Какими способами можно решить матрицу

Матричный метод решения СЛАУ: пример решения с помощью обратной матрицы

В данной статье мы расскажем о матричном методе решения системы линейных алгебраических уравнений, найдем его определение и приведем примеры решения.

Метод обратной матрицы — это метод, использующийся при решении СЛАУ в том случае, если число неизвестных равняется числу уравнений.

Найти решение системы n линейных уравнений с n неизвестными:

a 11 x 1 + a 12 x 2 + . . . + a 1 n x n = b 1 a n 1 x 1 + a n 2 x 2 + . . . + a n n x n = b n

Матричный вид записи: А × X = B

где А = а 11 а 12 ⋯ а 1 n а 21 а 22 ⋯ а 2 n ⋯ ⋯ ⋯ ⋯ а n 1 а n 2 ⋯ а n n — матрица системы.

X = x 1 x 2 ⋮ x n — столбец неизвестных,

B = b 1 b 2 ⋮ b n — столбец свободных коэффициентов.

Из уравнения, которое мы получили, необходимо выразить X . Для этого нужно умножить обе части матричного уравнения слева на A — 1 :

A — 1 × A × X = A — 1 × B .

Так как А — 1 × А = Е , то Е × X = А — 1 × В или X = А — 1 × В .

Обратная матрица к матрице А имеет право на существование только, если выполняется условие d e t A н е р а в е н н у л ю . Поэтому при решении СЛАУ методом обратной матрицы, в первую очередь находится d e t А .

В том случае, если d e t A н е р а в е н н у л ю , у системы имеется только один вариант решения: при помощи метода обратной матрицы. Если d e t А = 0 , то систему нельзя решить данным методом.

Пример решения системы линейных уравнений с помощью метода обратной матрицы

Решаем СЛАУ методом обратной матрицы:

2 x 1 — 4 x 2 + 3 x 3 = 1 x 1 — 2 x 2 + 4 x 3 = 3 3 x 1 — x 2 + 5 x 3 = 2

• Записываем систему в виде матричного уравнения А X = B , где

А = 2 — 4 3 1 — 2 4 3 — 1 5 , X = x 1 x 2 x 3 , B = 1 3 2 .

• Выражаем из этого уравнения X :

• Находим определитель матрицы А :

d e t A = 2 — 4 3 1 — 2 4 3 — 1 5 = 2 × ( — 2 ) × 5 + 3 × ( — 4 ) × 4 + 3 × ( — 1 ) × 1 — 3 × ( — 2 ) × 3 — — 1 × ( — 4 ) × 5 — 2 × 4 — ( — 1 ) = — 20 — 48 — 3 + 18 + 20 + 8 = — 25

d e t А не равняется 0, следовательно, для этой системы подходит метод решения обратной матрицей.

• Находим обратную матрицу А — 1 при помощи союзной матрицы. Вычисляем алгебраические дополнения А i j к соответствующим элементам матрицы А :

А 11 = ( — 1 ) ( 1 + 1 ) — 2 4 — 1 5 = — 10 + 4 = — 6 ,

А 12 = ( — 1 ) 1 + 2 1 4 3 5 = — ( 5 — 12 ) = 7 ,

А 13 = ( — 1 ) 1 + 3 1 — 2 3 — 1 = — 1 + 6 = 5 ,

А 21 = ( — 1 ) 2 + 1 — 4 3 — 1 5 = — ( — 20 + 3 ) = 17 ,

А 22 = ( — 1 ) 2 + 2 2 3 3 5 — 10 — 9 = 1 ,

А 23 = ( — 1 ) 2 + 3 2 — 4 3 — 1 = — ( — 2 + 12 ) = — 10 ,

А 31 = ( — 1 ) 3 + 1 — 4 3 — 2 4 = — 16 + 6 = — 10 ,

А 32 = ( — 1 ) 3 + 2 2 3 1 4 = — ( 8 — 3 ) = — 5 ,

А 33 = ( — 1 ) 3 + 3 2 — 4 1 — 2 = — 4 + 4 = 0 .

• Записываем союзную матрицу А * , которая составлена из алгебраических дополнений матрицы А :

А * = — 6 7 5 17 1 — 10 — 10 — 5 0

• Записываем обратную матрицу согласно формуле:

A — 1 = 1 d e t A ( A * ) T : А — 1 = — 1 25 — 6 17 — 10 7 1 — 5 5 — 10 0 ,

• Умножаем обратную матрицу А — 1 на столбец свободных членов В и получаем решение системы:

X = A — 1 × B = — 1 25 — 6 17 — 10 7 1 — 5 5 — 10 0 1 3 2 = — 1 25 — 6 + 51 — 20 7 + 3 — 10 5 — 30 + 0 = — 1 0 1

Ответ: x 1 = — 1 ; x 2 = 0 ; x 3 = 1

Источник

Решение матриц.

Решение матриц – это понятие, которое обобщает все возможные операции, производимые с матрицами. Математическая матрица – таблица элементов. О такой таблице, где m строк и n столбцов, говорят, что это матрица имеет размерность m на n.

Общий вид матрицы:

Для решения матриц необходимо понимать, что такое матрица и знать основные ее параметры. Основные элементы матрицы:

Основные виды матриц:

• Квадратная – такая матрица, где число строк = числу столбцов (m=n).
• Нулевая – где все элементы матрицы = 0.
• Транспонированная матрица — матрица В, которая была получена из исходной матрицы A путем замены строк на столбцы.
• Единичная – все элементы главной диагонали = 1, все остальные = 0.
• Обратная матрица — матрица, при умножении на которую исходная матрица даёт в результате единичную матрицу.

Матрица может быть симметричной относительно главной и побочной диагонали. Т.е., если а₁₂=а₂₁, а₁₃=а₃₁,….а₂₃=а₃₂…. а_m-1n=а_mn-1, то матрица симметрична относительно главной диагонали. Симметричными могут быть лишь квадратные матрицы.

Далее приведем основные методы решения матриц.

Методы решения матриц.

Почти все методы решения матрицы заключаются в нахождении ее определителя n-го порядка и большинство из них довольно громоздки. Чтобы найти определитель 2го и 3го порядка есть другие, более рациональные способы.

Нахождение определителей 2-го порядка.

Для вычисления определителя матрицы А 2го порядка, необходимо из произведения элементов главной диагонали вычесть произведение элементов побочной диагонали:

Методы нахождения определителей 3го порядка.

Ниже приведены правила для нахождения определителя 3го порядка.

Правило треугольника при решении матриц.

Упрощенно правило треугольника, как одного из методов решения матриц, можно изобразить таким образом:

Другими словами, произведение элементов в первом определителе, которые соединены прямыми, берется со знаком «+»; так же, для 2го определителя — соответствующие произведения берутся со знаком «-«, то есть по такой схеме:

Правило Саррюса при решении матриц.

При решении матриц правилом Саррюса, справа от определителя дописывают первые 2 столбца и произведения соответствующих элементов на главной диагонали и на диагоналях, которые ей параллельны, берут со знаком «+»; а произведения соответствующих элементов побочной диагонали и диагоналей, которые ей параллельны, со знаком «-«:

Разложение определителя по строке или столбцу при решении матриц.

Определитель равен сумме произведений элементов строки определителя на их алгебраические дополнения. Обычно выбирают ту строку/столбец, в которой/ом есть нули. Строку либо столбец, по которой/ому ведется разложение, будут обозначать стрелкой.

Приведение определителя к треугольному виду при решении матриц.

При решении матриц методом приведения определителя к треугольному виду, работают так: с помощью простейших преобразований над строками либо столбцами, определитель становится треугольного вида и тогда его значение, в соответствии со свойствами определителя, будет равно произведению элементов, которые стоят на главной диагонали.

Теорема Лапласа при решении матриц.

Решая матрицы по теореме Лапласа, необходимо знать непосредственно саму теорему. Теорема Лапласа: Пусть Δ – это определитель n-го порядка. Выбираем в нем любые k строк (либо столбцов), при условии k ≤ n – 1. В таком случае сумма произведений всех миноров k-го порядка, содержащихся в выбранных k строках (столбцах), на их алгебраические дополнения будет равна определителю.

Решение обратной матрицы.

Последовательность действий для решения обратной матрицы:

1. Понять, квадратная ли данная матрица. В случае отрицательного ответа становится ясно, что обратной матрицы для нее не может быть.
2. Понять, квадратная ли данная матрица. В случае отрицательного ответа становится ясно, что обратной матрицы для нее не может быть.
3. Вычисляем алгебраические дополнения.
4. Составляем союзную (взаимную, присоединённую) матрицу C.
5. Составляем обратную матрицу из алгебраических дополнений: все элементы присоединённой матрицы C делим на определитель начальной матрицы. Итоговая матрица будет искомой обратной матрицей относительно заданной.
6. Проверяем выполненную работу: умножаем матрицу начальную и полученную матрицы, результатом должна стать единичная матрица.

Решение систем матриц.

Для решения систем матриц наиболее часто используют метод Гаусса.

Метод Гаусса — это стандартный способ решения систем линейных алгебраических уравнений (СЛАУ) и он заключается в том, что последовательно исключаются переменные, т.е., при помощи элементарных изменений систему уравнений доводят до эквивалентной системы треугольного вида и из нее, последовательно, начиная с последних (по номеру), находят каждый элемент системы.

Метод Гаусса является самым универсальным и лучшим инструментом для нахождения решения матриц. Если у системы бесконечное множество решений или система является несовместимой, то ее нельзя решать по правилу Крамера и матричным методом.

Метод Гаусса подразумевает также прямой (приведение расширенной матрицы к ступенчатому виду, т.е. получение нулей под главной диагональю) и обратный (получение нулей над главной диагональю расширенной матрицы) ходы. Прямой ход и есть метод Гаусса, обратный — метод Гаусса-Жордана. Метод Гаусса-Жордана отличается от метода Гаусса лишь последовательностью исключения переменных.

Источник

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».

Источник