Формула решения матрицы. Типовые примеры действия над матрицами. Примеры решения матриц мы сделали в виде видеоурока
ОПРЕДЕЛЕНИЕ МАТРИЦЫ. ВИДЫ МАТРИЦ
Матрицей размером m ×n называется совокупность m·n чисел, расположенных в виде прямоугольной таблицы из m строк и n столбцов. Эту таблицу обычно заключают в круглые скобки. Например, матрица может иметь вид:
Для краткости матрицу можно обозначать одной заглавной буквой, например, А или В .
В общем виде матрицу размером m ×n записывают так
.
Числа, составляющие матрицу, называются элементами матрицы . Элементы матрицы удобно снабжать двумя индексами a ij : первый указывает номер строки, а второй – номер столбца. Например, a 23 – элемент стоит во 2-ой строке, 3-м столбце.
Если в матрице число строк равно числу столбцов, то матрица называется квадратной , причём число ее строк или столбцов называется порядком матрицы. В приведённых выше примерах квадратными являются вторая матрица – её порядок равен 3, и четвёртая матрица – её порядок 1.
Матрица, в которой число строк не равно числу столбцов, называется прямоугольной . В примерах это первая матрица и третья.
Различаются также матрицы, имеющие только одну строку или один столбец.
Матрица, у которой всего одна строка , называется матрицей – строкой (или строковой), а матрица, у которой всего один столбец, матрицей – столбцом .
Матрица, все элементы которой равны нулю, называется нулевой и обозначается (0), или просто 0. Например,
.
Главной диагональю квадратной матрицы назовём диагональ, идущую из левого верхнего в правый нижний угол.
Квадратная матрица, у которой все элементы, лежащие ниже главной диагонали, равны нулю, называется треугольной матрицей.
.
Квадратная матрица, у которой все элементы, кроме, быть может, стоящих на главной диагонали, равны нулю, называется диагональной матрицей. Например, или .
Диагональная матрица, у которой все диагональные элементы равны единице, называется единичной матрицей и обозначается буквой E. Например, единичная матрица 3-го порядка имеет вид .
ДЕЙСТВИЯ НАД МАТРИЦАМИ
Равенство матриц . Две матрицы A и B называются равными, если они имеют одинаковое число строк и столбцов и их соответствующие элементы равны a ij = b ij . Так если и , то A=B , если a 11 = b 11 , a 12 = b 12 , a 21 = b 21 и a 22 = b 22 .
Транспонирование . Рассмотрим произвольную матрицу A из m строк и n столбцов. Ей можно сопоставить такую матрицу B из n строк и m столбцов, у которой каждая строка является столбцом матрицы A с тем же номером (следовательно, каждый столбец является строкой матрицы A с тем же номером). Итак, если , то .
Эту матрицу B называют транспонированной матрицей A , а переход от A к B транспонированием .
Таким образом, транспонирование – это перемена ролями строк и столбцов матрицы. Матрицу, транспонированную к матрице A , обычно обозначают A T .
Связь между матрицей A и её транспонированной можно записать в виде .
Например. Найти матрицу транспонированную данной.
Сложение матриц. Пусть матрицы A и B состоят из одинакового числа строк и одинакового числа столбцов, т.е. имеют одинаковые размеры . Тогда для того, чтобы сложить матрицы A и B нужно к элементам матрицы A прибавить элементы матрицы B , стоящие на тех же местах. Таким образом, суммой двух матриц A и B называется матрица C , которая определяется по правилу, например,
Примеры. Найти сумму матриц:
Легко проверить, что сложение матриц подчиняется следующим законам: коммутативному A+B=B+A и ассоциативному (A+B )+C =A +(B+C ).
Умножение матрицы на число. Для того чтобы умножить матрицу A на число k нужно каждый элемент матрицы A умножить на это число. Таким образом, произведение матрицы A на число k есть новая матрица, которая определяется по правилу или .
Для любых чисел a и b и матриц A и B выполняются равенства:
Примеры.
Умножение матриц. Эта операция осуществляется по своеобразному закону. Прежде всего, заметим, что размеры матриц–сомножителей должны быть согласованы. Перемножать можно только те матрицы, у которых число столбцов первой матрицы совпадает с числом строк второй матрицы (т.е. длина строки первой равна высоте столбца второй). Произведением матрицы A не матрицу B называется новая матрица C=AB , элементы которой составляются следующим образом:
Таким образом, например, чтобы получить у произведения (т.е. в матрице C ) элемент, стоящий в 1-ой строке и 3-м столбце c 13 , нужно в 1-ой матрице взять 1-ую строку, во 2-ой – 3-й столбец, и затем элементы строки умножить на соответствующие элементы столбца и полученные произведения сложить. И другие элементы матрицы-произведения получаются с помощью аналогичного произведения строк первой матрицы на столбцы второй матрицы.
В общем случае, если мы умножаем матрицу A = (a ij) размера m ×n на матрицу B = (b ij) размера n ×p , то получим матрицу C размера m ×p , элементы которой вычисляются следующим образом: элемент c ij получается в результате произведения элементов i -ой строки матрицы A на соответствующие элементы j -го столбца матрицы B и их сложения.
Из этого правила следует, что всегда можно перемножать две квадратные матрицы одного порядка, в результате получим квадратную матрицу того же порядка. В частности, квадратную матрицу всегда можно умножить саму на себя, т.е. возвести в квадрат.
Другим важным случаем является умножение матрицы–строки на матрицу–столбец, причём ширина первой должна быть равна высоте второй, в результате получим матрицу первого порядка (т.е. один элемент). Действительно,
.
Примеры.
Таким образом, эти простые примеры показывают, что матрицы, вообще говоря, не перестановочны друг с другом, т.е. A∙B ≠ B∙A . Поэтому при умножении матриц нужно тщательно следить за порядком множителей.
Можно проверить, что умножение матриц подчиняется ассоциативному и дистрибутивному законам, т.е. (AB)C=A(BC) и (A+B)C=AC+BC .
Легко также проверить, что при умножении квадратной матрицы A на единичную матрицу E того же порядка вновь получим матрицу A , причём AE=EA=A .
Можно отметить следующий любопытный факт. Как известно произведение 2-х отличных от нуля чисел не равно 0. Для матриц это может не иметь места, т.е. произведение 2-х не нулевых матриц может оказаться равным нулевой матрице.
Например , если , то
.
ПОНЯТИЕ ОПРЕДЕЛИТЕЛЕЙ
Пусть дана матрица второго порядка – квадратная матрица, состоящая из двух строк и двух столбцов .
Определителем второго порядка , соответствующим данной матрице, называется число, получаемое следующим образом: a 11 a 22 – a 12 a 21 .
Определитель обозначается символом .
Итак, для того чтобы найти определитель второго порядка нужно из произведения элементов главной диагонали вычесть произведение элементов по второй диагонали.
Примеры. Вычислить определители второго порядка.
Аналогично можно рассмотреть матрицу третьего порядка и соответствующий ей определитель.
Определителем третьего порядка , соответствующим данной квадратной матрице третьего порядка, называется число, обозначаемое и получаемое следующим образом:
.
Таким образом, эта формула даёт разложение определителя третьего порядка по элементам первой строки a 11 , a 12 , a 13 и сводит вычисление определителя третьего порядка к вычислению определителей второго порядка.
Примеры. Вычислить определитель третьего порядка.
Аналогично можно ввести понятия определителей четвёртого, пятого и т.д. порядков, понижая их порядок разложением по элементам 1-ой строки, при этом знаки "+" и "–" у слагаемых чередуются.
Итак, в отличие от матрицы, которая представляют собой таблицу чисел, определитель это число, которое определённым образом ставится в соответствие матрице.
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.
Занятие № 1. Матрицы. Операции над матрицами.
1. Что называется матрицей.
2. Какие две матрицы называются равными.
3. Какая матрица называется квадратной, диагональной, единичной.
4. Как выполнить операции сложения матриц и умножение матрицы на число.
5. Для каких матриц вводится операция умножения и правило ее выполнения.
6. Какие преобразования над матрицами являются элементарными.
7. Какую матрицу называют канонической.
Типовые примеры Действия над матрицами
Задача № 1. Даны матрицы
Найти матрицу D=
(1)
Решение. По определению произведения матрица на число получаем:
D=
Задача № 2 . Найти произведение АВ двух квадратных матриц:
Решение. Обе матрицы являются квадратными матрицами 2-го порядка. Такие матрицы можно умножить, используя формулу
Формула (2) имеет следующий смысл: чтобы получить элемент матрицы С = АВ, стоящий на пересечении строки истолбца нужно взять сумму произведений элементов-ой строки матрицы А на соответствующие элементы-го столбца матрицы В.
В соответствии с формулой (2) найдем:
Следовательно, произведение С = АВ будет иметь вид:
Задача № 3. Найти произведение АВ и ВА матриц:
Решение. Согласно формуле (2),элементы матриц АВ и ВА будут иметь вид:
Вывод: Сравнивая матрицы АВ и ВА и пользуясь определением равенства матриц, делаем вывод, что АВВА, т. е. умножение матриц не подчиняется переместительному закону.
Задача
№ 4
(устно). Даны матрицы
Существуют ли произведения (в скобках
даны правильные ответы): АВ (да), ВА (нет),
АС (да), СА (нет), АВС (нет), АСВ (да), СВА
(нет).
Задача № 5. Найти произведение АВ и ВА двух матриц вида:
Решение.
Приведенные матрицы вида
следовательно, существуют произведения
АВ и ВА данных матриц, которые будут
иметь вид:
Задача № 6 . Найти произведение АВ матриц:
Ответ:
Задачи для самостоятельного решения:
Даны матрицы
Найти матрицу D=2А-4В+3С.
2. Найти произведения АВ и ВА квадратных матриц:
Найти произведение матриц:
Найти произведение матриц:
7. Найти произведение матриц:
8.Найти матрицу: В=6А 2 +8А, если
.
9. Дана матрица
.Найти
все матрицы В, перестановочные с матрицей
А.
10. Доказать, что если А - диагональная матрица и все элементы ее главной диагонали различны между собой, то любая матрица, перестановочная с А, тоже диагональная.
Занятие 2. Определители квадратных матриц и их вычисление. Обратная матрица.
Для усвоения практического материала нужно ответить на следующие теоретические вопросы:
Что называется определителем n-го порядка? Правила вычисления приn=1,2,3.
Свойства определителей.
Какая матрица называется невырожденной?
Какая матрица называется единичной?
Какая матрица называется обратной по отношению к данной?
Что является необходимым и достаточным условием для существования обратной матрицы?
Сформулировать правило нахождения обратной матрицы.
Ранг матрицы. Правила нахождения.
Типовые примеры Вычисление определителей
Задача
№ 1.
Вычислить определитель
:
а) по правилу треугольника;
б) с помощью разложения по первой строке;
в) преобразованием, используя свойства определителей.
в)
Задача
№ 2
. Найти минор и алгебраическое
дополнение элементаa 23
определителя
и вычислить его разложением по элементам
строки или столбца.
Решение.
М 23
;
А 23
Задача № 3. Вычислить определитель с помощью разложения по 2 строке:
Ответ:
Задача
№ 4.
Решить уравнение
Задача № 5. Вычислить определитель 4-го порядка разложением по элементам строки или столбца:
Это понятие, которое обобщает все возможные операции, производимые с матрицами. Математическая матрица - таблица элементов. О такой таблице, где m строк и n столбцов, говорят, что это матрица имеет размерность m на n .
Общий вид матрицы:
Для решения матриц необходимо понимать, что такое матрица и знать основные ее параметры. Основные элементы матрицы:
- Главная диагональ, состоящая из элементов а 11 ,а 22 …..а mn .
- Побочная диагональ, состоящая из элементов а 1n ,а 2n-1 …..а m1 .
Основные виды матриц:
- Квадратная - такая матрица, где число строк = числу столбцов (m=n ).
- Нулевая - где все элементы матрицы = 0.
- Транспонированная матрица — матрица В , которая была получена из исходной матрицы A путем замены строк на столбцы.
- Единичная - все элементы главной диагонали = 1, все остальные = 0.
- Обратная матрица — матрица, при умножении на которую исходная матрица даёт в результате единичную матрицу.
Матрица может быть симметричной относительно главной и побочной диагонали. Т.е., если а 12 =а 21 , а 13 =а 31 ,….а 23 =а 32 …. а m-1n =а mn-1 , то матрица симметрична относительно главной диагонали. Симметричными могут быть лишь квадратные матрицы.
Методы решения матриц.
Почти все методы решения матрицы заключаются в нахождении ее определителя n -го порядка и большинство из них довольно громоздки. Чтобы найти определитель 2го и 3го порядка есть другие, более рациональные способы.
Нахождение определителей 2-го порядка.
Для вычисления определителя матрицы А 2го порядка, необходимо из произведения элементов главной диагонали вычесть произведение элементов побочной диагонали:
Методы нахождения определителей 3го порядка.
Ниже приведены правила для нахождения определителя 3го порядка.
Упрощенно правило треугольника, как одного из методов решения матриц , можно изобразить таким образом:
Другими словами, произведение элементов в первом определителе, которые соединены прямыми, берется со знаком "+"; так же, для 2го определителя - соответствующие произведения берутся со знаком "-", то есть по такой схеме:
При решении матриц правилом Саррюса , справа от определителя дописывают первые 2 столбца и произведения соответствующих элементов на главной диагонали и на диагоналях, которые ей параллельны, берут со знаком "+"; а произведения соответствующих элементов побочной диагонали и диагоналей, которые ей параллельны, со знаком "-":
Разложение определителя по строке или столбцу при решении матриц.
Определитель равен сумме произведений элементов строки определителя на их алгебраические дополнения. Обычно выбирают ту строку/столбец, в которой/ом есть нули. Строку либо столбец, по которой/ому ведется разложение, будут обозначать стрелкой.
Приведение определителя к треугольному виду при решении матриц.
При решении матриц методом приведения определителя к треугольному виду, работают так: с помощью простейших преобразований над строками либо столбцами, определитель становится треугольного вида и тогда его значение, в соответствии со свойствами определителя, будет равно произведению элементов, которые стоят на главной диагонали.
Теорема Лапласа при решении матриц.
Решая матрицы по теореме Лапласа, необходимо знать непосредственно саму теорему. Теорема Лапласа: Пусть Δ - это определитель n -го порядка. Выбираем в нем любые k строк (либо столбцов), при условии k ≤ n - 1 . В таком случае сумма произведений всех миноров k -го порядка, содержащихся в выбранных k строках (столбцах), на их алгебраические дополнения будет равна определителю.
Решение обратной матрицы.
Последовательность действий для решения обратной матрицы :
- Понять, квадратная ли данная матрица. В случае отрицательного ответа становится ясно, что обратной матрицы для нее не может быть.
- Вычисляем алгебраические дополнения.
- Составляем союзную (взаимную, присоединённую) матрицу C .
- Составляем обратную матрицу из алгебраических дополнений: все элементы присоединённой матрицы C делим на определитель начальной матрицы. Итоговая матрица будет искомой обратной матрицей относительно заданной.
- Проверяем выполненную работу: умножаем матрицу начальную и полученную матрицы, результатом должна стать единичная матрица.
Решение систем матриц.
Для решения систем матриц наиболее часто используют метод Гаусса.
Метод Гаусса — это стандартный способ решения систем линейных алгебраических уравнений (СЛАУ) и он заключается в том, что последовательно исключаются переменные, т.е., при помощи элементарных изменений систему уравнений доводят до эквивалентной системы треугольного вида и из нее, последовательно, начиная с последних (по номеру), находят каждый элемент системы.
Метод Гаусса является самым универсальным и лучшим инструментом для нахождения решения матриц. Если у системы бесконечное множество решений или система является несовместимой, то ее нельзя решать по правилу Крамера и матричным методом.
Метод Гаусса подразумевает также прямой (приведение расширенной матрицы к ступенчатому виду, т.е. получение нулей под главной диагональю) и обратный (получение нулей над главной диагональю расширенной матрицы) ходы. Прямой ход и есть метод Гаусса, обратный - метод Гаусса-Жордана. Метод Гаусса-Жордана отличается от метода Гаусса лишь последовательностью исключения переменных.
New Page 1Матричное 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.