Как правильно читать матрицу. Действия с матрицами
Умножение
Умножение матриц (Произведение матриц):
Операция умножения двух матриц вводится только для случая, когда число столбцов первой матрицы равно числу строк второй матрицы .
Это условие не выполняется, произведение АВ не существует.
Произведение матрицы и вектора А b :
Скалярное произведение векторов ( b ,с):
Найти определитель матрицы А:
В частности, формула вычисления определителя матрицы
такова:= a 11 a 22 a 33 − a 11 a 23 a 32 − a 12 a 21 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 − a 13 a 22 a 31
2*(-4)*5 – 2*4*2 – (-2)*5*5 + (-2)*4*(-1) +(-1)*5*2 – (-1)*(-4)*(-1) = -40 – 16 +50 + 8 – 10 + 4 = -4
Найти обратную матрицу А -1:
Решение .
Определитель введенной Вами матрицы равен:
Определитель не равен нулю, следовательно обратная матрица существует.
Допишем к исходной матрице единичную матрицу справа.
Начнем приведение левой квадратной матрицы к единичному виду. При помощи элементарных преобразований уберем все коэффициенты ниже главной диагонали.
Приведем все коэффициенты выше главной диагонали к 0, при помощи элементарных преобразований.
Ответ .
Как уже ранее упоминалось, мы при помощи элементарных преобразований переместили единичную матрицу из правой части в левую, при этом не нарушив ни одного правила работы с матрица.
Квадратная матрица, которую Вы видите справа и есть обратная матрица к введенной Вами .
Решение системы уравнений Ах= b :
Условие
Найдем определитель главной матрицы, составленной из коэффициентов при X 1 - n:
Определитель главной матрицы системы уравнений не равен нулю, следовательно данная система уравнений имеет единственное решение. Найдем его. Достоим главный определитель системы уравнений еще одним столбцом, в который вставим значения за знаком равенства.
Теперь последовательно, при помощи элементарных преобразований преобразуем левую часть матрицы (3 × 3) до треугольного вида (обнулим все коэффициенты находящиеся не на главной диагонали, а коэффициенты на главной диагонали преобразуем до единиц).
Вычтем 1 - ую строку из всех строк, которые находятся ниже нее. Это действие не противоречит элементарным преобразованиям матрицы.
Вычтем 2 - ую строку из всех строк, которые находятся ниже нее. Это действие не противоречит элементарным преобразованиям матрицы.
Вычтем 3 - ую строку из всех строк, которые находятся выше нее. Это действие не противоречит элементарным преобразованиям матрицы.
Вычтем 2 - ую строку из всех строк, которые находятся выше нее. Это действие не противоречит элементарным преобразованиям матрицы.
Приведем все коэффициенты на главной диагонали матрицы к 1. Поделим каждую строку матрицы на коэффициент этой строки находящийся на главной диагонали, если он не равен 1.
Ответ .
Числа получившиеся правее единичной матрицы и будут решением Вашей системы уравнений.
Элементарные преобразования матрицы
Элементарными преобразованиями матрицы называются следующие преобразования: 1) умножение строки матрицы на число, отличное от нуля; 2) прибавление к одной строке матрицы другой строки; 3) перестановка строк; 4) вычеркивание (удаление) одной из одинаковых строк (столбцов); 5) транспонирование матрицы ;
Те же операции, применяемые для столбцов матрицы , также называются элементарными преобразованиями. С помощью элементарных преобразований можно к какой-либо строке или столбцу матрицы прибавить линейную комбинацию остальных строк (столбцов).
Начинаем решать вот такую систему уравнений методом Гаусса
Определитель основной матрицы равен -4
Хотим сделать элемент равным 1. Разделили всю строку 1 на элемент =2.
Сделали в 1 строке элемент 1 единичным.
Обнулим 1 столбец: Из 2 строки вычли 1 строку , умноженную на элемент =5.
Из 3 строки вычли 1 строку , умноженную на элемент =-1.
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
4.1.Матрицы. Операции над матрицами
Прямоугольной матрицей размера mxn называется совокупность mxn чисел, расположенных в виде прямоугольной таблицы, содержащей m строк и n столбцов. Мы будем записывать ее в виде
или сокращенно в виде A = (a i j) (i = ; j = ), числа a i j , называются ее элементами; первый индекс указывает на номер строки, второй - на номер столбца. A = (a i j) и B = (b i j) одинакового размера называются равными, если попарно равны их элементы, стоящие на одинаковых местах, то есть A = B, если a i j = b i j .
Матрица, состоящая из одной строки или одного столбца, называется соответственно -строкой или вектор-столбцом. Вектор-столбцы и вектор-строки называют просто векторами.
Матрица, состоящая из одного числа, отождествляется с этим числом. A размера mxn, все элементы которой равны нулю, называются нулевой и обозначается через 0. Элементы с одинаковыми индексами называют элементами главной диагонали. Если число строк равно числу столбцов, то есть m = n, то матрицу называют квадратной порядка n. Квадратные матрицы, у которых отличны от нуля лишь элементы главной диагонали, называются диагональными и записываются так:
.
Если все элементы a i i диагонали равны 1, то она называется единичной и обозначается буквой Е:
.
Квадратная матрица называется треугольной, если все элементы, стоящие выше (или ниже) главной диагонали, равны нулю. Транспонированием называется такое преобразование, при котором строки и столбцы меняются местами с сохранением их номеров. Обозначается транспонирование значком Т наверху.
Если в (4.1) переставим строки со столбцами, то получим
,
которая будет транспонированной по отношению к А. В частности, при транспонировании вектора-столбца получается вектор-строка и наоборот.
Произведением А на число b называется матрица, элементы которой получаются из соответствующих элементов А умножением на число b: b A = (b a i j).
Суммой А = (a i j) и B = (b i j) одного размера называется C = (c i j) того же размера, элементы которой определяются по формуле c i j = a i j + b i j .
Произведение АВ определяется в предположении, что число столбцов А равно числу строк В.
Произведением AB, где А = (a i j) и B = (b j k), где i = , j= , k= , заданных в определенном порядке АВ, называется С = (c i k), элементы которой определяются по следующему правилу:
c i k = a i 1 b 1 k + a i 2 b 2 k +... + a i m b m k = a i s b s k . (4.2)
Иначе говоря, элемент произведения AB определяются следующим образом: элемент i-й строки и k-го столбца С равен сумме произведений элементов i-й строки А на соответствующие элементы k-го столбца В.
Пример 2.1. Найти произведение AB и .
Решение. Имеем: А размера 2x3, В размера 3x3, тогда произведение АВ = С существует и элементы С равны
С 11 = 1×1 +2×2 + 1×3 = 8, с 21 = 3×1 + 1×2 + 0×3 = 5, с 12 = 1×2 + 2×0 + 1×5 = 7,
с 22 =3×2 + 1×0 + 0×5 = 6, с 13 = 1×3 + 2×1 + 1×4 = 9, с 23 = 3×3 + 1×1 + 0×4 = 10.
, а произведение BA не существует.
Пример 2.2. В таблице указано количество единиц продукции, отгружаемой ежедневно на молокозаводах 1 и 2 в магазины М 1 , М 2 и М 3 , причем доставка единицы продукции с каждого молокозавода в магазин М 1 стоит 50 ден. ед., в магазин М 2 - 70, а в М 3 - 130 ден. ед. Подсчитать ежедневные транспортные расходы каждого завода.
| Молокозавод |
|||
Решение. Обозначим через А матрицу, данную нам в условии, а через
В - матрицу, характеризующую стоимость доставки единицы продукции в магазины, т.е.,
,
Тогда матрица затрат на перевозки будет иметь вид:
.
Итак, первый завод ежедневно тратит на перевозки 4750 ден. ед., второй - 3680 ден.ед.
Пример 2.3. Швейное предприятие производит зимние пальто, демисезонные пальто и плащи. Плановый выпуск за декаду характеризуется вектором X = (10, 15, 23). Используются ткани четырех типов Т 1 , Т 2 , Т 3 , Т 4 . В таблице приведены нормы расхода ткани (в метрах) на каждое изделие. Вектор С = (40, 35, 24, 16) задает стоимость метра ткани каждого типа, а вектор P = (5, 3, 2, 2) - стоимость перевозки метра ткани каждого вида.
| Расход ткани |
||||
| Зимнее пальто |
||||
| Демисезонное пальто |
||||
1. Сколько метров ткани каждого типа потребуется для выполнения плана?
2. Найти стоимость ткани, расходуемой на пошив изделия каждого вида.
3. Определить стоимость всей ткани, необходимой для выполнения плана.
Решение. Обозначим через А матрицу, данную нам в условии, т. е.,
,
тогда для нахождения количества метров ткани, необходимой для выполнения плана, нужно вектор X умножить на матрицу А:
Стоимость ткани, расходуемой на пошив изделия каждого вида, найдем, перемножив матрицу А и вектор C T:
.
Стоимость всей ткани, необходимой для выполнения плана, определится по формуле:
Наконец, с учетом транспортных расходов вся сумма будет равна стоимости ткани, т. е. 9472 ден. ед., плюс величина
X А P T = 
.
Итак, X А C T + X А P T = 9472 + 1037 = 10509 (ден. ед).
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 )
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 матрицЕщё 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.
