг 3. Найдем обратную матрицу . Используем формулу для матрицы (меняем элементы главной диагонали местами, у побочной меняем знаки, делим на определитель):

Шаг 4. Умножим на .

Считаем: - -

Ответ: .

Метод 2: Метод Крамера

Метод Крамера также применим только для квадратных систем с ненулевым определителем. Он не требует нахождения обратной матрицы, но требует вычисления множества определителей.

Формулы Крамера

Если определитель основной матрицы системы , то неизвестные находятся по формулам:

Где:

— -я неизвестная переменная.

(дельта) — определитель основной матрицы системы .

— вспомогательный определитель, который получается из матрицы путем замены -го столбца на столбец свободных членов .

Пример (та же система)

1. Главный определитель :

2. Вспомогательный определитель (для ): Заменяем первый столбец на столбец свободных членов .

3. Вспомогательный определитель (для ): Заменяем второй столбец на .

4. Находим корни:

Ответ: . Результат совпал!

Метод 3: Метод Гаусса (Метод последовательного исключения неизвестных)

Это самый мощный и универсальный метод. В отличие от двух предыдущих, он работает:

Для систем любой формы (прямоугольных, где уравнений больше или меньше, чем неизвестных).

Даже если определитель равен нулю.

Он вычислительно эффективнее для больших систем.

Суть метода: с помощью элементарных преобразований (которые мы изучили в теме «Ранг матрицы») привести расширенную матрицу системы к ступенчатому (треугольному) виду. После этого система решается «с конца» — обратным ходом.

[VISUALIZATION: Иллюстрация процесса метода Гаусса. Слева исходная матрица, стрелка с надписью