New Page 1

Матричное исчисление для чайников. Урок 1 . Понятие матрицы.

Матричное исчисление (или матричная алгебра) - это раздел математики, который изучает матрицы. Матрицы присутствуют во многих расчетных задачах, например, решение систем линейных уравнений (когда их много), в задачах оптимизации и так далее. Поэтому очень важно знать и понимать этот раздел математики. Итак, сначала мы познакомимся с самим понятием матрицы.

Матрица - это просто таблица чисел. Сама обычная таблица. У нее есть строки и столбцы. Но есть еще и научное определение матрицы, его тоже надо знать. а звучит оно вот так: "Пусть дано некоторое числовое поле K. Тогда прямоугольную таблицу чисел из поля K :

будем называть матрицей ".

Тут использовано еще одно, может быть, незнакомое вам понятие - числовое поле. Давайте и с ним определимся. Итак, числовое поле - это любая совокупность чисел, в пределах которой выполнимы и однозначны четыре операции: сложение, вычитание, умножение и деление на число, отличное от нуля. Таким образом, к числовому полю принадлежать все нормальные числа, колесные, кстати, тоже (см. также циклы уроков и )). А вот если кто-нибудь изобретет какие-нибудь "экзотические" числа, для которых не будет хотя бы одного однозначно выполнимого из перечисленных четырех математических операций, то уже нельзя будет сказать, что эти числа принадлежат к числовому полю.

Если говорить простыми словами, то матрицей считается только таблица чисел, а также любых других математических объектов, которые можно нормально складывать, вычитать, умножать и делить. А вот если в таблицу поместить нечто, что нельзя, к примеру, складывать, то это будет уже не матрица. Дело в том, что над матрицами тоже можно делать некоторые математические действия, которые сводятся к действиям над входящими в матрицу числами. А если в матрице будут не числа, а невесть что, например, строки, или какие-нибудь экзотические объекты, то над такой таблицей мы уже не сможем произвести те математические операции, которые можем делать над матрицей.

Итак, давайте еще раз обсудим, что может быть внутри матрицы, а что нет. Могут быть числа, комплексные (так как их можно складывать, вычитать и делить). Могут быть функции и математические выражение, если результатом их вычисления будет число (или комплексное число). Действительно, если у нас есть некая функция и есть некая функция , результат вычисления которых "нормальное" число, то кто нам машет совершить операцию , или, например, ?

Числа n и m - это размеры матрицы, если они одинаковые, то такая матрица называется квадратной . В этом случае число n, равное m, называется порядком матрицы. В общем случае, когда m и n не равны, матрица называется прямоугольной . Числа, входящие в матрицу, называются элементами матрицы .

Рассмотрим, как матрица обозначается. В самом начале урока я показал общее обозначение матрицы. Существует еще упрощенное: , где i=1,2,3...m, j=1,2,3,... n. При двухиндексном обозначении элементов матрицы всегда первый индекс показывает номер строки, а второй - номер столбца.

Матрицу также обозначают одной буквой, например, A. Если A - это квадратная матрица порядка n, то можно записать

У квадратной матрицы может быть определитель. Определитель матрицы обозначают или . До определителей мы еще доберемся, сейчас я лишь вкратце скажу, что это такое. Итак, определитель (или детерминант) - это многочлен, комбинирующий элементы квадратной матрицы таким образом, что его значение сохраняется при транспонировании и линейных комбинациях строк или столбцов. Под транспонированием понимается "переворачивание" матрицы - строки становятся столбцами, а столбцы строками.

Существуют также особые виды матрицы, которые могут иметь отдельные обозначает. В частности, прямоугольную матрицу вида:

или, говоря иными словами, матрицу, состоящую из одного столбца, принято обозначать вот так . Такая матрица называется столбцевой . Матрица бывает также и строчной :

Обозначается она вот так:

Если все элементы квадратной матрицы, кроме главной диагонали, равны нулю:

То такая матрица называется диагональной . Обозначается она вот так.

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:

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).
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:

Что это за лютая дичь?
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:

Берём $i$-ю строку в первой матрице;
Берём $j$-й столбец во второй матрице;
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:

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;
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.
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.

Решение матриц – понятие обобщающее операции над матрицами. Под математической матрицей понимается таблица элементов. О подобной таблице, в которой m строк и n столбцов, говорят что это матрица размером m на n.
Общий вид матрицы

Основные элементы матрицы:
Главная диагональ . Её составляют элементы а 11 ,а 22 …..а mn
Побочная диагональ. Её слагают элементы а 1n ,а 2n-1 …..а m1 .
Перед тем как перейти к решению матриц рассмотрим основные виды матриц:
Квадратная – в которой число строк равно числу столбцов (m=n)
Нулевая – все элементы этой матрицы равны 0.
Транспонированная матрица - матрица В, полученная из исходной матрицы A заменой строк на столбцы.
Единичная – все элементы главной диагонали равны 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. То есть, 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 бывают только квадратные матрицы.
Теперь перейдем непосредственно к вопросу, как решать матрицы.

Сложение матриц.

Матрицы можно алгебраически складывать, если они обладают одинаковой размерностью. Чтобы сложить матрицу А с матрицей В, необходимо элемент первой строки первого столбца матрицы А сложить с первым элементом первой строки матрицы В, элемент второго столбца первой строки матрицы А сложить с элементом элемент второго столбца первой строки матрицы В и т.д.
Свойства сложения
А+В=В+А
(А+В)+С=А+(В+С)

Умножение матриц .

Матрицы можно перемножать, если они согласованы. Матрицы А и В считаются согласованными, если количество столбцов матрицы А равно количеству строк матрицы В.
Если А размерностью m на n, B размерностью n на к, то матрица С=А*В будет размерностью m на к и будет составлена из элементов

Где С 11 – сумма папарных произведений элементов строки матрицы А и столбца матрицы В, то есть элемента сумма произведения элемента первого столбца первой строки матрицы А с элементом первого столбца первой строки матрицы В, элемента второго столбца первой строки матрицы А с элементом первого столбца второй строки матрицы В и т.д.
При перемножении важен порядок перемножения. А*В не равно В*А.

Нахождение определителя.

Любая квадратная матрица может породить определитель или детерминант. Записывает det. Или | элементы матрицы |
Для матриц размерностью 2 на 2. Определить есть разница между произведением элементов главной и элементами побочной диагонали.

Для матриц размерностью 3 на 3 и более. Операция нахождения определителя сложнее.
Введем понятия:
Минор элемента – есть определитель матрицы, полученной из исходной матрицы, путем вычеркивания строки и столбца исходной матрицы, в которой этот элемент находился.
Алгебраическим дополнением элемента матрицы называется произведение минора этого элемента на -1 в степени суммы строки и столбца исходной матрицы, в которой этот элемент находился.
Определитель любой квадратной матрицы равен сумме произведения элементов любого ряда матрицы на соответствующие им алгебраические дополнения.

Обращение матрицы

Обращение матрицы - это процесс нахождения обратной матрицы, определение которой мы дали в начале. Обозначается обратная матрица также как исходная с припиской степени -1.
Находиться обратная матрица по формуле.
А -1 = A * T x (1/|A|)
Где A * T - Транспонированная матрица Алгебраических дополнений.

Примеры решения матриц мы сделали в виде видеоурока

:

Если хотите разобраться, смотрите обязательно.

Это основные операции по решению матриц. Если появится дополнительные вопросы о том, как решить матрицы , пишите смело в комментариях.

Если все же вы не смогли разобраться, попробуйте обратиться к специалисту.

В данной теме рассмотрим понятие матрицы, а также виды матриц. Так как в данной теме немало терминов, то я добавлю краткое содержание, чтобы ориентироваться в материале было проще.

Определение матрицы и её элемента. Обозначения.

Матрица - это таблица из $m$ строк и $n$ столбцов. Элементами матрицы могут быть объекты совершенно разнообразной природы: числа, переменные или, к примеру, иные матрицы. Например, матрица $\left(\begin{array} {cc} 5 & 3 \\ 0 & -87 \\ 8 & 0 \end{array} \right)$ содержит 3 строки и 2 столбца; элементами её являются целые числа. Матрица $\left(\begin{array} {cccc} a & a^9+2 & 9 & \sin x \\ -9 & 3t^2-4 & u-t & 8\end{array} \right)$ содержит 2 строки и 4 столбца.

Разные способы записи матриц: показать\скрыть

Матрица может быть записана не только в круглых, но и в квадратных или двойных прямых скобках. Т.е., указанные ниже записи означают одну и ту же матрицу:

$$ \left(\begin{array} {cc} 5 & 3 \\ 0 & -87 \\ 8 & 0 \end{array} \right);\;\; \left[ \begin{array} {cc} 5 & 3 \\ 0 & -87 \\ 8 & 0 \end{array} \right]; \;\; \left \Vert \begin{array} {cc} 5 & 3 \\ 0 & -87 \\ 8 & 0 \end{array} \right \Vert $$

Произведение $m\times n$ называют размером матрицы . Например, если матрица содержит 5 строк и 3 столбца, то говорят о матрице размера $5\times 3$. Матрица $\left(\begin{array}{cc} 5 & 3\\0 & -87\\8 & 0\end{array}\right)$ имеет размер $3 \times 2$.

Обычно матрицы обозначаются большими буквами латинского алфавита: $A$, $B$, $C$ и так далее. Например, $B=\left(\begin{array} {ccc} 5 & 3 \\ 0 & -87 \\ 8 & 0 \end{array} \right)$. Нумерация строк идёт сверху вниз; столбцов - слева направо. Например, первая строка матрицы $B$ содержит элементы 5 и 3, а второй столбец содержит элементы 3, -87, 0.

Элементы матриц обычно обозначаются маленькими буквами. Например, элементы матрицы $A$ обозначаются $a_{ij}$. Двойной индекс $ij$ содержит информацию о положении элемента в матрице. Число $i$ - это номер строки, а число $j$ - номер столбца, на пересечении которых находится элемент $a_{ij}$. Например, на пересечении второй строки и пятого столбца матрицы $A=\left(\begin{array} {cccccc} 51 & 37 & -9 & 0 & 9 & 97 \\ 1 & 2 & 3 & 41 & 59 & 6 \\ -17 & -15 & -13 & -11 & -8 & -5 \\ 52 & 31 & -4 & -1 & 17 & 90 \end{array} \right)$ расположен элемент $a_{25}=59$:

Точно так же на пересечении первой строки и первого столбца имеем элемент $a_{11}=51$; на пересечении третьей строки и второго столбца - элемент $a_{32}=-15$ и так далее. Замечу, что запись $a_{32}$ читается как "а три два", но не "а тридцать два".

Для сокращённого обозначения матрицы $A$, размер которой равен $m\times n$, используется запись $A_{m\times n}$. Можно записать и несколько более развёрнуто:

$$ A_{m\times n}=(a_{ij}) $$

где запись $(a_{ij})$ означает обозначение элементов матрицы $A$. В полностью развёрнутом виде матрицу $A_{m\times n}=(a_{ij})$ можно записать так:

$$ A_{m\times n}=\left(\begin{array}{cccc} a_{11} & a_{12} & \ldots & a_{1n} \\ a_{21} & a_{22} & \ldots & a_{2n} \\ \ldots & \ldots & \ldots & \ldots \\ a_{m1} & a_{m2} & \ldots & a_{mn} \end{array} \right) $$

Введём еще один термин - равные матрицы .

Две матрицы одинакового размера $A_{m\times n}=(a_{ij})$ и $B_{m\times n}=(b_{ij})$ называются равными , если их соответствующие элементы равны, т.е. $a_{ij}=b_{ij}$ для всех $i=\overline{1,m}$ и $j=\overline{1,n}$.

Пояснение к записи $i=\overline{1,m}$: показать\скрыть

Запись "$i=\overline{1,m}$" означает, что параметр $i$ изменяется от 1 до m. Например, запись $i=\overline{1,5}$ говорит о том, что параметр $i$ принимает значения 1, 2, 3, 4, 5.

Итак, для равенства матриц требуется выполнение двух условий: совпадение размеров и равенство соответствующих элементов. Например, матрица $A=\left(\begin{array}{cc} 5 & 3\\0 & -87\\8 & 0\end{array}\right)$ не равна матрице $B=\left(\begin{array}{cc} 8 & -9\\0 & -87 \end{array}\right)$, поскольку матрица $A$ имеет размер $3\times 2$, а размер матрицы $B$ составляет $2\times 2$. Также матрица $A$ не равна матрице $C=\left(\begin{array}{cc} 5 & 3\\98 & -87\\8 & 0\end{array}\right)$, поскольку $a_{21}\neq c_{21}$ (т.е. $0\neq 98$). А вот для матрицы $F=\left(\begin{array}{cc} 5 & 3\\0 & -87\\8 & 0\end{array}\right)$ можно смело записать $A=F$ поскольку и размеры, и соответствующие элементы матриц $A$ и $F$ совпадают.

Пример №1

Определить размер матрицы $A=\left(\begin{array} {ccc} -1 & -2 & 1 \\ 5 & 9 & -8 \\ -6 & 8 & 23 \\ 11 & -12 & -5 \\ 4 & 0 & -10 \\ \end{array} \right)$. Указать, чему равны элементы $a_{12}$, $a_{33}$, $a_{43}$.

Данная матрица содержит 5 строк и 3 столбца, поэтому размер её $5\times 3$. Для этой матрицы можно использовать также обозначение $A_{5\times 3}$.

Элемент $a_{12}$ находится на пересечении первой строки и второго столбца, поэтому $a_{12}=-2$. Элемент $a_{33}$ находится на пересечении третьей строки и третьего столбца, поэтому $a_{33}=23$. Элемент $a_{43}$ находится на пересечении четвертой строки и третьего столбца, поэтому $a_{43}=-5$.

Ответ : $a_{12}=-2$, $a_{33}=23$, $a_{43}=-5$.

Виды матриц в зависимости от их размера. Главная и побочная диагонали. След матрицы.

Пусть задана некая матрица $A_{m\times n}$. Если $m=1$ (матрица состоит из одной строки), то заданную матрицу называют матрица-строка . Если же $n=1$ (матрица состоит из одного столбца), то такую матрицу называют матрица-столбец . Например, $\left(\begin{array} {ccccc} -1 & -2 & 0 & -9 & 8 \end{array} \right)$ - матрица-строка, а $\left(\begin{array} {c} -1 \\ 5 \\ 6 \end{array} \right)$ - матрица-столбец.

Если для матрицы $A_{m\times n}$ верно условие $m\neq n$ (т.е. количество строк не равно количеству столбцов), то часто говорят, что $A$ - прямоугольная матрица. Например, матрица $\left(\begin{array} {cccc} -1 & -2 & 0 & 9 \\ 5 & 9 & 5 & 1 \end{array} \right)$ имеет размер $2\times 4$, т.е. содержит 2 строки и 4 столбца. Так как количество строк не равно количеству столбцов, то эта матрица является прямоугольной.

Если для матрицы $A_{m\times n}$ верно условие $m=n$ (т.е. количество строк равно количеству столбцов), то говорят, что $A$ - квадратная матрица порядка $n$. Например, $\left(\begin{array} {cc} -1 & -2 \\ 5 & 9 \end{array} \right)$ - квадратная матрица второго порядка; $\left(\begin{array} {ccc} -1 & -2 & 9 \\ 5 & 9 & 8 \\ 1 & 0 & 4 \end{array} \right)$ - квадратная матрица третьего порядка. В общем виде квадратную матрицу $A_{n\times n}$ можно записать так:

$$ A_{n\times n}=\left(\begin{array}{cccc} a_{11} & a_{12} & \ldots & a_{1n} \\ a_{21} & a_{22} & \ldots & a_{2n} \\ \ldots & \ldots & \ldots & \ldots \\ a_{n1} & a_{n2} & \ldots & a_{nn} \end{array} \right) $$

Говорят, что элементы $a_{11}$, $a_{22}$, $\ldots$, $a_{nn}$ находятся на главной диагонали матрицы $A_{n\times n}$. Эти элементы называются главными диагональными элементами (или просто диагональными элементами). Элементы $a_{1n}$, $a_{2 \; n-1}$, $\ldots$, $a_{n1}$ находятся на побочной (второстепенной) диагонали ; их называют побочными диагональными элементами . Например, для матрицы $C=\left(\begin{array}{cccc}2&-2&9&1\\5&9&8& 0\\1& 0 & 4 & -7 \\ -4 & -9 & 5 & 6\end{array}\right)$ имеем:

Элементы $c_{11}=2$, $c_{22}=9$, $c_{33}=4$, $c_{44}=6$ являются главными диагональными элементами; элементы $c_{14}=1$, $c_{23}=8$, $c_{32}=0$, $c_{41}=-4$ - побочные диагональные элементы.

Сумма главных диагональных элементов называется следом матрицы и обозначается $\Tr A$ (или $\Sp A$):

$$ \Tr A=a_{11}+a_{22}+\ldots+a_{nn} $$

Например, для матрицы $C=\left(\begin{array} {cccc} 2 & -2 & 9 & 1\\5 & 9 & 8 & 0\\1 & 0 & 4 & -7\\-4 & -9 & 5 & 6 \end{array}\right)$ имеем:

$$ \Tr C=2+9+4+6=21. $$

Понятие диагональных элементов используется также и для неквадратных матриц. Например, для матрицы $B=\left(\begin{array} {ccccc} 2 & -2 & 9 & 1 & 7 \\ 5 & -9 & 8 & 0 & -6 \\ 1 & 0 & 4 & -7 & -6 \end{array} \right)$ главными диагональными элементами будут $b_{11}=2$, $b_{22}=-9$, $b_{33}=4$.

Виды матриц в зависимости от значений их элементов.

Если все элементы матрицы $A_{m\times n}$ равны нулю, то такая матрица называется нулевой и обозначается обычно буквой $O$. Например, $\left(\begin{array} {cc} 0 & 0 \\ 0 & 0 \\ 0 & 0 \end{array} \right)$, $\left(\begin{array} {ccc} 0 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{array} \right)$ - нулевые матрицы.

Пусть матрица $A_{m\times n}$ имеет такой вид:

Тогда данную матрицу называют трапециевидной . Она может и не содержать нулевых строк, но уж если они есть, то располагаются в низу матрицы. В более общем виде трапециевидную матрицу можно записать так:

Повторюсь, наличие нулевых строк в конце не является обязательным. Т.е. формально можно выделить такие условия для трапециевидной матрицы:

Все элементы, расположенные ниже главной диагонали, равны нулю.
Все элементы от $a_{11}$ до $a_{rr}$, лежащие на главной диагонали, не равны нулю: $a_{11}\neq 0, \; a_{22}\neq 0, \ldots, a_{rr}\neq 0$.
Либо все элементы последних $m-r$ строк равны нулю, либо $m=r$ (т.е. нулевых строк нету вообще).

Примеры трапециевидных матриц:

Перейдём к следующему определению. Матрицу $A_{m\times n}$ называют ступенчатой , если она удовлетворяет таким условиям:

Например, ступенчатыми матрицами будут:

Для сравнения, матрица $\left(\begin{array} {cccc} 2 & -2 & 0 & 1\\0 & 0 & 8 & 7\\0 & 0 & 4 & -7\\0 & 0 & 0 & 0 \end{array}\right)$ не является ступенчатой, поскольку у третьей строки нулевая часть такая же, как и у второй строки. Т.е., нарушается принцип "чем ниже строка - тем больше нулевая часть". Добавлю, что трапециевидная матрица есть частный случай ступенчатой матрицы.

Перейдём к следующему определению. Если все элементы квадратной матрицы, расположенные под главной диагональю, равны нулю, то такую матрицу называют верхней треугольной матрицей . Например, $\left(\begin{array} {cccc} 2 & -2 & 9 & 1 \\ 0 & 9 & 8 & 0 \\ 0 & 0 & 4 & -7 \\ 0 & 0 & 0 & 6 \end{array} \right)$ - верхняя треугольная матрица. Заметьте, что в определении верхней треугольной матрицы ничего не сказано про значения элементов, расположенных над главной диагональю или на главной диагонали. Они могут быть нулевыми или нет, - это несущественно. Например, $\left(\begin{array} {ccc} 0 & 0 & 9 \\ 0 & 0 & 0\\ 0 & 0 & 0 \end{array} \right)$ - тоже верхняя треугольная матрица.

Если все элементы квадратной матрицы, расположенные над главной диагональю, равны нулю, то такую матрицу называют нижней треугольной матрицей . Например, $\left(\begin{array} {cccc} 3 & 0 & 0 & 0 \\ -5 & 1 & 0 & 0 \\ 8 & 2 & 1 & 0 \\ 5 & 4 & 0 & 6 \end{array} \right)$ - нижняя треугольная матрица. Заметьте, что в определении нижней треугольной матрицы ничего не сказано про значения элементов, расположенных под или на главной диагонали. Они могут быть нулевыми или нет, - это неважно. Например, $\left(\begin{array} {ccc} -5 & 0 & 0 \\ 0 & 0 & 0\\ 0 & 0 & 9 \end{array} \right)$ и $\left(\begin{array} {ccc} 0 & 0 & 0 \\ 0 & 0 & 0\\ 0 & 0 & 0 \end{array} \right)$ - тоже нижние треугольные матрицы.

Квадратная матрица называется диагональной , если все элементы этой матрицы, не лежащие на главной диагонали, равны нулю. Пример: $\left(\begin{array} {cccc} 3 & 0 & 0 & 0 \\ 0 & -2 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 6 \end{array} \right)$. Элементы на главной диагонали могут быть любыми (равными нулю или нет), - это несущественно.

Диагональная матрица называется единичной , если все элементы этой матрицы, расположенные на главной диагонали, равны 1. Например, $\left(\begin{array} {cccc} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{array}\right)$ - единичная матрица четвёртого порядка; $\left(\begin{array} {cc} 1 & 0 \\ 0 & 1 \end{array}\right)$ - единичная матрица второго порядка.

Матрицы. Действия над матрицами. Свойства операций над матрицами. Виды матриц.

Матрицы (и соответственно математический раздел - матричная алгебра) имеют важное значение в прикладной математике, так как позволяют записать в достаточно простой форме значительную часть математических моделей объектов и процессов. Термин "матрица" появился в 1850 году. Впервые упоминались матрицы еще в древнем Китае, позднее у арабских математиков.

Матрицей A=A mn порядка m*n называется прямоугольная таблица чисел, содержащая m - строк и n - столбцов .

Элементы матрицы a ij , у которых i=j, называются диагональными и образуют главную диагональ .

Для квадратной матрицы (m=n) главную диагональ образуют элементы a 11 , a 22 ,..., a nn .

Равенство матриц.

A=B , если порядки матриц A и B одинаковы и a ij =b ij (i=1,2,...,m; j=1,2,...,n)

Действия над матрицами.

1. Сложение матриц - поэлементная операция

2. Вычитание матриц - поэлементная операция

3. Произведение матрицы на число - поэлементная операция

4. Умножение A*B матриц по правилу строка на столбец (число столбцов матрицы А должно быть равно числу строк матрицы B)

A mk *B kn =C mn причем каждый элемент с ij матрицы C mn равен сумме произведений элементов i-ой строки матрицы А на соответствующие элемеенты j-го столбца матрицы B , т.е.

Покажем операцию умножения матриц на примере

5. Возведение в степень

m>1 целое положительное число. А - квадратная матрица (m=n) т.е. актуально только для квадратных матриц

6. Транспонирование матрицы А. Транспонированную матрицу обозначают A T или A"

Строки и столбцы поменялись местами

Пример

Свойства опрераций над матрицами

(A+B)+C=A+(B+C)

λ(A+B)=λA+λB

A(B+C)=AB+AC

(A+B)C=AC+BC

λ(AB)=(λA)B=A(λB)

A(BC)=(AB)C

(λA)"=λ(A)"

(A+B)"=A"+B"

(AB)"=B"A"

Виды матриц

1. Прямоугольные: m и n - произвольные положительные целые числа

2. Квадратные: m=n

3. Матрица строка: m=1 . Например, (1 3 5 7) - во многих практических задачах такая матрица называется вектором

4. Матрица столбец: n=1 . Например

5. Диагональная матрица: m=n и a ij =0 , если i≠j . Например

6. Единичная матрица: m=n и

7. Нулевая матрица: a ij =0, i=1,2,...,m

j=1,2,...,n

8. Треугольная матрица: все элементы ниже главной диагонали равны 0.

9. Симметрическая матрица: m=n и a ij =a ji (т.е. на симметричных относительно главной диагонали местах стоят равные элементы), а следовательно A"=A

Например,

10. Кососимметрическая матрица: m=n и a ij =-a ji (т.е. на симметричных относительно главной диагонали местах стоят противоположные элементы). Следовательно, на главной диагонали стоят нули (т.к. при i=j имеем a ii =-a ii )

Ясно, A"=-A

11. Эрмитова матрица: m=n и a ii =-ã ii (ã ji - комплексно - сопряженное к a ji , т.е. если A=3+2i , то комплексно - сопряженное Ã=3-2i )