Число r называется рангом матрицы A , если:
1) в матрице A есть минор порядка r , отличный от нуля;
2) все миноры порядка (r+1) и выше, если они существуют, равны нулю.
Иначе, ранг матрицы – это наивысший порядок минора, отличного от нуля.
Обозначения: rangA , r A или r .
Из определения следует, что r – целое положительное число. Для нуль-матрицы считают ранг равным нулю.

Назначение сервиса . Онлайн-калькулятор предназначен для нахождения ранга матрицы . При этом решение сохраняется в формате Word и Excel . см. пример решения .

Инструкция . Выберите размерность матрицы, нажмите Далее.

Выберите размерность матрицы 3 4 5 6 7 x 3 4 5 6 7

Определение . Пусть дана матрица ранга r . Любой минор матрицы, отличный от нуля и имеющий порядок r, называется базисным, а строки и столбцы его составляющие – базисными строками и столбцами.
Согласно этому определению, матрица A может иметь несколько базисных миноров.

Ранг единичной матрицы E равен n (количеству строк).

Пример 1 . Даны две матрицы , и их миноры , . Какой из них можно принять в качестве базисного?
Решение . Минор M 1 =0, поэтому он не может быть базисным ни для одной из матриц. Минор M 2 =-9≠0 и имеет порядок 2, значит его можно принять в качестве базисного матриц A или / и B при условии, что они имеют ранги, равные 2 . Поскольку detB=0 (как определитель с двумя пропорциональными столбцами), то rangB=2 и M 2 можно взять за базисный минор матрицы B. Ранг матрицы A равен 3, в силу того, что detA=-27≠0 и, следовательно, порядок базисного минора этой матрицы должен равняться 3, то есть M 2 не является базисным для матрицы A . Отметим, что у матрицы A единственный базисный минор, равный определителю матрицы A .

Теорема (о базисном миноре). Любая строка (столбец) матрицы является линейной комбинацией ее базисных строк (столбцов).
Следствия из теоремы.

1. Всякие (r+1) столбцов (строк) матрицы ранга r линейно зависимы.
2. Если ранг матрицы меньше числа ее строк (столбцов), то ее строки (столбцы) линейно зависимы. Если rangA равен числу ее строк (столбцов), то строки (столбцы) линейно независимы.
3. Определитель матрицы A равен нулю тогда и только тогда, когда ее строки (столбцы) линейно зависимы.
4. Если к строке (столбцу) матрицы прибавить другую строку, (столбец) умноженную на любое число, отличное от нуля, то ранг матрицы не изменится.
5. Если в матрице зачеркнуть строку (столбец), являющуюся линейной комбинацией других строк (столбцов), то ранг матрицы не изменится.
6. Ранг матрицы равен максимальному числу ее линейно независимых строк (столбцов).
7. Максимальное число линейно независимых строк совпадает с максимальным числом линейно независимых столбцов.

Пример 2 . Найти ранг матрицы .
Решение. Исходя из определения ранга матрицы, будем искать минор наивысшего порядка, отличный от нуля. Сначала преобразуем матрицу к более простому виду. Для этого первую строку матрицы умножим на (-2) и прибавим ко второй, затем ее же умножим на (-1) и прибавим к третьей.

Пусть задана некоторая матрица :

.

Выделим в этой матрице произвольных строк ипроизвольных столбцов
. Тогда определитель-го порядка, составленный из элементов матрицы
, расположенных на пересечении выделенных строк и столбцов, называется минором-го порядка матрицы
.

Определение 1.13. Рангом матрицы
называется наибольший порядок минора этой матрицы, отличного от нуля.

Для вычисления ранга матрицы следует рассматривать все ее миноры наименьшего порядка и, если хоть один из них отличный от нуля, переходить к рассмотрению миноров старшего порядка. Такой подход к определению ранга матрицы называется методом окаймления (или методом окаймляющих миноров).

Задача 1.4. Методом окаймляющих миноров определить ранг матрицы
.

.

Рассмотрим окаймление первого порядка, например,
. Затем перейдем к рассмотрению некоторого окаймления второго порядка.

Например,
.

Наконец, проанализируем окаймление третьего порядка.

.

Таким образом, наивысший порядок минора, отличного от нуля, равен 2, следовательно,
.

При решении задачи 1.4 можно заметить, что ряд окаймляющих миноров второго порядка отличны от нуля. В этой связи имеет место следующее понятие.

Определение 1.14. Базисным минором матрицы называется всякий, отличный от нуля минор, порядок которого равен рангу матрицы.

Теорема 1.2. (Теорема о базисном миноре). Базисные строки (базисные столбцы) линейно независимы.

Заметим, что строки (столбцы) матрицы линейно зависимы тогда и только тогда, когда хотя бы одну из них можно представить как линейную комбинацию остальных.

Теорема 1.3. Число линейно независимых строк матрицы равно числу линейно независимых столбцов матрицы и равно рангу матрицы.

Теорема 1.4. (Необходимое и достаточное условие равенства нулю определителя). Для того, чтобы определитель-го порядкабыл равен нулю, необходимо и достаточно, чтобы его строки (столбцы) были линейно зависимы.

Вычисление ранга матрицы, основанное на использовании его определения, является слишком громоздкой операцией. Особенно это становится существенным для матриц высоких порядков. В этой связи на практике ранг матрицы вычисляют на основании применения теорем 10.2 - 10.4, а также использования понятий эквивалентности матриц и элементарных преобразований.

Определение 1.15. Две матрицы
иназываются эквивалентными, если их ранги равны, т.е.
.

Если матрицы
иэквивалентны, то отмечают
.

Теорема 1.5. Ранг матрицы не меняется от элементарных преобразований.

Будем называть элементарными преобразованиями матрицы
любые из следующих действий над матрицей:

Замену строк столбцами, а столбцов соответствующими строками;

Перестановку строк матрицы;

Вычеркивание строки, все элементы которой равны нулю;

Умножение какой-либо строки на число, отличное от нуля;

Прибавление к элементам одной строки соответствующих элементов другой строки умноженных на одно и то же число
.

Следствие теоремы 1.5. Если матрица
получена из матрицыпри помощи конечного числа элементарных преобразований, то матрицы
иэквивалентны.

При вычислении ранга матрицы ее следует привести при помощи конечного числа элементарных преобразований к трапециевидной форме.

Определение 1.16. Трапециевидной будем называть такую форму представления матрицы, когда в окаймляющем миноре наибольшего порядка отличного от нуля все элементы, стоящие ниже диагональных, обращаются в нуль. Например:

.

Здесь
, элементы матрицы
обращаются в нуль. Тогда форма представления такой матрицы будет трапециевидной.

Как правило, матрицы к трапециевидной форме приводят при помощи алгоритма Гаусса. Идея алгоритма Гаусса состоит в том, что, умножая элементы первой строки матрицы на соответствующие множители, добиваются, чтобы все элементы первого столбца, расположенные ниже элемента
, превращались бы в нуль. Затем, умножая элементы второго столбца на соответствующие множители, добиваются, чтобы все элементы второго столбца, расположенные ниже элемента
, превращались бы в нуль. Далее поступают аналогично.

Задача 1.5. Определить ранг матрицы путем сведения ее к трапециевидной форме.

.

Для удобства применения алгоритма Гаусса можно поменять местами первую и третью строки.








.

Очевидно, что здесь
. Однако, для приведения результата к более изящному виду можно далее продолжить преобразования над столбцами.










.

>>Ранг матрицы

Ранг матрицы

Определение ранга матрицы

Рассмотрим прямоугольную матрицу. Если в этой матрице выделить произвольно k строк и k столбцов, то элементы, стоящие на пересечении выделенных строк и столбцов, образуют квадратную матрицу k-го порядка. Определитель этой матрицы называется минором k-го порядка матрицы А. Очевидно, что матрица А обладает минорами любого порядка от 1 до наименьшего из чисел m и n. Среди всех отличных от нуля миноров матрицы А найдется по крайней мере один минор, порядок которого будет наибольшим. Наибольший из порядков миноров данной матрицы, отличных от нуля, называется рангом матрицы. Если ранг матрицы А равен r , то это означает, что в матрице А имеется отличный от нуля минор порядка r , но всякий минор порядка, большего чем r , равен нулю. Ранг матрицы А обозначается через r(A). Очевидно, что выполняется соотношение

Вычисление ранга матрицы с помощью миноров

Ранг матрицы находится либо методом окаймления миноров, либо методом элементарных преобразований. При вычислении ранга матрицы первым способом следует переходить от миноров низших порядков к минорам более высокого порядка. Если уже найден минор D k-го порядка матрицы А, отличный от нуля, то требуют вычисления лишь миноры (k+1)-го порядка, окаймляющие минор D, т.е. содержащие его в качестве минора. Если все они равны нулю, то ранг матрицы равен k .

Пример 1. Найти методом окаймления миноров ранг матрицы

.

Решение. Начинаем с миноров 1-го порядка, т.е. с элементов матрицы А. Выберем, например, минор (элемент) М 1 = 1, расположенный в первой строке и первом столбце. Окаймляя при помощи второй строки и третьего столбца, получаем минор M 2 = , отличный от нуля. Переходим теперь к минорам 3-го порядка, окаймляющим М 2 . Их всего два (можно добавить второй столбец или четвертый). Вычисляем их: = 0. Таким образом, все окаймляющие миноры третьего порядка оказались равными нулю. Ранг матрицы А равен двум.

Вычисление ранга матрицы с помощью элементарных преобразований

Элементарными называются следующие преобразования матрицы:

1) перестановка двух любых строк (или столбцов),

2) умножение строки (или столбца) на отличное от нуля число,

3) прибавление к одной строке (или столбцу) другой строки (или столбца), умноженной на некоторое число.

Две матрицы называются эквивалентными , если одна из них получается из другой с помощью конечного множества элементарных преобразований.

Эквивалентные матрицы не являются, вообще говоря, равными, но их ранги равны. Если матрицы А и В эквивалентны, то это записывается так: A ~ B.

Канонической матрицей называется матрица, у которой в начале главной диагонали стоят подряд несколько единиц (число которых может равняться нулю), а все остальные элементы равны нулю, например,

.

При помощи элементарных преобразований строк и столбцов любую матрицу можно привести к канонической. Ранг канонической матрицы равен числу единиц на ее главной диагонали.

Пример 2 Найти ранг матрицы

А=

и привести ее к каноническому виду.

Решение. Из второй строки вычтем первую и переставим эти строки:

.

Теперь из второй и третьей строк вычтем первую, умноженную соответственно на 2 и 5:

;

из третьей строки вычтем первую; получим матрицу

В = ,

которая эквивалентна матрице А, так как получена из нее с помощью конечного множества элементарных преобразований. Очевидно, что ранг матрицы В равен 2, а следовательно, и r(A)=2. Матрицу В легко привести к канонической. Вычитая первый столбец, умноженный на подходящие числа, из всех последующих, обратим в нуль все элементы первой строки, кроме первого, причем элементы остальных строк не изменяются. Затем, вычитая второй столбец, умноженный на подходящие числа, из всех последующих, обратим в нуль все элементы второй строки, кроме второго, и получим каноническую матрицу:

.

А также рассмотрим важное практическое приложение темы: исследование системы линейных уравнений на совместность .

Что такое ранг матрицы?

В юмористическом эпиграфе статьи содержится большая доля истины. Само слово «ранг» у нас обычно ассоциируется с некоторой иерархией, чаще всего, со служебной лестницей. Чем больше у человека знаний, опыта, способностей, блата и т.д. – тем выше его должность и спектр возможностей. Выражаясь по молодёжному, под рангом подразумевают общую степень «крутизны».

И братья наши математические живут по тем же принципам. Выведем на прогулку несколько произвольных нулевых матриц :

Задумаемся, если в матрице одни нули , то о каком ранге может идти речь? Всем знакомо неформальное выражение «полный ноль». В обществе матриц всё точно так же:

Ранг нулевой матрицы любых размеров равен нулю .

Примечание : нулевая матрица обозначается греческой буквой «тета»

В целях лучшего понимания ранга матрицы здесь и далее я буду привлекать на помощь материалы аналитической геометрии . Рассмотрим нулевой вектор нашего трёхмерного пространства, который не задаёт определённого направления и бесполезен для построения аффинного базиса . С алгебраической точки зрения координаты данного вектора записаны в матрицу «один на три» и логично (в указанном геометрическом смысле) считать, что ранг этой матрицы равен нулю.

Теперь рассмотрим несколько ненулевых векторов-столбцов и векторов-строк :


В каждом экземпляре есть хотя бы один ненулевой элемент, и это уже кое-что!

Ранг любого ненулевого вектора-строки (вектора-столбца) равен единице

И вообще – если в матрице произвольных размеров есть хотя бы один ненулевой элемент, то её ранг не меньше единицы .

Алгебраические векторы-строки и векторы-столбцы в известной степени абстрактны, поэтому снова обратимся к геометрической ассоциации. Ненулевой вектор задаёт вполне определённое направление в пространстве и годится для построения базиса , поэтому ранг матрицы будем считать равным единице.

Теоретическая справка : в линейной алгебре вектор – это элемент векторного пространства (определяемое через 8 аксиом), который, в частности, может представлять собой упорядоченную строку (или столбец) действительных чисел с определёнными для них операциями сложения и умножения на действительное число. С более подробной информацией о векторах можно ознакомиться в статье Линейные преобразования .

линейно зависимы (выражаются друг через друга). С геометрической точки зрения во вторую строку записаны координаты коллинеарного вектора , который ничуть не продвинул дело в построении трёхмерного базиса , являясь в этом смысле лишним. Таким образом, ранг данной матрицы тоже равен единице.

Перепишем координаты векторов в столбцы (транспонируем матрицу ):

Что изменилось с точки зрения ранга? Ничего. Столбцы пропорциональны, значит, ранг равен единице. Кстати, обратите внимание, что все три строки тоже пропорциональны. Их можно отождествить с координатами трёх коллинеарных векторов плоскости, из которых только один полезен для построения «плоского» базиса. И это полностью согласуется с нашим геометрическим смыслом ранга.

Из вышеприведённого примера следует важное утверждение:

Ранг матрицы по строкам равен рангу матрицы по столбцам . Об этом я уже немного упоминал на уроке об эффективных методах вычисления определителя .

Примечание : из линейной зависимости строк следует линейная зависимость столбцов (и наоборот). Но в целях экономии времени, да и в силу привычки я почти всегда буду говорить о линейной зависимости строк.

Продолжим дрессировать нашего любимого питомца. Добавим в матрицу третьей строкой координаты ещё одного коллинеарного вектора :

Помог ли он нам в построении трёхмерного базиса? Конечно, нет. Все три вектора гуляют туда-сюда по одной дорожке, и ранг матрицы равен единице. Можно взять сколько угодно коллинеарных векторов, скажем, 100, уложить их координаты в матрицу «сто на три» и ранг такого небоскрёба всё равно останется единичным.

Познакомимся с матрицей , строки которой линейно независимы . Пара неколлинеарных векторов пригодна для построения трёхмерного базиса. Ранг этой матрицы равен двум.

А чему равен ранг матрицы ? Строки вроде не пропорциональны…, значит, по идее трём. Однако ранг этой матрицы тоже равен двум. Я сложил первые две строки и записал результат внизу, то есть линейно выразил третью строку через первые две. Геометрически строки матрицы соответствуют координатам трёх компланарных векторов , причём среди этой тройки существует пара неколлинеарных товарищей.

Как видите, линейная зависимость в рассмотренной матрице не очевидна, и сегодня мы как раз научимся выводить её «на чистую воду».

Думаю, многие догадываются, что такое ранг матрицы!

Рассмотрим матрицу , строки которой линейно независимы . Векторы образуют аффинный базис , и ранг данной матрицы равняется трём.

Как вы знаете, любой четвёртый, пятый, десятый вектор трёхмерного пространства будет линейно выражаться через базисные векторы. Поэтому, если в матрицу добавить любое количество строк, то её ранг всё равно будет равен трём .

Аналогичные рассуждения можно провести для матриц бОльших размеров (понятно, уже без геометрического смысла).

Определение : ранг матрицы – это максимальное количество линейно независимых строк . Или: ранг матрицы – это максимальное количество линейно независимых столбцов . Да, их количество всегда совпадает.

Из вышесказанного также следует важный практический ориентир: ранг матрицы не превосходит её минимальной размерности . Например, в матрице четыре строки и пять столбцов. Минимальная размерность – четыре, следовательно, ранг данной матрицы заведомо не превзойдёт 4.

Обозначения : в мировой теории и практике не существует общепринятого стандарта для обозначения ранга матрицы, наиболее часто можно встретить: – как говорится, англичанин пишет одно, немец другое. Поэтому давайте по мотивам известного анекдота про американский и русский ад обозначать ранг матрицы родным словом. Например: . А если матрица «безымянная», коих встречается очень много, то можно просто записать .

Как найти ранг матрицы с помощью миноров?

Если бы у бабушки нас в матрице был пятый столбец, то следовало бы вычислить ещё один минор 4-го порядка («синие», «малиновый» + 5-й столбец).

Вывод : максимальный порядок ненулевого минора равен трём, значит, .

Возможно, не все до конца осмыслили данную фразу: минор 4-го порядка равен нулю, но среди миноров 3-го порядка нашёлся ненулевой – поэтому максимальный порядок ненулевого минора и равен трём.

Возникает вопрос, а почему бы сразу не вычислить определитель? Ну, во-первых, в большинстве заданий матрица не квадратная, а во-вторых, даже если у вас и получится ненулевое значение, то задание с высокой вероятностью забракуют, так как оно обычно подразумевает стандартное решение «снизу вверх». А в рассмотренном примере нулевой определитель 4-го порядка и вовсе позволяет утверждать, что ранг матрицы лишь меньше четырёх.

Должен признаться, разобранную задачу я придумал сам, чтобы качественнее объяснить метод окаймляющих миноров. В реальной практике всё проще:

Пример 2

Найти ранг матрицы методом окаймляющих миноров

Решение и ответ в конце урока.

Когда алгоритм работает быстрее всего? Вернёмся к той же матрице «четыре на четыре» . Очевидно, решение будет самым коротким в случае «хороших» угловых миноров :

И, если , то , в противном случае – .

Размышление совсем не гипотетично – существует немало примеров, где всё дело и ограничивается только угловыми минорами.

Однако в ряде случаев более эффективен и предпочтителен другой способ:

Как найти ранг матрицы с помощью метода Гаусса?

Параграф рассчитан на читателей, которые уже знакомы с методом Гаусса и мало-мальски набили на нём руку.

С технической точки зрения метод не отличается новизной:

1) с помощью элементарных преобразований приводим матрицу к ступенчатому виду;

2) ранг матрицы равен количеству строк.

Совершенно понятно, что использование метода Гаусса не меняет ранга матрицы , и суть здесь предельно проста: согласно алгоритму, в ходе элементарных преобразований выявляются и удаляются все лишние пропорциональные (линейно зависимые) строки, в результате чего остаётся «сухой остаток» – максимальное количество линейно независимых строк.

Преобразуем старую знакомую матрицу с координатами трёх коллинеарных векторов:

(1) Ко второй строке прибавили первую строку, умноженную на –2. К третьей строке прибавили первую строку.

(2) Нулевые строки удаляем.

Таким образом, осталась одна строка, следовательно, . Что и говорить, это гораздо быстрее, чем рассчитать девять нулевых миноров 2-го порядка и только потом сделать вывод.

Напоминаю, что в самой по себе алгебраической матрице ничего менять нельзя, и преобразования выполняются только с целью выяснения ранга! Кстати, остановимся ещё раз на вопросе, почему нельзя? Исходная матрица несёт информацию, которая принципиально отлична от информации матрицы и строки . В некоторых математических моделях (без преувеличения) разница в одном числе может быть вопросом жизни и смерти. …Вспомнились школьные учителя математики начальных и средних классов, которые безжалостно срезали оценку на 1-2 балла за малейшую неточность или отклонение от алгоритма. И было жутко обидно, когда вместо, казалось бы, гарантированной «пятёрки» получалось «хорошо» или того хуже. Понимание пришло намного позже – а как иначе доверить человеку спутники, ядерные боеголовки и электростанции? Но вы не беспокойтесь, я не работаю в этих сферах =)

Перейдём к более содержательным заданиям, где помимо прочего познакомимся с важными вычислительными приёмами метода Гаусса :

Пример 3

Найти ранг матрицы с помощью элементарных преобразований

Решение : дана матрица «четыре на пять», значит, её ранг заведомо не больше, чем 4.

В первом столбце, отсутствует 1 или –1, следовательно, необходимы дополнительные действия, направленные на получение хотя бы одной единицы. За всё время существования сайта мне неоднократно задавали вопрос: «Можно ли в ходе элементарных преобразований переставлять столбцы?». Вот здесь – переставили первый-второй столбец, и всё отлично! В большинстве задач, где используется метод Гаусса , столбцы действительно переставлять можно. НО НЕ НУЖНО. И дело даже не в возможной путанице с переменными, дело в том, что в классическом курсе обучения высшей математике данное действие традиционно не рассматривается, поэтому на такой реверанс посмотрят ОЧЕНЬ криво (а то и заставят всё переделывать).

Второй момент касается чисел. В ходе решения полезно руководствоваться следующим эмпирическим правилом: элементарные преобразования по возможности должны уменьшать числа матрицы . Ведь с единицей-двойкой-тройкой работать значительно легче, чем, например, с 23, 45 и 97. И первое действие направлено не только на получение единицы в первом столбце, но и на ликвидацию чисел 7 и 11.

Сначала полное решение, потом комментарии:

(1) Ко второй строке прибавили первую строку, умноженную на –2. К третьей строке прибавили первую строку, умноженную на –3. И до кучи: к 4-й строке прибавили 1-ю строку, умноженную на –1.

(2) Последние три строки пропорциональны. Удалили 3-ю и 4-ю строки, вторую строку переместили на первое место.

(3) Ко второй строке прибавили первую строку, умноженную на –3.

В приведённой к ступенчатому виду матрице две строки.

Ответ :

Теперь ваша очередь мучить матрицу «четыре на четыре»:

Пример 4

Найти ранг матрицы методом Гаусса

Напоминаю, что метод Гаусса не предполагает однозначной жёсткости, и ваше решение, скорее всего, будет отличаться от моего решения. Краткий образец оформления задачи в конце урока.

Какой метод использовать для нахождения ранга матрицы?

На практике зачастую вообще не сказано, какой метод необходимо использовать для нахождения ранга. В такой ситуации следует анализировать условие – для одних матриц рациональнее провести решение через миноры, а для других значительно выгоднее применить элементарные преобразования:

Пример 5

Найти ранг матрицы

Решение : первый способ как-то сразу отпадает =)

Чуть выше я советовал не трогать столбцы матрицы, но когда есть нулевой столбец, либо пропорциональные/совпадающие столбцы, то всё же стОит провести ампутацию:

(1) Пятый столбец нулевой, удалим его из матрицы. Таким образом, ранг матрицы не больше четырёх. Первую строку умножили на –1. Это ещё одна фирменная фишка метода Гаусса, превращающая следующее действие в приятную прогулку:

(2) Ко всем строкам, начиная со второй, прибавили первую строку.

(3) Первую строку умножили на –1, третью строку разделили на 2, четвёртую строку разделили на 3. К пятой строке прибавили вторую строку, умноженную на –1.

(4) К пятой строке прибавили третью строку, умноженную на –2.

(5) Последние две строки пропорциональны, пятую удаляем.

В результате получено 4 строки.

Ответ :

Стандартная пятиэтажка для самостоятельного исследования:

Пример 6

Найти ранг матрицы

Краткое решение и ответ в конце урока.

Следует отметить, что словосочетание «ранг матрицы» не так часто встретишь на практике, и в большинстве задач можно вообще обойтись без него. Но существует одно задание, где рассматриваемое понятие является главным действующим лицом, и в заключение статьи мы рассмотрим это практическое приложение:

Как исследовать систему линейных уравнений на совместность?

Нередко помимо решения системы линейных уравнений по условию предварительно требуется исследовать её на совместность, то есть доказать, что какое-либо решение вообще существует. Ключевую роль в такой проверке играет теорема Кронекера-Капелли , которую я сформулирую в необходимом виде:

Если ранг матрицы системы равен рангу расширенной матрицы системы , то система совместна, причём, если данное число совпадает с количеством неизвестных, то решение единственно.

Таким образом, для исследования системы на совместность нужно проверить равенство , где – матрица системы (вспоминаем терминологию из урока Метод Гаусса ), а – расширенная матрица системы (т.е. матрица с коэффициентами при переменных + столбец свободных членов).

Определение ранга матрицы

Рассмотрим матрицу \(A\) типа \((m,n)\). Пусть, для определенности, \(m \leq n\). Возьмем \(m\) строк и выберем \(m\) столбцов матрицы \(A\), на пересечении этих строк и столбцов получится квадратная матрица порядка \(m\), определитель которой называют минором порядка \(m\) матрицы \(A\). Если этот минор отличен от 0, его называют базисным минором и говорят, что ранг матрицы \(A\) равен \(m\). Если же этот определитель равен 0, то выбирают другие \(m\) столбцов, на их пересечении стоят элементы, образующие другой минор порядка \(m\). Если минор равен 0, продолжаем процедуру. Если среди всех возможных миноров порядка \(m\) нет отличных от нуля, мы выбираем \(m-1\) cтрок и столбцов из матрицы \(A\), на их пересечении возникает квадратная матрица порядка \(m-1\), ее определитель называется минором порядка \(m-1\) исходной матрицы. Продолжая процедуру, ищем ненулевой минор, перебирая все возможные миноры, понижая их порядок.

Определение.

Ненулевой минор данной матрицы наивысшего порядка называется базисным минором исходной матрицы, его порядок называется рангом матрицы \(A\), строки и столбцы, на пересечении которых находится базисный минор, называются базисныи строками и столбцами. Ранг матрицы обозначается \(rang(A)\).

Из этого определения следуют простые свойства ранга матрицы: это целое число, причем ранг ненулевой матрицы удовлетворяет неравенствам: \(1 \leq rang(A) \leq \min(m,n)\).

Как изменится ранг матрицы, если вычеркнуть какую-нибудь строку? Добавить какую-нибудь строку?

Проверить ответ

1) Ранг может уменьшиться на 1.

2) Ранг может увеличиться на 1.

Линейная зависимость и линейная независимость столбцов матрицы

Пусть \(A\) - матрица типа \((m,n)\). Рассмотрим столбцы матрицы \(A\) - это столбцы из \(m\) чисел каждый. Обозначим их \(A_1,A_2,...,A_n\). Пусть \(c_1,c_2,...,c_n\) - какие-то числа.

Определение.

Столбец \[ D=c_1A_1+c_2A_2+...+c_nA_n = \sum _{m=1}^nc_mA_m \] называется линейной комбинацией столбцов \(A_1,A_2,...,A_n\), числа \(c_1,c_2,...,c_n\) называются коэффициентами этой линейной комбинации.

Определение.

Пусть дано \(p\) столбцов \(A_1, A_2, ..., A_p\). Если существуют такие числа \(c_1,c_2,...,c_p\), что

1. не все эти числа равны нулю,

2. линейная комбинация \(c_1A_1+c_2A_2+...+c_pA_p =\sum _{m=1}^pc_mA_m\) равна нулевому столбцу (т.е. столбцу, все элементы которого нули), то говорят, что столбцы \(A_1, A_2, ..., A_p\) линейно зависимы. Если для данного набора столбцов таких чисел \(c_1,c_2,...,c_n\) не существует, столбцы называются линейно независимыми.

Пример. Рассмотрим 2-столбцы

\[ A_1=\left(\begin{array}{c} 1 \\ 0 \end{array} \right), A_2=\left(\begin{array}{c} 0 \\ 1 \end{array} \right), \] тогда для любых чисел \(c_1,c_2\) имеем: \[ c_1A_1+c_2A_2=c_1\left(\begin{array}{c} 1 \\ 0 \end{array} \right)+c_2\left(\begin{array}{c} 0 \\ 1 \end{array} \right)=\left(\begin{array}{c} c_1 \\ c_2 \end{array} \right). \]

Эта линейная комбинация равна нулевому столбцу тогда и только тогда, когда оба числа \(c_1,c_2\) равны нулю. Таким образом, эти столбцы линейно независимы.

Утверждение. Для того, чтобы столбцы были линейно зависимы, необходимо и достаточно, чтобы один из них был линейной комбинацией остальных.

Пусть столбцы \(A_1,A_2,...,A_m\) линейно зависимы, т.е. для некоторых констант \(\lambda _1, \lambda _2,...,\lambda _m\), не все из которых равны 0, выполняется: \[ \sum _{k=1}^m\lambda _kA_k=0 \] (в правой части - нулевой столбец). Пусть, например, \(\lambda _1 \neq 0\). Тогда \[ A_1=\sum _{k=2}^mc_kA_k, \quad c_k=-\lambda _k/\lambda _1, \quad \quad (15) \] т.е. первый столбец - линейная комбинация остальных.

Теорема о базисном миноре

Теорема.

Для любой ненулевой матрицы \(A\) справедливо следующее:

1. Базисные столбцы линейно независимы.

2. Любой столбец матрицы является линейной комбинацией его базисных столбцов.

(Аналогичное верно и для строк).

Пусть, для определенности, \((m,n)\) - тип матрицы \(A\), \(rang(A)=r \leq n\) и базисный минор расположен в первых \(r\) строках и столбцах матрицы \(A\). Пусть \(s\) - любое число между 1 и \(m\), \(k\) - любое число между 1 и \(n\). Рассмотрим минор следующего вида: \[ D=\left| \begin{array}{ccccc} a_{11} & a_{12} & \ldots & a_{1r} & a_{1s} \\ a_{21} & a_{22} & \ldots & a_{2r} & a_{2s} \\ \dots &\ldots & \ldots & \ldots & \ldots \\ a_{r1} & a_{r2} & \ldots & a_{rr} & a_{rs} \\ a_{k1} & a_{k2} & \ldots & a_{kr} & a_{ks} \\ \end{array} \right| , \] т.е. мы к базисному минору приписали \(s-\)ый столбец и \(k-\)ую строку. По определению ранга матрицы этот определитель равен нулю (если мы выбрали \(s\leq r\) или \(k \leq r\) , значит в этом миноре 2 одинаковых столбца или 2 одинаковых строки, если \(s>r\) и \(k>r\) - по определению ранга минор размера больше \(r\) обращается в ноль). Разложим этот определитель по последней строке, получим: \[ a_{k1}A_{k1}+a_{k2}A_{k2}+....+a_{kr}A_{kr}+a_{ks}A_{ks}=0. \quad \quad(16) \]

Здесь числа \(A_{kp}\) - алгебраические дополнения элементов из нижней строки \(D\). Их величины не зависят от \(k\), т.к. образуются с помощью элементов из первых \(r\) строк. При этом величина \(A_{ks}\) - это базисный минор, отличный от 0. Обозначим \(A_{k1}=c_1,A_{k2}=c_2,...,A_{ks}=c_s \neq 0\). Перепишем в новых обозначениях (16): \[ c_1a_{k1}+c_2a_{k2}+...+c_ra_{kr}+c_sa_{ks}=0, \] или, разделив на \(c_s\), \[ a_{ks}=\lambda_1a_{k1}+\lambda_2a_{k2}+...+\lambda_ra_{kr}, \quad \lambda _p=-c_p/c_s. \] Это равенство справедливо для любого значения \(k\), так что \[ a_{1s}=\lambda_1a_{11}+\lambda_2a_{12}+...+\lambda_ra_{1r}, \] \[ a_{2s}=\lambda_1a_{21}+\lambda_2a_{22}+...+\lambda_ra_{2r}, \] \[ ........................................................ \] \[ a_{ms}=\lambda_1a_{m1}+\lambda_2a_{m2}+...+\lambda_ra_{mr}. \] Итак, \(s-\)ый столбец является линейной комбинацией первых \(r\) столбцов. Теорема доказана.

Замечание.

Из теоремы о базисном миноре следует, что ранг матрицы равен числу ее линейно независимых столбцов (которое равно числу линейно независимых строк).

Следствие 1.

Если определитель равен нулю, то у него есть столбец, который является линейной комбинацией остальных столбцов.

Следствие 2.

Если ранг матрицы меньше числа столбцов, то столбцы матрицы линейно зависимы.

Вычисление ранга матрицы и нахождение базисного минора

Некоторые преобразования матрицы не меняют ее ранг. Такие преобразования можно назвать элементарными. Соответствующие факты нетрудно проверить с помощью свойств определителей и определения ранга матрицы.

1. Перестановка столбцов.

2. Умножение элементов какого-нибудь столбца на ненулевой множитель.

3. Прибавление к столбцу любого другого столбца, умноженного на произвольное число.

4. Вычеркивание нулевого столбца.

Аналогичное верно и для строк.

С помощью этих преобразований матрицу можно преобразовать к так называемой "трапециевидной" форме - матрице, под главной диагональю которой располагаются только нули. Для "трапециевидной" матрицы ранг - это число ненулевых элементов на главной диагонали, и базисный минор - минор, диагональ которого совпадает с набором ненулевых элементов на главной диагонали преобразованной матрицы.

Пример. Рассмотрим матрицу

\[ A=\left(\begin{array}{cccc} 2 &1 & 11 & 2 \\ 1 & 0 & 4 & -1 \\ 11 & 4 & 56 & 5 \\ 2 & -1 & 5 & -6 \end{array} \right). \] Будем преобразовывать ее с помощью указанных выше преобразований. \[ A=\left(\begin{array}{cccc} 2 &1 & 11 & 2 \\ 1 & 0 & 4 & -1 \\ 11 & 4 & 56 & 5 \\ 2 & -1 & 5 & -6 \end{array} \right) \mapsto \left(\begin{array}{cccc} 1 & 0 & 4 & -1 \\ 2 & 1 & 11 & 2 \\ 11 & 4 & 56 & 5 \\ 2 & -1 & 5 & -6 \end{array} \right) \mapsto \left(\begin{array}{cccc} 1 & 0 & 4 & -1 \\ 0 & 1 & 3 & 4 \\ 0 & 4 & 12 & 16 \\ 0 & -1 & -3 & -4 \end{array} \right) \mapsto \] \[ \left(\begin{array}{cccc} 1 & 0 & 4 & -1 \\ 0 & 1 & 3 & 4 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{array} \right)\mapsto \left(\begin{array}{cccc} 1 & 0 & 4 & -1 \\ 0 & 1 & 3 & 4 \end{array}\right). \]

Здесь мы последовательно делаем следующие шаги: 1) переставляем вторую строку наверх, 2) вычитаем первую строку из остальных с подходящим множителем, 3) вычитаем вторую строку из третьей 4 раза, прибавляем вторую строку к четвертой, 4) вычеркиваем нулевые строки - третью и четвертую. Наша итоговая матрица прибрела желаемую форму: на главной диагонали стоят ненулевые числа, под главной диагональю - нули. После этого процедура останавливается и число ненулевых элементов на главной диагонали равно рангу матрицы. Базисный минор при этом - две первые строки и два первых столбца. На их пересечении стоит матрица порядка 2 с ненулевым определителем. При этом, возвращаясь по цепочке преобразований в обратную сторону, можно проследить, откуда возникла та или иная строка (тот или иной столбец) в конечной матрице, т.е. определить базисные строки и столбцы в исходной матрице. В данном случае первые две строки и первые два столбца образуют базисный минор.