Что можно делать с матрицами
Знакомство с матрицами
Понятие и базовые операции.
Разработчики нейросетей говорят, что все нейросети — это просто бесконечное перемножение матриц. Мы решили разобраться, что это за матрицы и как их перемножать, а для этого пришлось полезть в линейную алгебру. И это оказалось не так сложно, как мы думали:
Вектор — это «кирпичик» линейной алгебры. На его основе мы переходим к понятию матрицы.
Что такое матрица
Если вектор — это строка с числами в определённом порядке, то матрица — это таблица с числами в определённом порядке. Как у любой таблицы, у матрицы есть столбцы и строки. В них сидят какие-то числа. Всё вместе — это математический объект, то есть в каких-то случаях всю эту таблицу можно рассматривать как единое целое и совершать с ним операции.
Матрицы принято обозначать большими буквами латинского алфавита вроде А, В, С, D и так далее.
Числа внутри матрицы называют элементами. Каждый элемент обозначается двумя цифрами: первая цифра указывает на строку, а вторая — на столбец. Это адрес числа внутри матрицы. Например, элемент А₂₃ означает, что нужное число находится во второй строке и третьем столбце. Нумерация элементов нужна для записи формул и устного объяснения того, где находится нужное число в матрице.
В матрице может находиться неограниченное количество строк, столбцов и элементов. Из-за этого матрицы бывают разных видов и могут обладать разными особенностями. Например, если в матрице совпадает число строк и столбцов, то такая матрица называется квадратной.
В этой статье и в следующих материалах мы будем рассматривать разные виды матрицы и постепенно изучим их особенности.
Общая схема матрицы 
Пример квадратной матрицы с пятью строками и столбцами. Записывается как матрица размера 5×5. В числовой матрице мы не нумеруем элементы — они закрепляются за числами по умолчанию. Например, элементу А₂₃ соответствует число три
Простые операции с матрицами
Вынесение минуса за пределы матрицы. Если внутри матрицы у большинства элементов знак минус, то часто это мешает расчётам или приводит к ошибкам. Чтобы этого избежать, от минуса избавляются. Для этого нужно вынести минус за пределы матрицы и изменить знак всех элементов внутри самой матрицы.
И наоборот: если внутри матрицы у большинства элементов знак минус и перед матрицей стоит минус, то минус можно внести в матрицу.
Выносим минус за пределы матрицы и получаем вместо двадцати одного отрицательного элемента — четыре 
Перед матрицей минус, и внутри у большинства элементов минус. Вносим минус в матрицу и делаем её удобной для дальнейших вычислений
Умножение матрицы на число. Для умножения матрицы на число достаточно каждый элемент матрицы умножить на это число.
Пример умножения матрицы на число
Транспонирование матрицы. Это операция, которая позже нам понадобится для решения матричных уравнений. Для транспонирования мы берём известную матрицу, меняем в ней местами строки со столбцами и получаем новую матрицу. Как бы поставили матрицу набок.
⚠️ При этом в матрице запрещено в произвольном порядке менять элементы. Зато можно полностью менять местами строки или столбцы. Если мы поменяем местами первую и вторую строку, то это останется прежняя матрица.
Схема транспонирования матриц: первая строка переходит в первый столбец, вторая строка — во второй столбец и так далее в зависимости от количества элементов матрицы 
Пример транспонирования. Транспонированная матрица обозначается буквой той же матрицы, из которой она получилась + надстрочечный индекс в виде печатной буквы «Т» 
Матрицу можно перетасовывать, но это нужно делать по правилам. Транспонирование — одно из таких правил
Сложение и вычитание матриц
Если в нескольких матрицах совпадает число строк и столбцов, то мы можем их складывать и вычитать. Для вычислений нам нужно поэлементно сложить или вычесть каждый элемент матриц: первый элемент первой матрицы складываем с первым элементом второй матрицы или вычитаем из него и так далее. В результате получаем новую матрицу.
Пример сложения двух прямоугольных матриц с тремя строками и двумя столбцами 
Пример вычитания двух матриц
Умножение матриц
Матрицы умножаются по принципу строка на столбец. Мы умножаем первую строку первой матрицы, на первый столбец второй матрицы, складываем результаты и получаем первый элемент новой матрицы. По аналогичной схеме вычисляем все остальные элементы. Звучит запутанно, поэтому идём по шагам:
Если нам нужно найти матрицу в квадрате, то мы умножаем эту матрицу на саму себя. Если нужна матрица в кубе — умножаем её на саму себя три раза и так далее в зависимости от количества степеней. Если в одной из матриц все элементы нули, то она считается нулевой и после умножения на другую матрицу даёт нулевую матрицу — это как нуль умноженный на число всегда даёт нуль.
Формула умножения матриц 
Пример умножения квадратных матриц размерностью 2×2
Что дальше
В следующий раз продолжим знакомиться с базовыми понятиями, которые нам понадобятся для решения матричных уравнений. А на сегодня Нео свободен 👽
От действий над матрицами к пониманию их сути…
Очень уважаю людей, которые имеют смелость заявить, что они что-то не понимают. Сам такой. То, что не понимаю, — обязательно должен изучить, осмыслить, понять. Статья «Математика на пальцах», и особенно матричная запись формул, заставили меня поделиться своим небольшим, но, кажется, немаловажным опытом работы с матрицами.
Лет эдак 20 назад довелось мне изучать высшую математику в вузе, и начинали мы с матриц (пожалуй, как и все студенты того времени). Почему-то считается, что матрицы — самая лёгкая тема в курсе высшей математики. Возможно — потому, что все действия с матрицами сводятся к знанию способов расчёта определителя и нескольких формул, построенных — опять же, на определителе. Казалось бы, всё просто. Но… Попробуйте ответить на элементарный вопрос — что такое определитель, что означает число, которое вы получаете при его расчёте? (подсказка: вариант типа «определитель — это число, которое находится по определённым правилам» не является правильным ответом, поскольку говорит о методе получения, а не о самой сути определителя). Сдаётесь? — тогда читаем дальше.
Сразу хочу сказать, что я не математик ни по образованию, ни по должности. Разве что мне интересна суть вещей, и я порой пытаюсь до них «докопаться». Так же было и с определителем: нужно было разобраться со множественной регрессией, а в этом разделе эконометрики практически всё делается через… матрицы, будь они неладны. Вот и пришлось мне самому провести небольшое исследование, поскольку ни один из знакомых математиков не дал внятного ответа на поставленный вопрос, изначально звучавший как «что такое определитель». Все утверждали, что определитель — это такое число, которое особым образом посчитано, и если оно равно нулю, то… В общем, как в любом учебнике по линейной алгебре. Спасибо, проходили.
Если какую-то идею придумал один человек, то другой человек должен быть в состоянии её понять (правда, для этого порой приходится вооружаться дополнительными знаниями). Обращение к «великому и могучему» поисковику показало, что «площадь параллелограмма равна модулю определителя матрицы, образованной векторами — сторонами параллелограмма». Говоря простым языком, если матрица — это способ записи системы уравнений, то каждое уравнение в отдельности описывает вектор. Построив из точки начала координат векторы, заданные в матрице, мы таким образом зададим в пространстве некоторую фигуру. Если наше пространство одномерное, то фигура — это отрезок; если двумерное — то фигура — параллелограмм, и так далее.
Получается, что для одномерного пространства определитель — это длина отрезка, для плоскости — площадь фигуры, для трёхмерной фигуры — её объём… дальше идут n-мерные пространства, вообразить которые нам не дано. Если объём фигуры (то есть определитель для матрицы 3*3) равен нулю, то это означает, что сама фигура не является трёхмерной (она может быть при этом двухмерной, одномерной или вообще представлять собой точку). Ранг матрицы — это истинная (максимальная) размерность пространства, для которого определитель не равен нулю.
Так, с определителем почти всё понятно: он определяет «объёмность» фигуры, образованной описанными системой уравнений векторами (хотя непонятно, почему его значение не зависит от того, имеем мы дело с исходной матрицей, или с транспонированной — возможно, транспонирование — это вид аффинного преобразования?). Теперь нужно разобраться с действиями над матрицами…
Если матрица — это система уравнений (а иначе зачем нам таблица каких-то цифр, не имеющих к реальности никакого отношения?), то мы можем с ней делать разные вещи. Например, можем сложить две строки одной и той же матрицы, или умножить строку на число (то есть каждый коэффициент строки умножаем на одно и то же число). Если у нас есть две матрицы с одинаковыми размерностями, то мы их можем сложить (главное, чтобы при этом мы не сложили бульдога с носорогом — но разве математики, разрабатывая теорию матриц, думали о таком варианте развития событий?). Интуитивно понятно, тем более что в линейной алгебре иллюстрациями подобных операций являются системы уравнений.
Однако в чём смысл умножения матриц? Как я могу умножить одну систему уравнений на другую? Какой смысл будет иметь то, что я получу в этом случае? Почему для умножения матриц неприменимо переместительное правило (то есть произведение матриц В*А не то что не равно произведению А*В, но и не всегда осуществимо)? Почему, если мы перемножим матрицу на вектор-столбец, то получим вектор-столбец, а если перемножим вектор-строку на матрицу, то получим вектор-строку?
Ну, тут уж не то что Википедия, — тут даже современные учебники по линейной алгебре бессильны дать какое-либо внятное объяснение. Поскольку изучение чего-либо по принципу «вы сначала поверьте — а поймёте потом» — не для меня, копаю в глубь веков (точнее — читаю учебники первой половины XX века) и нахожу интересную фразу…
Если совокупность обычных векторов, т.е. направленных геометрических отрезков, является трёхмерным пространством, то часть этого пространства, состоящая из векторов, параллельных некоторой плоскости, является двумерным пространством, а все векторы, параллельные некоторой прямой, образуют одномерное векторное пространство.
В книгах об этом напрямую не говорится, но получается, что векторам, параллельным некоторой плоскости, необязательно лежать на этой плоскости. То есть они могут находиться в трёхмерном пространстве где угодно, но если они параллельны именно этой плоскости, то они образуют двумерное пространство… Из приходящих мне на ум аналогий — фотография: трёхмерный мир представлен на плоскости, при этом вектору, параллельному матрице (или плёнке) фотоаппарата, будет соответствовать такой же вектор на картинке (при условии соблюдении масштаба 1:1). Отображение трёхмерного мира на плоскости «убирает» одно измерение («глубину» картинки). Если я правильно понял сложные математические концепции, перемножение двух матриц как раз и представляет собой подобное отражение одного пространства в другом. Поэтому, если отражение пространства А в пространстве В возможно, то допустимость отражения пространства В в пространстве А — не гарантируется.
Любая статья заканчивается в тот момент, когда автору надоедает её писать. Поскольку я не ставил перед собой цели объять необъятное, а исключительно хотел понять суть описанных операций над матрицами и то, как именно матрицы связаны с решаемыми мной системами уравнений, я не полез в дальнейшие дебри линейной алгебры, а вернулся к эконометрике и множественной регрессии, но сделал это уже более осознанно. Понимая, что и зачем я делаю и почему только так, а не иначе. То, что у меня получилось в этом материале, можно озаглавить как «глава о сути основных операций линейной алгебры, которую почему-то забыли напечатать в учебниках». Но ведь мы же не читаем учебников, правда? Если честно, когда я учился в университете, мне очень не хватало именно понимания затронутых здесь вопросов, поэтому я надеюсь, что, изложив этот непростой материал по возможности простыми словами, я делаю доброе дело и помогаю кому-то вникнуть в саму суть матричной алгебры, переведя операции над матрицами из раздела «камлание с бубном» в раздел «практические инструменты, применяемые осознанно».
Решение матриц методы решений и примеров для чайников, формулы вычислений и действий с матрицами
В высшей математике существует понятие матрицы системы чисел. С комбинацией элементов, заключённых в таблице, выполняют различные операции. Прежде чем переходить к решению матриц сложными методами, следует ознакомиться с понятием этого выражения и простейшими логическими операциями над ним.
Понятие выражения
Определение гласит, что матрица — это прямоугольная таблица с заключёнными в ней числами. Её название обозначается латинскими прописными буквами (А, В). Таблицы бывают разной размерности — прямоугольной, квадратной, а также в виде строк и столбцов.
От количества строк и столбцов будет зависеть величина таблицы. Матрица размера m*n означает, что в таблице содержится m строк и n столбцов. Допустим, первая строка включает элементы а11, а12, а13, вторая — а21, а22, а23. Тогда элементы, где i = j (а11, а22) образовывают диагональ и называются диагональными.
Различают комплексные матрицы, у которых хотя бы один элемент равен комплексному числу, и действительные, когда все её элементы являются действительными числами. В математике комплексные числа представлены в виде a+b*i, где:
На приведенном примере показаны варианты.
Простейшие действия с матрицами могут быть разными. К их числу относятся:
Сложение и вычитание
Действия по сложению возможны только тогда, когда матрицы одинакового порядка равны между собой. В итоге получится новое матричное выражение такой же размерности. Сложение и вычитание выполняются по общей схеме — над соответствующими элементами таблиц проводят необходимые операции. Например, нужно сложить две матрицы А и В размерности 2*2.
Каждый элемент первой строки складывается по порядку с показателями верхней строчки второй матрицы. По аналогии производится вычитание, только вместо плюса ставится минус.
Умножение на число
Любую таблицу чисел можно умножить на число. Тогда каждый её элемент перемножается с этим показателем. К примеру, умножим матричное выражение на 2:
Операция перемножения
Матрицы подлежат перемножению одна на другую, когда количество столбцов первой таблицы равно числу строк второй. Каждый элемент Aij будет равняться сумме произведений элементов i-строки первой таблицы, перемноженных на числа в j-столбце второй. Способ произведения наглядно представлен на примере.
Возведение в степень
Формулу возведения в степень применяют только для квадратных матричных выражений. При этом степень должна быть натуральной. Формула возведения следующая:
Иначе, чтобы выполнить операцию возведения таблицы чисел в степень n, требуется умножить её на себя саму n раз. Для операции возведения в степень удобно применять свойство в соответствии с формулой:
Решение представлено на примере. 1 этап: необходимо возвести в степень, где n = 2.
2 этап: сначала возводят в степень n =2. Согласно формуле перемножают таблицу чисел саму на себя n = 2 раз.
3 этап: в итоге получаем:
Расчёт определителя
В линейной алгебре существует понятие определителя или детерминанта. Это число, которое ставят в соответствие каждой квадратной матрице, вычисленное из её элементов по специальной формуле. Определитель или модуль используется для решения большинства задач. Детерминант самой простой матрицы определяется с помощью вычитания перемноженных элементов из побочной диагонали и главной.
Определителем матрицы А n-энного порядка называется число, которое получают из алгебраической суммы n! слагаемых, попадающих под определённые критерии. Эти слагаемые являются произведением n-элементов, взятых единично из всех столбов и строк.
Произведения могут отличаться друг от друга составом элементов. Со знаком плюс будут включаться в сумму числа, если их индексы составляют чётную подстановку, в противоположном случае их значение меняется на минус. Определитель обозначается символом det A. Круглые скобки матричной таблицы, обрамляющие её элементы, заменяются на квадратные. Формула определителя:
Определитель первого порядка, состоящий из одного элемента, равен самому этому элементу. Детерминант матричной таблицы размером 2*2 второго порядка вычисляется путём перемножения её элементов, расположенных на главной диагонали, и вычитания из них произведения элементов, находящихся в побочной диагонали. Наглядный пример:
Для матрицы также можно найти дискриминант многочлена, отвечающий формуле:
Когда у многочлена имеются кратные корни, тогда дискриминант равен нулю.
Обратная матрица
Прежде чем переходить к понятию обратного выражения матрицы, следует рассмотреть алгоритм её транспонирования. Во время операции строки и столбцы переставляются местами. На рисунке представлен метод решения:
По аналогии обратная матрица сходна с обратными числами. Например, противоположной цифре 5 будет дробь 1/5 = 5 (-1) степени. Произведение этих чисел равно 1, выглядит оно так: 5*5 (-1) = 1. Умножение обычной матричной таблицы на обратную даст в итоге единичную: А* А (-1) = Е. Это аналог числовой единицы.
Но для начала нужно понять алгоритм вычисления обратной матрицы. Для этого находят её определитель. Разработано два метода решения: с помощью элементарных преобразований или алгебраических дополнений.
Более простой способ решения — путём алгебраических дополнений. Рассмотрим матричную таблицу А, обратная ей А (-1) степени находится по формуле:
Матрица обратного вида возможна только для квадратного размера таблиц 2*2, 3*3 и т. д. Обозначается она надстроенным индексом (-1). Задачу легче рассмотреть на более простом примере, когда размер таблицы равен 2*2. На первом этапе выполняют действия:
2 этап: рассчитывают матрицу миноров, которая имеет те же значения, что и первоначальная. Под минором k-того порядка понимается определитель квадратной матрицы порядка k*k, составленный из её элементов, которые располагаются в выбранных k- столбцах и k-строках.
При этом расположение элементов таблицы не меняется. Чтобы найти минор верхнего левого числа, вычёркивают строчку и столбец, в которых прописан этот элемент. Оставшееся число и будет являться минором. На выходе должна получиться таблица:
3 этап: находят алгебраические дополнения.
4 этап: определяют транспонированную матрицу.
Проверка решения: чтобы удостовериться, что обратная таблица чисел найдена верно, следует выполнить проверочную операцию.
В рассматриваемом примере получается единичная матрица, когда на главной диагонали находятся единицы, при этом другие элементы равняются нулю. Это говорит о том, что решение было найдено правильно.
Нахождение собственных векторов
Определение собственного вектора и значений матричного выражения легче понять на примере. Для этого задают матричную таблицу чисел и ненулевой вектор Х, называемый собственным для А. Пример выражения:
Согласно теореме собственными числами матричного выражения будут корни характеристического уравнения:
Из однородной системы уравнений можно определить координаты собственного вектора Х, который соответствует значению лямбда.
Метод Гаусса
Методом Гаусса называют способ преобразования системы уравнений линейного вида к упрощённой форме для дальнейшего облегчённого решения. Операции упрощения уравнений выполняют с помощью эквивалентных преобразований. К таким относят:
Чтобы понять механизм решения, следует рассмотреть линейную систему уравнений.
Следует переписать эту систему в матричный вид:
А будет являться таблицей коэффициентов системы, b — это правая часть ограничений, а Х — вектор переменных координат, который требуется найти. Для решения используют ранг матрицы. Под ним понимают наивысший порядок минора, который отличается от 0.
В этом примере rang (A) = p. Способ эквивалентных преобразований не изменяет ранг таблицы коэффициентов.
Метод Гаусса предназначен для приведения матричной таблицы коэффициентов А к ступенчатому или диагональному виду. Расширенная система выглядит так:
Обращают внимание на последние строки.
В этом случае система уравнений имеет решение, но когда хотя бы одно из этих чисел отличается от нуля, она несовместима. Таким образом, система совместима, если ранг таблицы А равен расширенному рангу В (А|b).
Если rang А=rang (A|b), то существует множество решений, где n-p — многообразие. Из этого следует n-p неизвестных Хр+1,…Xn выбираются произвольно. Неизвестные X1, X2,…Xp вычисляют следующим образом: из последнего уравнения выражают Хр через остальные переменные, вставляя в предыдущие выражения. Затем из предпоследнего уравнения получают Хр-1 через прочие переменные и подставляют их в предыдущие выражения. Процедуру повторяют.
Найти быстро ответ и проверить себя позволяет онлайн-калькулятор. Решение матрицы методом Гаусса с помощью такого расчёта показывает подробные этапы операций. Для нахождения достаточно указать количество переменных и уравнений, отметить в полях значения чисел и нажать кнопку «Вычислить».
Способ Крамера
Метод Крамера используют для решения квадратной системы уравнений, представленной в линейном виде, где определитель основной матрицы не равен нулю. Считается, что система обладает единственным решением. Например, задана система линейных уравнений:
Её необходимо заменить равноценным матричным уравнением.
Второй столбец вычисляют, а первый уже задан. Есть предположение, что определитель матрицы отличен от нуля. Из этого можно сделать выводы, что существует обратная матрица. Перемножив эквивалентное матричное уравнение на обратного формата матрицу, получим выражение:
В итоге получают выражения:
Из представленных уравнений выделяют формулы Крамера:
Метод Крамера не представляет сложности. Он может быть описан следующим алгоритмом:
Проверить решение матрицы методом Крамера онлайн позволяет калькулятор автоматического расчёта. Для получения быстрого ответа в представленные поля подставляют переменные числа и их количество. Дополнительно может потребоваться указание вычислительного метода разложения по строке или столбу. Другой вариант заключается в приведении к треугольному виду.
Указывается также представление чисел в виде целого числа, обыкновенной или десятичной дроби. После введения всех предусмотренных параметров и нажатия кнопки «Вычислить» получают готовое решение.