Определение:
Матрица — это прямоугольная таблица чисел размером $m \times n$, где $m$ — строки, $n$ — столбцы. Каждый элемент $a_{ij}$ — число, находящееся на пересечении i-й строки и j-го столбца.
Строки можно воспринимать как векторы, которые задают направления в $n$-мерном пространстве, столбцы — как направления в $m$-мерном пространстве.

Зачем нужна:
Матрица — универсальный способ представления данных, коэффициентов систем линейных уравнений, линейных преобразований, преобразований графики, физики и робототехники. С её помощью можно описывать повороты, сжатия, растяжения, комбинации векторов.

Операции с матрицами:

1. Сложение/вычитание — поэлементно, важно для объединения или сравнения данных.
   Пример:
   $A=\begin{pmatrix}1&2\3&4\end{pmatrix}, B=\begin{pmatrix}5&6\7&8\end{pmatrix} \Rightarrow A+B=\begin{pmatrix}6&8\10&12\end{pmatrix}$

2. Умножение на число — масштабирование всей матрицы.
   Пример: $2A=\begin{pmatrix}2&4\6&8\end{pmatrix}$

3. Умножение матриц — строки первой на столбцы второй. Не коммутативно.
   Пример:
   $A=\begin{pmatrix}1&2\3&4\end{pmatrix}, B=\begin{pmatrix}0&1\1&0\end{pmatrix} \Rightarrow AB=\begin{pmatrix}2&1\4&3\end{pmatrix}$

4. Транспонирование — строки ↔ столбцы. Проверка симметрии: $A=A^T$.
   Пример:
   $A=\begin{pmatrix}1&2\3&4\end{pmatrix} \Rightarrow A^T=\begin{pmatrix}1&3\2&4\end{pmatrix}$

Особые матрицы:

• Единичная $I$ — диагональ 1, остальные 0, нейтральный элемент умножения
• Нулевая $0$ — все элементы 0
• Диагональная — только диагональ ≠0, используется для растяжения/сжатия вдоль осей
• Верхняя/нижняя треугольная — нули выше или ниже диагонали, удобно для Гаусса
• Симметричная — $A=A^T$, отражение через главную диагональ
• Ортогональная — $A^TA=I$, повороты без искажения длины

Геометрическая интуиция: строки/столбцы = стрелки, которые образуют направление и длину. Операции с матрицами — это, грубо говоря, движение и растяжение этих стрелок.

2. Определитель

Определение:
Определитель — число, которое показывает, насколько “объёмно” строки или столбцы матрицы занимают пространство.

Почему важно:

• Проверяет линейную зависимость: $\det(A)=0$ → строки/столбцы зависимы → “сжаты” в плоскость или линию.
• Геометрическая интерпретация: абсолютное значение = площадь (2D) или объём (3D) параллелограмма/параллелепипеда.

Методы нахождения:

1. 2×2: $\det\begin{pmatrix}a&b\c&d\end{pmatrix}=ad-bc$
   Пример: $\det\begin{pmatrix}1&2\2&4\end{pmatrix}=0$ (строки лежат на одной прямой)
2. 3×3 (Саррюс):
   $\det\begin{pmatrix}a&b&c\d&e&f\g&h&i\end{pmatrix}=aei+bfg+cdh-ceg-bdi-afh$
   Пример: $\det\begin{pmatrix}1&2&3\0&1&4\5&6&0\end{pmatrix}=-79$
3. Разложение по строке/столбцу (миноры и алгебраические дополнения):
   $\det(A)=\sum_j a_{ij} A_{ij}, \quad A_{ij}=(-1)^{i+j} M_{ij}$

3. Миноры и алгебраические дополнения

Минор $M_{ij}$ — определитель матрицы без i-й строки и j-го столбца.
Алгебраическое дополнение $A_{ij}=(-1)^{i+j} M_{ij}$

Почему важно:

• Шаг к обратной матрице
• Используется в формуле Крамера

Пример:
$A=\begin{pmatrix}1&2&3\4&5&6\7&8&9\end{pmatrix}$

• $M_{11}=\det\begin{pmatrix}5&6\8&9\end{pmatrix}=-3$
• $A_{11}=(-1)^{1+1}M_{11}=-3$

4. Обратная матрица

Определение:
$A^{-1}$ — матрица, которая при умножении на $A$ даёт единичную: $AA^{-1}=I$

Методы:

1. Через миноры и алгебраические дополнения: $A^{-1}=(A^*)^T/\det(A)$

2. Метод Гаусса: составляем расширенную матрицу $[A

   I]$, приводим левую часть к $I$, правая = $A^{-1}$

Пример:
$A=\begin{pmatrix}2&1\5&3\end{pmatrix} \Rightarrow A^{-1}=\begin{pmatrix}3&-1\-5&2\end{pmatrix}$

5. Ранг матрицы

Определение:
Ранг = максимальное число линейно независимых строк или столбцов.

Зачем нужно:

• Показывает размерность пространства, которое реально задают строки/столбцы
• Связь с объёмом: если ранг < размерность → объём=0, “плоское” пространство

Методы:

1. Метод Гаусса: приводим к ступенчатой форме, считаем ненулевые строки
   Пример:
   $A=\begin{pmatrix}1&2&3\2&4&6\1&1&1\end{pmatrix} \to \begin{pmatrix}1&2&3\0&0&0\0&-1&-2\end{pmatrix}$ → ранг=2
2. Миноры: ищем наибольший ненулевой минор

6. Линейная зависимость

Определение:
Векторы $v_1,\dots,v_n$ линейно зависимы, если один из них можно выразить через другие: $\exists c_i\neq0: \sum c_i v_i=0$

Почему важно:

• Зависимый вектор не добавляет новое направление
• Геометрически: два вектора на одной прямой, три на одной плоскости → зависимы

Методы:

• Векторы в матрицу → считаем ранг → сравниваем с количеством векторов

Пример:
$v_1=(1,2,3), v_2=(2,4,6), v_3=(1,1,1)$
$A=\begin{pmatrix}1&2&1\2&4&1\3&6&1\end{pmatrix}$ → ранг=$2<3$ → зависимы

7. Базис

Определение:
Набор линейно независимых векторов, который порождает всё пространство.

Связь с рангом:

• Число векторов в базисе = ранг матрицы
• Геометрически: минимальный набор стрелок, который задаёт все направления пространства

Методы:

1. Ступенчатая форма → ведущие столбцы → базис
2. Проверка линейных комбинаций → независимые векторы → базис

Пример:
$v_1=(1,2,0), v_2=(2,4,0), v_3=(0,1,1)$

• Ведущие столбцы → $v_1, v_3$ → базис
• Ранг=2 → плоское пространство в 3D

8. Собственные значения и векторы

Определение:
$A\vec{v}=\lambda \vec{v}, \vec{v}\neq0$

• $\lambda$ — собственное значение
• $\vec{v}$ — собственный вектор

Методы:

• Характеристический многочлен: $\det(A-\lambda I)=0$
• Решаем для $\lambda$, затем находим $\vec{v}$

Пример:
$A=\begin{pmatrix}2&0\0&3\end{pmatrix}$ → $\lambda_1=2,\lambda_2=3$, векторы $(1,0),(0,1)$

9. Преобразования и геометрия

Определение:
Матрица действует на вектор, меняя длину, направление и положение.

Примеры:

1. Вращение 2D: $R_\theta=\begin{pmatrix}\cos\theta & -\sin\theta\ \sin\theta & \cos\theta\end{pmatrix}$
   • $(1,0)$ на 90° → $(0,1)$
2. Масштабирование: $S=\begin{pmatrix}k_x&0\0&k_y\end{pmatrix}$
   • $(2,3)$, $k_x=2,k_y=0.5$ → $(4,1.5)$
3. Отражение: $\begin{pmatrix}1&0\0&-1\end{pmatrix}$
   • $(3,2)$ → $(3,-2)$

10. Геометрический смысл и объём

• Ранг = число независимых векторов → размерность пространства

• Объём параллелепипеда = $

  \det(A)

  $

• Ранг < размерность → объём=0 → плоское пространство
• Ранг = размерность → объём>0

Примеры:

• 3D, 3 независимых вектора → объём>0
• 3D, 2 независимых → объём=0
• 2D: $v_1=(2,0), v_2=(0,3)$ → площадь=6

11. Практические советы

• Ранг → ступенчатая форма → считаем ненулевые строки
• Линейная зависимость → если ранг<число векторов → зависимы
• Базис → выбираем только независимые векторы
• Объём → детерминант → ненулевой → объём есть
• Минор/алгебраическое дополнение → шаг к обратной и Крамеру
• Визуально: строки/столбцы = стрелки → комбинации = движение → объём = пространство, которое они занимают