Матрица — математическое понятие¶
Матрица — это прямоугольная таблица чисел, символов или выражений, расположенных в определённом порядке в строках и столбцах. Матрицы являются одним из основных объектов линейной алгебры и применяются в математике, физике, информатике, экономике и инженерии для записи и решения систем линейных уравнений, описания линейных преобразований и хранения данных.
¶Определение и обозначения
Матрица размера m × n (читается «m на n») содержит m строк и n столбцов. Элемент, стоящий на пересечении i-й строки и j-го столбца, обозначается $a_{ij}$. Матрица записывается как:
$$A = \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1} & a_{m2} & \cdots & a_{mn} \end{pmatrix}$$
Матрица с одинаковым числом строк и столбцов (m = n) называется квадратной. Матрица, состоящая из одной строки, — строкой, из одного столбца — столбцом. Матрица, все элементы которой равны нулю, — нулевой матрицей. Единичная матрица $E_n$ квадратного порядка n имеет единицы на главной диагонали и нули в остальных позициях.
¶Операции над матрицами
¶Сложение и умножение на число
Сложение определено для матриц одинакового размера: сумма $C = A + B$ содержит элементы $c_{ij} = a_{ij} + b_{ij}$. Умножение матрицы на скаляр k означает умножение каждого элемента на k: $(kA)_{ij} = k \cdot a_{ij}$.
¶Умножение матриц
Произведение $C = AB$ определено, если число столбцов A равно числу строк B. Если $A$ имеет размер $m × n$, а $B$ — $n × p$, то $C$ имеет размер $m × p$, причём:
$$c_{ij} = \sum_{k=1}^{n} a_{ik} b_{kj}$$
Умножение матриц в общем случае некоммутативно: $AB \neq BA$. При этом сохраняются ассоциативность $(AB)C = A(BC)$ и дистрибутивность $A(B + C) = AB + AC$.
¶Транспонирование
Транспонированная матрица $A^T$ получается заменой строк на столбцы: $(A^T)_{ij} = a_{ji}$. Свойства: $(A^T)^T = A$, $(AB)^T = B^T A^T$.
¶Определитель
Для квадратной матрицы определён определитель (детерминант) — число, вычисляемое по элементам матрицы. Для матрицы 2×2:
$$\det A = a_{11}a_{22} - a_{12}a_{21}$$
Для матриц большего порядка определитель вычисляется разложением по строке или столбцу. Определитель равен нулю тогда и только тогда, когда матрица вырождена, то есть необратима.
¶Обратная матрица
Квадратная матрица $A$ называется обратимой, если существует матрица $A^{-1}$ такая, что $AA^{-1} = A^{-1}A = E$. Обратная матрица существует лишь при $\det A \neq 0$. Для матрицы 2×2:
$$A^{-1} = \frac{1}{\det A} \begin{pmatrix} a_{22} & -a_{12} \\ -a_{21} & a_{11} \end{pmatrix}$$
Обратная матрица позволяет решать систему линейных уравнений $AX = B$ в виде $X = A^{-1}B$.
¶Способы решения систем линейных уравнений
Система линейных уравнений записывается в матричной форме $AX = B$, где $A$ — матрица коэффициентов, $X$ — столбец неизвестных, $B$ — столбец свободных членов. Основные методы решения:
- Метод Гаусса — последовательное приведение расширенной матрицы системы к ступенчатому виду.
- Правило Крамера — решение через отношение определителей, применимое при $\det A \neq 0$.
- Обратная матрица — $X = A^{-1}B$.
- Метод наименьших квадратов — для переопределённых систем, минимизирующий сумму квадратов отклонений.
¶Классификация матриц
| Тип | Определение |
|---|---|
| Квадратная | Число строк равно числу столбцов |
| Диагональная | Ненулевые элементы только на главной диагонали |
| Треугольная | Все элементы выше или ниже диагонали равны нулю |
| Симметричная | $A^T = A$ |
| Антисимметричная | $A^T = -A$ |
| Ортогональная | $A^T A = E$ |
| Единичная | Единицы на диагонали, нули в остальных позициях |
| Нулевая | Все элементы равны нулю |
| Ранговая | Ранг меньше минимального из размеров |
¶Матрицы в линейной алгебре
Ранг матрицы — максимальное число линейно независимых строк (или столбцов). Ранг определяет, имеет ли система решений и являются ли они единственными.
Собственные значения и собственные векторы квадратной матрицы $A$ определяются уравнением $Av = \lambda v$, где $\lambda$ — собственное значение, $v$ — соответствующий собственный вектор. Характеристический многочлен $\det(A - \lambda E) = 0$ позволяет найти собственные значения. Матричные показатели и разложения (например, Жорданова форма) опираются на эту теорию.
¶Применение
Матрицы используются в широком спектре областей:
- Линейная алгебра — основной инструмент для описания линейных отображений и систем уравнений.
- Компьютерная графика — аффинные и проективные преобразования (перенос, поворот, масштабирование, перспектива) задаются матрицами 3×3 и 4×4.
- Квантовая механика — операторы наблюдаемых представляются эрмитовыми матрицами, состояние системы — вектором в гильбертовом пространстве.
- Экономика и статистика — матрицы затрат, межотраслевого баланса (модель Л. В. Канторовича и В. В. Леонтьева), ковариационные матрицы.
- Искусственный интеллект — нейронные сети реализуют вычисления как последовательность матричных операций; тензорные вычислители оптимизируют их выполнение.
- Кодирование и связь — матрицы генераторов и проверки в линейных кодах, матрицы каналов связи.
- Механика сплошных сред — тензоры напряжений и деформаций записываются в виде матриц 3×3.
¶Историческая справка
Понятие матрицы в современном виде оформилось в трудах английских математиков Артура Кэли и Джеймса Сильвестра в XIX веке. Кэли ввёл обозначение матрицы и разработал теорию матричных уравнений. Развитие теории матриц связано с именами Карла Вейерштрасса, Готфрида Лебега, Уильяма Гамильтона (кватернионы как матрицы) и других учёных. В XX веке матричный аппарат стал основой квантовой механики (работы Вернера Гейзенберга и Поля Дирака) и теории автоматического управления.
¶Источники
- Гантмахер Ф. Р. «Теория матриц».
- Ландау Л. Д., Лифшиц Е. М. «Теоретическая физика», т. 3: «Квантовая механика. Нерелятивистская теория».
- Курош А. Г. «Курс линейной алгебры».
- Прасолов В. В. «Задачи и теоремы линейной алгебры».
- Голуб Г., Ван Л. «Численные методы линейной алгебры».
