Умножение матриц. Действия с матрицами Какие матрицы можно умножать

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:

1. 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).
2. 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:

1. Что это за лютая дичь?
2. 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:

1. Берём $i$-ю строку в первой матрице;
2. Берём $j$-й столбец во второй матрице;
3. 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:

1. 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;
2. 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.
3. 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.

Матрицы представляют собой таблицы чисел, взаимосвязанных между собой. Над ними возможно проводить ряд разнообразных операций, о которых мы расскажем вам ниже.

Размер матрицы определяется её порядками - количеством строчек $m$ и столбцов $n$, которые в ней присутствуют. Строчки образованы элементами, стоящими на горизонтальных линиях, а столбцы - элементами, стоящими на прямых вертикальных линиях. В случае если количество строчек эквивалентно количеству столбцов - порядок рассматриваемой таблички определяется лишь одним значением $m = n$.

Замечание 1

Для любого элемента матрицы номер строчки, в которой он находится, записывается первым в индексе, а номер столбца - вторым, то есть запись $a_{ij}$ обозначает, что элемент стоит в $i$-ой строчке и в $j$-ом столбце.

Сложение и вычитание

Итак, о сложении и вычитании. Эти действия возможно проводить только с матрицами одинакового размера .

Для того чтобы осуществить эти действия, необходимо провести сложение или вычитание каждого элемента матрицы с элементом другой матрицы, стоящим на той же позиции, что элемент в первой.

В качестве примера найдём сумму $A+B$, где:

$A = \begin{pmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23}\\ a_{31} & a_{32} & a_{33} \\ \end{pmatrix}$

и $B = \begin{pmatrix} b_{11} & b_{12} & b_{13} \\ b_{21} & b_{22} & b_{23} \\ b_{31} & b_{32} & b_{33}\\ \end{pmatrix}$

Сумма любого элемента новой полученной матричной таблички $A + B$ равна $a_{ij} + b_{ij}$, например, элемент с индексом $11$ равен $a_{11} + b_{11}$,а весь результат целиком выглядит так:

$A + B = \begin{pmatrix} a_{11}+b_{11} & a_{12}+b_{12} & a_{13}+ b_{13} \\ a_{21}+ b_{21} & a_{22}+b_{22} & a_{23}+ b_{23} \\ a_{31}+ b_{31} & a_{32}+ b_{32} & a_{33} + b_{33} \\ \end{pmatrix}$

Вычитание для двух матриц $A-B$ осуществляется аналогично, но каждый элемент новой матрицы результата будет вычисляться по формуле $a_{ij} – b_{ij}$.

Обратите внимание, что сложение и вычитание для матриц возможно осуществлять только если их порядки одинаковые.

Пример 1

Решите следующие матричные примеры: $A + B$; $A – B$.

$A=\begin{pmatrix} 0 & 5 & 2 \\ 1 & -1 & 3 \\ -2 & 0 & 7 \\ \end{pmatrix}$

$B=\begin{pmatrix} 0 & 3 & 2 \\ -4 & 0 & -1 \\ 0 & 7 & -3 \\ \end{pmatrix}$

Объяснение:

Действия выполняем для каждой пары элементов $a_{ij}$ и $b_{ij}$ соответственно:

$A+B=\begin{pmatrix} 0+0 & 5+3 & 2+2 \\ 1-4 & -1+0 & 3 - 1\\ -2+0 & 0+7 & 7 - 3 \\ \end{pmatrix}=\begin{pmatrix} 0 & 8 & 4 \\ -3 & -1 & 2 \\ -2 & 7 & 4\\ \end{pmatrix}$

$A-B=\begin{pmatrix} 0-0 & 5-3 & 2-2 \\ 1+4 & -1-0 & 3 + 1\\ -2-0 & 0-7 & 7 + 3 \\ \end{pmatrix}=\begin{pmatrix} 0 & 2 & 0 \\ 5 & -1 & 4 \\ -2 & -7 & 10 \\ \end{pmatrix}$

Умножение матрицы на число

Для того чтобы произвести умножение матричной таблички на какое-либо число, нужно каждый её элемент умножить на это число, то есть любой элемент новой матрицы $C$, являющейся результатом произведения $A$ на $λ$ будет равен $с_{ij}=λ \cdot a_{ij}$.

Пример 2

Умножьте $A$ на $λ$, где $A=\begin{pmatrix} 1 & 0 & 2 \\ -1 & 3 & 0 \\ 2 & 1 & 3 \\ \end{pmatrix}$, а $λ=5$:

$A \cdot λ = 5 \cdot \begin{pmatrix} 1 & 0 & 2 \\ -1 & 3 & 0 \\ 2 & 1 & 3 \\ \end{pmatrix} = \begin{pmatrix} 1 \cdot 5 & 0 \cdot 5 & 2 \cdot 5 \\ -1 \cdot 5 & 3 \cdot 5 & 0 \cdot 5 \\ 2 \cdot 5 & 1\cdot 5 & 3\cdot 5 \\ \end{pmatrix} = \begin{pmatrix} 5 & 0 & 10 \\ -5 & 15 & 0 \\ 10 & 5 & 15 \\ \end{pmatrix}$.

Произведение матричных таблиц

Эта задача несколько сложнее предыдущих, но при этом в ней также нет ничего сложного.

Для осуществления умножения двух матриц $A \cdot B$ количество столбцов в $A$ должно совпадать с количеством строчек в $B$.

Математически это можно записать так:

$A_{m \times n}\cdot B_{n \times p} = С_{m \times p}$

То есть видя перемножаемые исходные матрицы можно сразу определить порядки получаемой новой. Например, если необходимо перемножить $A_{3 \times 2}$ и $B_{2 \times 3}$ - полученный результат будет иметь размер $3 \times 3$:

$\begin{pmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ a_{31} & a_{32} \\ \end{pmatrix} \times \begin{pmatrix} b_{11} & b_{12} &b_{13} \\ b_{21} & b_{22} & b_{23} \\ b_{31} & b_{32} &b_{33} \\ \end{pmatrix} = \begin{pmatrix} & & \\ & & \\ & & \\ \end{pmatrix}= \begin{pmatrix} (a_{11}b_{11} + a_{12}b_{21}) & (a_{11}b_{12} + a_{12}b_{22}) & (a_{11}b_{13} + a_{12}b_{23}) \\ (a_{21}b_{11} + a_{22}b_{21}) & (a_{21}b_{12} + a_{22}b_{22}) & (a_{11}b_{13} + a_{22}b_{23}) \\ (a_{31}b_{11} + a_{32}b_{21}) & (a_{31}b_{12} + a_{32}b_{22}) & (a_{31}b_{13} + a_{32}b_{23}) \\ \end{pmatrix}$

Если число столбцов первого матричного множителя не совпадает с количеством строчек второго матричного множителя, то умножение выполнить невозможно.

Пример 3

Решите пример:

$A \times B = ?$, если $A=\begin{pmatrix} 1 & 0 & 2 \\ -1 & 3 & 0 \\ 2 & 1 & 3 \\ \end{pmatrix}$ и $B = \begin{pmatrix} 3 & - 1 & 2 \\ -4 & 0 & 2 \\ 1 & 1 & 2 \\ \end{pmatrix}$.

$A \times B = \begin{pmatrix} (1 \cdot 3 + 0 \cdot (-4) + 2 \cdot 1) & (1 \cdot(-1) + 0 \cdot 0 + 2 \cdot 1) & (1 \cdot 2 + 0 \cdot 2 + 2 \cdot 2) \\ (-1) \cdot 3 + 3 \cdot (-4) + 0 \cdot 1) & (-1 \cdot(-1) + 3 \cdot 0 + 0 \cdot 1) & (-1 \cdot 2 + 3 \cdot 2 + 0 \cdot 2) \\ (2 \cdot 3 + 1 \cdot (-4) + 3 \cdot 1) & 2 \cdot (-1) + 1 \cdot 0 + 3 \cdot 1) & (2 \cdot 2 + 1 \cdot 2 + 3 \cdot 2) \\ \end{pmatrix} $

$A \times B= \begin{pmatrix} (3 + 0+ 2) & (-1 + 0 + 2) & (2 + 0 + 4) \\ (-3-12+0) & (1 + 0 + 0) & (-2+6+0) \\ (6-4+3) & (-2 + 0 + 3) & (4 + 2 + 6) \\ \end{pmatrix} = \begin{pmatrix} 5 & 1 & 6 \\ -15 & 1 & 4 \\ 5 & 1 & 12 \\ \end{pmatrix}$.

Нахождение определителя матрицы

Определитель матрицы обозначается как $Δ$ или $\det$.

Замечание 2

Детерминант возможно найти только для квадратных разновидностей матриц.

В простейшем случае, когда матрица состоит из всего одного элемента, её определитель равен этому элементу: $det A = |a_{11}|= a_{11}$

Вычислить определитель от матрицы порядка двух можно следуя такому правилу:

Определение 1

Определитель матрицы размера 2 равен разности произведений элементов, стоящих на главной диагонали с произведением элементов с побочной диагонали:

$\begin{array}{|cc|} a_{11}& a_{12} \\ a_{21} & a_{22} \\ \end{array} = a_{11} \cdot a_{22} – a_{12} \cdot a_{21}$

В случае если определитель матрицы задан размером $3 \times 3$, то найти его можно используя мнемонические правила: Саррюса или треугольников, также можно разложить матрицу по строчке или столбцу или воспользоваться преобразованиями Гаусса.

Для определителей большего размера можно использовать преобразования Гаусса и разложение по строчке.

Обратные матрицы

По аналогии с обычным умножением числа на обратное ему число $(1+\frac1x= 1)$, умножение обратной матрицы $A^{-1}$ на исходную матрицу даёт в результате единичную матрицу $E$.

Самый простой метод решения при поиске обратной матрицы - Жордана-Гаусса . Рядом с матрицей-подопытным кроликом записывается единичная того же размера, а затем исходная с помощью преобразований приводится к единичной, причём все выполняемые действия повторяются и с $E$.

Пример 4

Дана $A=\begin{pmatrix}{cc} 1& 2 \\ 3 & 4 \\ \end{pmatrix}$

Получить обратную матрицу.

Решение:

Пишем вместе $A$ и справа от неё соответствующего размера $E$:

$ \begin{array}{cc|cc} 1& 2 & 1& 0\\ 3 & 4& 0 & 1 \\ \end{array}$

Получаем нуль в последней строчке на первой позиции:прибавляем к ней верхнюю, умноженную на $-3$:

$ \begin{array}{cc|cc} 1& 2 & 1 & 0\\ 0 & -2 & -3 & 1 \\ \end{array}$

Теперь обнуляем последний элемент первой строчки. Для этого к верхней строчке плюсуем нижнюю:

$ \begin{array}{cc|cc} 1& 0 & -2 & 1\\ 0 & -2 & -3 & 1 \\ \end{array}$

Делим вторую на $-2$:

$ \begin{array}{cc|cc} 1& 0 & -2 & 1\\ 0 & 1& 3/2 & -1/2 \\ \end{array}$

Получили результат:

$A=\begin{pmatrix}{cc} -2& 1 \\ 3/2 & -1/2 \\ \end{pmatrix}$

Транспонирование матричных таблиц

Транспонирование - это смена строк и столбцов в матрице или определителе местами с сохранением их исходного порядка. Определитель траспонированной матричной таблички $A^T$ будет равен определителю исходной матрицы $A$.

Пример 5

Транспонируйте матрицу $A$ и проверьте себя, найдя определитель $A$ и транспонированной матричной таблички.

$A=\begin{pmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ - 1 & -2 & -3\\ \end{pmatrix}$

Решение:

Применим метод Саррюса для детерминанта:

$\det A= 1 \cdot 5 \cdot (-3) + 2 \cdot 6 \cdot (-1) + 3 \cdot 4 \cdot (-2) – 2 \cdot 4 \cdot (-3) – 1 \cdot 6 \cdot (-2) – 3 \cdot 5 \cdot (-1) = -15 – 12 – 24+ 24 + 12 + 15 = 0$.

Мы получили вырожденную матрицу.

Теперь произведём транспонирование $A$, для этого повалим матрицу на её правый бок:

$A^T = \begin{pmatrix} 1 & 4 & -1 \\ 2 & 5 & -2 \\ 3 & 6 & -3 \\ \end{pmatrix}$

Найдём для $A^T$ определитель, используя то же правило:

$det A^T = 1 \cdot 5 \cdot (-3) + 4 \cdot (-2) \cdot 3 + (-1) \cdot 2 \cdot 6 – 4 \cdot 2 \cdot (-3) – 1 \cdot (-2) \cdot 6 – (- 1) \cdot 5 \cdot 3 = - 15 -24 - 12+24+12+15 = 0$.

Определение 1

Произведение матриц (С= АВ) - операция только для согласованных матриц А и В, у которых число столбцов матрицы А равно числу строк матрицы В:

C ⏟ m × n = A ⏟ m × p × B ⏟ p × n

Пример 1

Даны матрицы:

• A = a (i j) размеров m × n ;
• B = b (i j) размеров p × n

Матрицу C , элементы c i j которой вычисляются по следующей формуле:

c i j = a i 1 × b 1 j + a i 2 × b 2 j + . . . + a i p × b p j , i = 1 , . . . m , j = 1 , . . . m

Пример 2

Вычислим произведения АВ=ВА:

А = 1 2 1 0 1 2 , В = 1 0 0 1 1 1

Решение, используя правило умножения матриц:

А ⏟ 2 × 3 × В ⏟ 3 × 2 = 1 2 1 0 1 2 × 1 0 0 1 1 1 = 1 × 1 + 2 × 0 + 1 × 1 1 × 0 + 2 × 1 + 1 × 1 0 × 1 + 1 × 0 + 2 × 1 0 × 0 + 1 × 1 + 2 × 1 = = 2 3 2 3 ⏟ 2 × 2

В ⏟ 3 × 2 × А ⏟ 2 × 3 = 1 0 0 1 1 1 × 1 2 1 0 1 2 = 1 × 1 + 0 × 0 1 × 2 + 0 × 1 1 × 1 + 0 × 2 0 × 1 + 1 × 0 0 × 2 + 1 × 1 0 × 1 + 1 × 2 1 × 1 + 1 × 0 1 × 2 + 1 × 1 1 × 1 + 1 × 2 = 1 2 1 0 1 2 1 3 3 ⏟ 3 × 3

Произведение А В и В А найдены, но являются матрицами разных размеров: А В не равна В А.

Свойства умножения матриц

Свойства умножения матриц:

• (А В) С = А (В С) - ассоциативность умножения матриц;
• А (В + С) = А В + А С - дистрибутивность умножения;
• (А + В) С = А С + В С - дистрибутивность умножения;
• λ (А В) = (λ А) В

Пример 1

Проверяем свойство №1: (А В) С = А (В С) :

(А × В) × А = 1 2 3 4 × 5 6 7 8 × 1 0 0 2 = 19 22 43 50 × 1 0 0 2 = 19 44 43 100 ,

А (В × С) = 1 2 3 4 × 5 6 7 8 1 0 0 2 = 1 2 3 4 × 5 12 7 16 = 19 44 43 100 .

Пример 2

Проверяем свойство №2: А (В + С) = А В + А С:

А × (В + С) = 1 2 3 4 × 5 6 7 8 + 1 0 0 2 = 1 2 3 4 × 6 6 7 10 = 20 26 46 58 ,

А В + А С = 1 2 3 4 × 5 6 7 8 + 1 2 3 4 × 1 0 0 2 = 19 22 43 50 + 1 4 3 8 = 20 26 46 58 .

Произведение трех матриц

Произведение трех матриц А В С вычисляют 2-мя способами:

• найти А В и умножить на С: (А В) С;
• либо найти сначала В С, а затем умножить А (В С) .

​​​​​Пример 3

Перемножить матрицы 2-мя способами:

4 3 7 5 × - 28 93 38 - 126 × 7 3 2 1

Алгоритм действий:

• найти произведение 2-х матриц;
• затем снова найти произведение 2-х матриц.

1). А В = 4 3 7 5 × - 28 93 38 - 126 = 4 (- 28) + 3 × 38 4 × 93 + 3 (- 126) 7 (- 28) + 5 × 38 7 × 93 + 5 (- 126) = 2 - 6 - 6 21

2). А В С = (А В) С = 2 - 6 - 6 21 7 3 2 1 = 2 × 7 - 6 × 2 2 × 3 - 6 × 1 - 6 × 7 + 21 × 2 - 6 × 3 + 21 × 1 = 2 0 0 3 .

Используем формулу А В С = (А В) С:

1). В С = - 28 93 38 - 126 7 3 2 1 = - 28 × 7 + 93 × 2 - 28 × 3 + 93 × 1 38 × 7 - 126 × 2 38 × 3 - 126 × 1 = - 10 9 14 - 12

2). А В С = (А В) С = 7 3 2 1 - 10 9 14 - 12 = 4 (- 10) + 3 × 14 4 × 9 + 3 (- 12) 7 (- 10) + 5 × 14 7 × 9 + 5 (- 12) = 2 0 0 3

Ответ: 4 3 7 5 - 28 93 38 - 126 7 3 2 1 = 2 0 0 3

Умножение матрицы на число

Определение 2

Произведение матрицы А на число k - это матрица В = А k того же размера, которая получена из исходной умножением на заданное число всех ее элементов:

b i , j = k × a i , j

Свойства умножения матрицы на число:

• 1 × А = А
• 0 × А = нулевая матрица
• k (A + B) = k A + k B
• (k + n) A = k A + n A
• (k × n) × A = k (n × A)

Пример 4

Найдем произведение матрицы А = 4 2 9 0 на 5.

5 А = 5 4 2 9 0 5 × 4 5 × 2 5 × 9 5 × 0 = 20 10 45 0

Умножение матрицы на вектор

Определение 3

Чтобы найти произведение матрицы и вектора, необходимо умножать по правилу «строка на столбец»:

• если умножить матрицу на вектор-столбец число столбцов в матрице должно совпадать с числом строк в векторе-столбце;
• результатом умножения вектора-столбца является только вектор-столбец:

А В = а 11 а 12 ⋯ а 1 n а 21 а 22 ⋯ а 2 n ⋯ ⋯ ⋯ ⋯ а m 1 а m 2 ⋯ а m n b 1 b 2 ⋯ b 1 n = a 11 × b 1 + a 12 × b 2 + ⋯ + a 1 n × b n a 21 × b 1 + a 22 × b 2 + ⋯ + a 2 n × b n ⋯ ⋯ ⋯ ⋯ a m 1 × b 1 + a m 2 × b 2 + ⋯ + a m n × b n = c 1 c 2 ⋯ c 1 m

• если умножить матрицу на вектор-строку, то умножаемая матрица должна быть исключительно вектором-столбцом, причем количество столбцов должно совпадать с количеством столбцов в векторе-строке:

А В = а а ⋯ а b b ⋯ b = a 1 × b 1 a 1 × b 2 ⋯ a 1 × b n a 2 × b 1 a 2 × b 2 ⋯ a 2 × b n ⋯ ⋯ ⋯ ⋯ a n × b 1 a n × b 2 ⋯ a n × b n = c 11 c 12 ⋯ c 1 n c 21 c 22 ⋯ c 2 n ⋯ ⋯ ⋯ ⋯ c n 1 c n 2 ⋯ c n n

Пример 5

Найдем произведение матрицы А и вектора-столбца В:

А В = 2 4 0 - 2 1 3 - 1 0 1 1 2 - 1 = 2 × 1 + 4 × 2 + 0 × (- 1) - 2 × 1 + 1 × 2 + 3 × (- 1) - 1 × 1 + 0 × 2 + 1 × (- 1) = 2 + 8 + 0 - 2 + 2 - 3 - 1 + 0 - 1 = 10 - 3 - 2

Пример 6

Найдем произведение матрицы А и вектора-строку В:

А = 3 2 0 - 1 , В = - 1 1 0 2

А В = 3 2 0 1 × - 1 1 0 2 = 3 × (- 1) 3 × 1 3 × 0 3 × 2 2 × (- 1) 2 × 1 2 × 0 2 × 2 0 × (- 1) 0 × 1 0 × 0 0 × 2 1 × (- 1) 1 × 1 1 × 0 1 × 2 = - 3 3 0 6 - 2 2 0 4 0 0 0 0 - 1 1 0 2

Ответ: А В = - 3 3 0 6 - 2 2 0 4 0 0 0 0 - 1 1 0 2

Если вы заметили ошибку в тексте, пожалуйста, выделите её и нажмите Ctrl+Enter