Ранг матрицы: определение, методы нахождения, примеры, решения. Нахождение ранга матрицы Чему равен ранг матрицы 1123 5814

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).

В данной статье пойдет речь о таком понятии, как ранг матрицы и необходимых дополнительных понятиях. Мы приведем примеры и доказательства нахождения ранга матрицы, а также расскажем, что такое минор матрицы, и почему он так важен.

Минор матрицы

Чтобы понять, что такое ранг матрицы, необходимо разобраться с таким понятием, как минор матрицы.

Определение 1

Минор k -ого порядка матрицы - определитель квадратной матрицы порядка k×k, которая составлена из элементов матрицы А, находящихся в заранее выбранных k-строках и k-столбцах, при этом сохраняется положение элементов матрицы А.

Проще говоря, если в матрице А вычеркнуть (p-k) строк и (n-k) столбцов, а из тех элементов, которые остались, составить матрицу, сохраняя расположение элементов матрицы А, то определитель полученной матрицы и есть минор порядка k матрицы А.

Из примера следует, что миноры первого порядка матрицы А и есть сами элементы матрицы.

Можно привести несколько примеров миноров 2-ого порядка. Выберем две строки и два столбца. Например, 1-ая и 2 –ая строка, 3-ий и 4-ый столбец.

При таком выборе элементов минором второго порядка будет - 1 3 0 2 = (- 1) × 2 - 3 × 0 = - 2

Другим минором 2-го порядка матрицы А является 0 0 1 1 = 0

Предоставим иллюстрации построения миноров второго порядка матрицы А:

Минор 3-го порядка получается, если вычеркнуть третий столбец матрицы А:

0 0 3 1 1 2 - 1 - 4 0 = 0 × 1 × 0 + 0 × 2 × (- 1) + 3 × 1 × (- 4) - 3 × 1 × (- 1) - 0 × 1 × 0 - 0 × 2 × (- 4) = - 9

Иллюстрация, как получается минор 3-го порядка матрицы А:

Для данной матрицы миноров выше 3-го порядка не существует, потому что

k ≤ m i n (p , n) = m i n (3 , 4) = 3

Сколько существует миноров k-ого порядка для матрицы А порядка p×n?

Число миноров вычисляют по следующей формуле:

C p k × C n k , г д е С p k = p ! k ! (p - k) ! и C n k = n ! k ! (n - k) ! - число сочетаний из p по k, из n по k соответственно.

После того, как мы определились, что такое миноры матрицы А, можно переходить к определению ранга матрицы А.

Ранг матрицы: методы нахождения

Определение 2

Ранг матрицы - наивысший порядок матрицы, отличный от нуля.

Обозначение 1

Rank (A), Rg (A), Rang (A).

Из определения ранга матрицы и минора матрицы становиться понятно, что ранг нулевой матрицы равен нулю, а ранг ненулевой матрицы отличен от нуля.

Нахождение ранга матрицы по определению

Определение 3

Метод перебора миноров - метод, основанный на определении ранга матрицы.

Алгоритм действий способом перебора миноров :

Необходимо найти ранг матрицы А порядка p × n . При наличии хотя бы одного элемента, отличного от нуля, то ранг матрицы как минимум равен единице (т.к. есть минор 1-го порядка, который не равен нулю ).

Далее следует перебор миноров 2-го порядка. Если все миноры 2-го порядка равны нулю, то ранг равен единице. При существовании хотя бы одного не равного нулю минора 2-го порядка, необходимо перейти к перебору миноров 3-го порядка, а ранг матрицы, в таком случае, будет равен минимум двум.

Аналогичным образом поступим с рангом 3-го порядка: если все миноры матрицы равняются нулю, то ранг будет равен двум. При наличии хотя бы одного ненулевого минора 3-го порядка, то ранг матрицы равен минимум трем. И так далее, по аналогии.

Пример 2

Найти ранг матрицы:

А = - 1 1 - 1 - 2 0 2 2 6 0 - 4 4 3 11 1 - 7

Поскольку матрица ненулевая, то ее ранг минимум равен единице.

Минор 2-го порядка - 1 1 2 2 = (- 1) × 2 - 1 × 2 = 4 отличен от нуля. Отсюда следует, что ранг матрицы А не меньше двух.

Перебираем миноры 3-го порядка: С 3 3 × С 5 3 = 1 5 ! 3 ! (5 - 3) ! = 10 штук.

1 1 - 1 2 2 6 4 3 11 = (- 1) × 2 × 11 + 1 × 6 × 4 + (- 1) × 2 × 3 - (- 1) × 2 × 4 - 1 × 2 × 11 - (- 1) × 6 × 3 = 0

1 - 1 - 2 2 6 0 4 11 1 = (- 1) × 6 × 1 + (- 1) × 0 × 4 + (- 2) × 2 × 11 - (- 2) × 6 × 4 - (- 1) × 2 × 1 - (- 1) × 0 × 11 = 0

1 1 - 2 2 2 0 4 3 1 = (- 1) × 2 × 1 + 1 × 0 × 4 + (- 2) × 2 × 3 - (- 2) × 2 × 4 - 1 × 2 × 1 - (- 1) × 0 × 3 = 0

1 - 1 0 2 6 - 4 4 11 - 7 = (- 1) × 6 × (- 7) + (- 1) × (- 4) × 4 + 0 × 2 × 11 - 0 × 6 × 4 - (- 1) × 2 × (- 7) - (- 1) × (- 4) × 11 = 0

1 - 1 0 2 6 - 4 3 11 - 7 = 1 × 6 × (- 7) + (- 1) × (- 4) × 3 + 0 × 2 × 11 - 0 × 6 × 3 - (- 1) × 2 × (- 7) - 1 × (- 4) × 11 = 0

1 - 2 0 2 0 - 4 3 1 - 7 = 1 × 0 × (- 7) + (- 2) × (- 4) × 3 + 0 × 2 × 1 - 0 × 0 × 3 - (- 2) × 2 × (- 7) - 1 × (- 4) × 1 = 0

1 - 2 0 6 0 - 4 11 1 - 7 = (- 1) × 0 × (- 7) + (- 2) × (- 4) × 11 + 0 × 6 × 1 - 0 × 0 × 11 - (- 2) × 6 × (- 7) - (- 1) × (- 4) × 1 = 0

Миноры 3-го порядка равны нулю, поэтому ранг матрицы равен двум.

Ответ : Rank (A) = 2.

Нахождение ранга матрицы методом окаймляющих миноров

Определение 3

Метод окаймляющих миноров - метод, который позволяет получить результат при меньшей вычислительной работе.

Окаймляющий минор - минор M o k (k + 1) -го порядка матрицы А, который окаймляет минор M порядка k матрицы А, если матрица, которая соответствует минору M o k , «содержит» матрицу, которая соответствует минору М.

Проще говоря, матрица, которая соответствует окаймляемому минору М, получается из матрицы, соответствующей окаймляющему минору M o k , вычеркиванием элементов одной строки и одного столбца.

Пример 3

Найти ранг матрицы:

А = 1 2 0 - 1 3 - 2 0 3 7 1 3 4 - 2 1 1 0 0 3 6 5

Для нахождения ранга берем минор 2-го порядка М = 2 - 1 4 1

Записываем все окаймляющие миноры:

1 2 - 1 - 2 0 7 3 4 1 , 2 0 - 1 0 3 7 4 - 2 1 , 2 - 1 3 0 7 1 4 1 1 , 1 2 - 1 3 4 1 0 0 6 , 2 0 - 1 4 - 2 1 0 3 6 , 2 - 1 3 4 1 1 0 6 5 .

Чтобы обосновать метод окаймляющих миноров, приведем теорему, формулировка которой не требует доказательной базы.

Теорема 1

Если все миноры, окаймляющие минор k-ого порядка матрицы А порядка p на n, равны нулю, то все миноры порядка (k+1) матрицы А равна нулю.

Алгоритм действий :

Чтобы найти ранг матрицы, необязательно перебирать все миноры, достаточно посмотреть на окаймляющие.

Если окаймляющие миноры равняются нулю, то ранг матрицы нулевой. Если существует хотя бы один минор, который не равен нулю, то рассматриваем окаймляющие миноры.

Если все они равны нулю, то Rank(A) равняется двум. При наличии хотя бы одного ненулевого окаймляющего минора, то приступаем к рассматриванию его окаймляющих миноров. И так далее, аналогичным образом.

Пример 4

Найти ранг матрицы методом окаймляющих миноров

А = 2 1 0 - 1 3 4 2 1 0 - 1 2 1 1 1 - 4 0 0 2 4 - 14

Как решить?

Поскольку элемент а 11 матрицы А не равен нулю, то возьмем минор 1-го порядка. Начнем искать окаймляющий минор, отличный от нуля:

2 1 4 2 = 2 × 2 - 1 × 4 = 0 2 0 4 1 = 2 × 1 - 0 × 4 = 2

Мы нашли окаймляющий минор 2-го порядка не равный нулю 2 0 4 1 .

Осуществим перебор окаймляющих миноров - (их (4 - 2) × (5 - 2) =6 штук).

2 1 0 4 2 1 2 1 1 = 0 ; 2 0 - 1 4 1 0 2 1 1 = 0 ; 2 0 3 4 1 - 1 2 1 - 4 = 0 ; 2 1 0 4 2 1 0 0 2 = 0 ; 2 0 - 1 4 1 0 0 2 4 = 0 ; 2 0 3 4 1 - 1 0 2 - 14 = 0

Ответ : Rank(A) = 2.

Нахождение ранга матрицы методом Гаусса (с помощью элементарных преобразований)

Вспомним, что представляют собой элементарные преобразования.

Элементарные преобразования :

путем перестановки строк (столбцов) матрицы;
путем умножение всех элементов любой строки (столбца) матрицы на произвольное ненулевое число k;

путем прибавления к элементам какой-либо строки (столбца) элементов, которые соответствуют другой стоки (столбца) матрицы, которые умножены на произвольное число k.

Определение 5

Нахождение ранга матрицы методом Гаусса - метод, который основывается на теории эквивалентности матриц: если матрица В получена из матрицы А при помощи конечного числа элементарных преобразований, то Rank(A) = Rank(B).

Справедливость данного утверждения следует из определения матрицы:

в случае перестановки строк или столбцов матрицы ее определитель меняет знак. Если он равен нулю, то и при перестановке строк или столбцов остается равным нулю;
в случае умножения всех элементов какой-либо строки (столбца) матрицы на произвольное число k, которое не равняется нулю, определитель полученной матрицы равен определителю исходной матрицы, которая умножена на k;

в случае прибавления к элементам некоторой строки или столбца матрицы соответствующих элементов другой строки или столбца, которые умножены на число k, не изменяет ее определителя.

Суть метода элементарных преобразований : привести матрицу,чей ранг необходимо найти, к трапециевидной при помощи элементарных преобразований.

Для чего?

Ранг матриц такого вида достаточно просто найти. Он равен количеству строк, в которых есть хотя бы один ненулевой элемент. А поскольку ранг при проведении элементарных преобразований не изменяется, то это и будет ранг матрицы.

Проиллюстрируем этот процесс:

для прямоугольных матриц А порядка p на n, число строк которых больше числа столбцов:

А ~ 1 b 12 b 13 ⋯ b 1 n - 1 b 1 n 0 1 b 23 ⋯ b 2 n - 2 b 2 n ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ 1 b n - 1 n 0 0 0 ⋯ 0 1 0 0 0 ⋯ 0 0 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ 0 0 , R a n k (A) = n

А ~ 1 b 12 b 13 ⋯ b 1 k b 1 k + 1 ⋯ b 1 n 0 1 b 23 ⋯ b 2 k b 2 k + 1 ⋯ b 2 n ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ 1 b k k + 1 ⋯ b k n 0 0 0 ⋯ 0 0 ⋯ 0 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ 0 0 ⋯ 0 , R a n k (A) = k

для прямоугольных матриц А порядка p на n, число строк которых меньше числа столбцов:

А ~ 1 b 12 b 13 ⋯ b 1 p b 1 p + 1 ⋯ b 1 n 0 1 b 23 ⋯ b 2 p b 2 p + 1 ⋯ b 2 n ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ 1 b p p + 1 ⋯ b p n , R a n k (A) = p

А ~ 1 b 12 b 13 ⋯ b 1 k b 1 k + 1 ⋯ b 1 n 0 1 b 23 ⋯ b 2 k b 2 k + 1 ⋯ b 2 n ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ 1 b k k + 1 ⋯ b k n 0 0 0 ⋯ 0 0 ⋯ 0 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ 0 0 ⋯ 0

для квадратных матриц А порядка n на n:

А ~ 1 b 12 b 13 ⋯ b 1 n - 1 b 1 n 0 1 b 23 ⋯ b 2 n - 1 b 2 n ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ 1 b n - 1 n 0 0 0 ⋯ 0 1 , R a n k (A) = n

A ~ 1 b 12 b 13 ⋯ b 1 k b 1 k + 1 ⋯ b 1 n 0 1 b 23 ⋯ b 2 k b 2 k + 1 ⋯ b 2 n ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ 1 b k k + 1 ⋯ b k n 0 0 0 ⋯ 0 0 ⋯ 0 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ 0 0 ⋯ 0 , R a n k (A) = k , k < n

Пример 5

Найти ранг матрицы А при помощи элементарных преобразований:

А = 2 1 - 2 6 3 0 0 - 1 1 - 1 2 - 7 5 - 2 4 - 15 7 2 - 4 11

Как решить?

Поскольку элемент а 11 отличен от нуля, то необходимо умножить элементы первой строки матрицы А на 1 а 11 = 1 2:

А = 2 1 - 2 6 3 0 0 - 1 1 - 1 2 - 7 5 - 2 4 - 15 7 2 - 4 11 ~

Прибавляем к элементам 2-ой строки соответствующие элементы 1-ой строки, которые умножены на (-3). К элементам 3-ей строки прибавляем элементы 1-ой строки, которые умножены на (-1):

~ А (1) = 1 1 2 - 1 3 3 0 0 - 1 1 - 1 2 - 7 5 - 2 4 - 15 7 2 - 4 11 ~ А (2) = = 1 1 2 - 1 3 3 + 1 (- 3) 0 + 1 2 (- 3) 0 + (- 1) (- 3) - 1 + 3 (- 3) 1 + 1 (- 3) - 1 + 1 2 (- 3) 2 + (- 1) (- 1) - 7 + 3 (- 1) 5 + 1 (- 5) - 2 + 1 2 (- 5) 4 + (- 1) (- 5) - 15 + 3 (- 5) 7 + 1 (- 7) 2 + 1 2 (- 7) - 4 + (- 1) (- 7) 11 + 3 (- 7) =

1 1 2 - 1 3 0 - 3 2 3 - 10 0 - 3 2 3 - 10 0 - 9 2 9 - 30 0 - 3 2 3 - 10

Элемент а 22 (2) отличен от нуля, поэтому мы умножаем элементы 2-ой строки матрицы А на А (2) н а 1 а 22 (2) = - 2 3:

А (3) = 1 1 2 - 1 3 0 1 - 2 20 3 0 - 3 2 3 - 10 0 - 9 2 9 - 30 0 - 3 2 3 - 10 ~ А (4) = 1 1 2 - 1 3 0 1 - 2 20 3 0 - 3 2 + 1 3 2 3 + (- 2) 3 2 - 10 + 20 3 × 3 2 0 - 9 2 + 1 9 2 9 + (- 2) 9 2 - 30 + 20 3 × 9 2 0 - 3 2 + 1 3 2 3 + (- 2) 3 2 - 10 + 20 3 × 3 2 = = 1 1 2 - 1 3 0 1 - 2 20 3 0 0 0 0 0 0 0 0 0 0 0 0

К элементам 3-ей строки полученной матрицы прибавляем соответствующие элементы 2-ой строки,которые умножены на 3 2 ;
к элементам 4-ой строки - элементы 2-ой строки, которые умножены на 9 2 ;
к элементам 5-ой строки - элементы 2-ой строки, которые умножены на 3 2 .

Все элементы строк равны нулю. Таким образом, при помощи элементарных преобразований,мы привели матрицу к трапецеидальному виду, откуда видно, что R a n k (A (4)) = 2 . Отсюда следует, что ранг исходной матрицы также равен двум.

Замечание

Если проводить элементарные преобразования, то не допускаются приближенные значения!

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

В каждой матрице можно связать два ранга: строчный ранг (ранг системы строк) и столбцовый ранг (ранг системы столбцов).

Теорема

Строчный ранг матрицы равен её столбцовому рангу.

Ранг матрицы

Определение

Рангом матрицы $A$ называется ранг её системы строк или столбцов.

Обозначается $\operatorname{rang} A$

На практике для нахождения ранга матрицы используют следующее утверждение: ранг матрицы равен количеству ненулевых строк после приведения матрицы к ступенчатому виду.

Элементарные преобразования над строками (столбцами) матрицы не меняют её ранга.

Ранг ступенчатой матрицы равен количеству её ненулевых строк.

Пример

Задание. Найти ранг матрицы $ A=\left(\begin{array}{cccc}{0} & {4} & {10} & {1} \\ {4} & {8} & {18} & {7} \\ {10} & {18} & {40} & {17} \\ {1} & {7} & {17} & {3}\end{array}\right) $

Решение. С помощью элементарных преобразований над ее строками приведем матрицу $A$ к ступенчатому виду. Для этого вначале от третьей строки отнимем две вторых:

$$ A \sim \left(\begin{array}{cccc}{0} & {4} & {10} & {1} \\ {4} & {8} & {18} & {7} \\ {2} & {2} & {4} & {3} \\ {1} & {7} & {17} & {3}\end{array}\right) $$

От второй строки отнимаем четвертую строку, умноженную на 4; от третьей - две четвертых:

$$ A \sim \left(\begin{array}{rrrr}{0} & {4} & {10} & {1} \\ {0} & {-20} & {-50} & {-5} \\ {0} & {-12} & {-30} & {-3} \\ {1} & {7} & {17} & {3}\end{array}\right) $$

Ко второй строке прибавим пять первых, к третьей - три третьих:

$$ A \sim \left(\begin{array}{cccc}{0} & {4} & {10} & {1} \\ {0} & {0} & {0} & {0} \\ {0} & {0} & {0} & {0} \\ {1} & {7} & {17} & {3}\end{array}\right) $$

Меняем местами первую и вторую строчки:

$$ A \sim \left(\begin{array}{cccc}{0} & {0} & {0} & {0} \\ {0} & {4} & {10} & {1} \\ {0} & {0} & {0} & {0} \\ {1} & {7} & {17} & {3}\end{array}\right) $$

$$ A \sim \left(\begin{array}{cccc}{1} & {7} & {17} & {3} \\ {0} & {4} & {10} & {1} \\ {0} & {0} & {0} & {0} \\ {0} & {0} & {0} & {0}\end{array}\right) \Rightarrow \operatorname{rang} A=2 $$

Ответ. $ \operatorname{rang} A=2 $

Метод окаймления миноров

На этой теореме базируется еще один метод нахождения ранга матрицы - метод окаймления миноров . Суть этого метода заключается в нахождении миноров, начиная с низших порядков и двигаясь к более высоким. Если минор $n$-го порядка не равен нулю, а все миноры $n+1$-го равны нулю, то ранг матрицы будет равен $n$ .

Пример

Задание. Найти ранг матрицы $ A=\left(\begin{array}{rrrr}{1} & {2} & {-1} & {-2} \\ {2} & {4} & {3} & {0} \\ {-1} & {-2} & {6} & {6}\end{array}\right) $ , используя метод окаймления миноров.

Решение. Минорами минимального порядка являются миноры первого порядка, которые равны элементам матрицы $A$ . Рассмотрим, например, минор $ M_{1}=1 \neq 0 $ . расположенный в первой строке и первом столбце. Окаймляем его с помощью второй строки и второго столбца, получаем минор $ M_{2}^{1}=\left| \begin{array}{ll}{1} & {2} \\ {2} & {4}\end{array}\right|=0 $ ; рассмотрим еще один минор второго порядка, для этого минор $M_1$ окаймляем при помощи второй строки и третьего столбца, тогда имеем минор $ M_{2}^{2}=\left| \begin{array}{rr}{1} & {-1} \\ {2} & {3}\end{array}\right|=5 \neq 0 $ , то есть ранг матрицы не меньше двух. Далее рассматриваем миноры третьего порядка, которые окаймляют минор $ M_{2}^{2} $ . Таких миноров два: комбинация третьей строки со вторым столбцом или с четвертым столбцом. Вычисляем эти миноры.

§3. Ранг матрицы

Определение ранга матрицы

Линейно зависимые строки

Элементарные преобразования матриц

Эквивалентные матрицы

Алгоритм нахождения ранга матрицы с помощью элементарных преобразований

§4. Определители первого, второго и третьего порядка

Определитель первого порядка

Определитель второго порядка

Определитель третьего порядка

Правило Саррюса

§5. Вычисление определителей больших порядков

Алгебраическое дополнение

Теорема Лапласа

Определитель треугольной матрицы

Приложение. Понятие определителя п -го порядка в общем виде.

§ 3. Ранг матрицы

Каждую матрицу характеризует некоторое число, имеющее важное значение при решении систем линейных уравнений. Это число называется рангом матрицы .

Ранг матрицы равен числу ее линейно независимых строк (столбцов), чрез которые линейно выражаются все остальные ее строки (столбцы).

Строки (столбцы) матрицы называются линейно зависимыми , если их соответствующие элементы пропорциональны.

Иначе говоря, элементы одной из линейно зависимых строк равны элементам другой, умноженным на одно и то же число. Например, строки 1 и 2 матрицы А линейно зависимы, если , где (λ – некоторое число).

Пример . Найти ранг матрицы

Решение .

Вторая строка получается из первой, если ее элементы умножить на –3, третья получается из первой, если ее элементы умножить на 0, а четвертая строка не может быть выражена через первую. Получается, матрица имеет две линейно независимые строки, т.к. первая и четвертая строки не пропорциональны, следовательно, ранг матрицы равен 2.

Ранг матрицы А обозначается rang A или r (A ).

Из определения ранга матрицы следует:

1. Ранг матрицы не превосходит наименьшего из ее размеров, т.е. для матрицы А m × n .

2. Ранг матрицы равен нулю, только если это нулевая матрица.

В общем случае определение ранга матрицы достаточно трудоемко. Для облегчения этой задачи используют преобразования, сохраняющие ранг матрицы, которые называются элементарными преобразованиями :

1) отбрасывание нулевой строки (столбца);

2) умножение всех элементов строки (столбца) на число, отличное от нуля;

3) изменение порядка строк (столбцов);

4) прибавление к элементам одной строки (столбца) соответствующих элементов другой строки (столбца), умноженных на любое число;

5) транспонирование матрицы.

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

Эквивалентность матриц обозначается знаком « ~ » (эквивалентно).

С помощью элементарных преобразований любую матрицу можно привести к треугольному виду, тогда вычисление ее ранга не представляет труда.

Процесс вычисления ранга матрицы с помощью элементарных преобразований рассмотрим на примере.

Пример . Найти ранг матрицы

А =

Решение .

Наша задача – привести матрицу к треугольному виду, т.е. с помощью элементарных преобразований добиться того, чтобы ниже главной диагонали в матрице были только нули.

1. Рассмотрим первую строку. Если элемент а 11 = 0, то при перестановке строк или столбцов добиваемся того, чтобы а 11 ¹ 0. В нашем примере поменяем местами, например, первую и вторую строки матрицы:

А =

Теперь элемент а 11 ¹ 0. Умножая первую строку на подходящие числа и складывая с другими строками, добьемся того, чтобы все элементы первого столбца (кроме а 11) равнялись нулю.

2. Рассмотрим теперь вторую строку. Если элемент а 22 = 0, то при перестановке строк или столбцов добиваемся того, чтобы а 22 ¹ 0. Если элемент а 22 ¹ 0 (а у нас а 22 = –1 ¹ 0), то, умножая вторую строку на подходящие числа и складывая с другими строками, добьемся того, чтобы все элементы второго столбца (кроме а 22) равнялись нулю.

3. Если в процессе преобразований получаются строки (столбцы), целиком состоящие из нулей, то отбрасываем их. В нашем примере отбросим строки 3-ю и 4-ю:

Последняя матрица имеет ступенчатый вид и содержит две строки. Они линейно независимы, следовательно, ранг матрицы равен 2.

§ 4. Определители первого, второго и третьего порядка

Среди всего многообразия матриц отдельно выделяют квадратные. Этот тип матриц хорош тем, что:

1. Единичные матрицы – квадратные.

2. Можно умножать и складывать любые квадратные матрицы одного порядка, при этом получается матрица того же порядка.

3. Квадратные матрицы можно возводить в степень.

Кроме того, только для квадратных матриц может быть вычислен определитель.

Определитель матрицы – это особое число, вычисляемое по некоторому правилу. Определитель матрицы А обозначается:

Или прямыми скобками: ,

Или заглавной греческой буквой «дельта»: Δ(A ),

Или символом «детерминант»: det (A ).

Определителем матрицы первого порядка А = (а 11) или определителем первого порядка , называется число, равное элементу матрицы:

Δ 1 = = а 11

Определителем матрицы второго порядка или определителем второго порядка

Пример :

Определителем матрицы третьего порядка или определителем третьего порядка , называется число, которое вычисляется по формуле:

Определитель третьего порядка можно вычислить, пользуясь правилом Саррюса .

Правило Саррюса . К определителю третьего порядка справа подписывают два первых столбца и со знаком плюс (+) берут сумму произведений трех элементов, расположенных на главной диагонали определителя и на «прямых», параллельных главной диагонали, со знаком минус (–) берут сумму произведений элементов, расположенных на второй диагонали и на «прямых», параллельных ей.

Пример :

Легко заметить, что число слагаемых в определителе увеличивается с увеличением его порядка. Вообще в определителе п -го порядка число слагаемых равно 1·2·3·…·п = п !.

Проверим: для Δ 1 число слагаемых равно 1! = 1,

для Δ 2 число слагаемых равно 2! = 1·2 = 2,

для Δ 3 число слагаемых равно 3! = 1·2·3 = 6.

Отсюда следует, что для определителя 4-го порядка число слагаемых равно 4! = 1·2·3·4 = 24, а значит вычисление такого определителя достаточно трудоемко, не говоря уже об определителях более высокого порядка. Учитывая это, вычисление определителей больших порядков стараются свести к вычислению определителей второго или третьего порядков.

§ 5. Вычисление определителей больших порядков

Введем ряд понятий.

Пусть дана квадратная матрица А n -го порядка:

А=

Минором M ij элемента a ij называется определитель (п – 1)-го порядка, полученной из матрицы А вычеркиванием i -oй строки и j -го столбца.

Например, минором элемента а 12 матрицы третьего порядка будет:

Алгебраическим дополнением А ij элемента a ij называется его минор, взятый со знаком (−1) i + j :

А ij = (−1) i + j M ij

Иначе говоря, А ij = M ij , если i +j четное число,

А ij = −M ij , если i +j нечетное число.

Пример . Найти алгебраические дополнения элементов второй строки матрицы

Решение .

С помощью алгебраических дополнений можно высчитывать определители больших порядков, на основании теоремы Лапласа.

Теорема Лапласа. Определитель квадратной матрицы равен сумме произведений элементов любой его строки (столбца) на их алгебраические дополнения:

– разложение по i-ой строке;

( – разложение по j-му столбцу).

Пример . Вычислить определитель матрицы разложением по первой строке.

Решение .

Таким образом, определитель любого порядка можно свести к вычислению нескольких определителей меньшего порядка. Очевидно, что для разложения удобно выбирать строку или столбец, содержащую как можно больше нулей.

Рассмотрим еще один пример.

Пример . Вычислить определитель треугольной матрицы

Решение .

Получили, что определитель треугольной матрицы равен произведению элементов ее главной диагонали .

Этот важный вывод позволяет легко вычислить определитель любой треугольной матрицы. Это тем более полезно, что при необходимости всякий определитель можно свести к треугольному виду. При этом используются некоторые свойства определителей.

Приложение

Понятие определителя п -го порядка в общем виде.

Вообще можно дать строгое определение для определителя матрицы п -го порядка, но для этого необходимо ввести ряд понятий.

Перестановкой чисел 1, 2, ..., n называется любое расположение этих чисел в определенном порядке. В элементарной алгебре доказывается, что число всех перестановок, которые можно образовать из n чисел, равно 12...n = n !. Например, из трех чисел 1, 2, 3 можно образовать 3! = 6 перестановок: 123, 132, 312, 321, 231, 213.

Говорят, что в данной перестановке числа i и j составляют инверсию (беспорядок), если i > j , но i стоит в этой перестановке раньше j , то есть если большее число стоит левее меньшего.

Перестановка называется четной (или нечетной ), если в ней соответственно четно (нечетно) общее число инверсий.

Операция, посредством которой от одной перестановки переходят к другой, составленной из тех же n чисел, называется подстановкой n -ой степени .

Подстановка, переводящая одну перестановку в другую, записывается двумя строками в общих скобках, причем числа, занимающие одинаковые места в рассматриваемых перестановках, называются соответствующими и пишутся одно под другим. Например, символ

обозначает подстановку, в которой 3 переходит в 4, 1 – в 2, 2 – в 1, 4 – в 3. Подстановка называется четной (или нечетной), если общее число инверсий в обеих строках подстановки четно (нечетно). Всякая подстановка n -ой степени может быть записана в виде

т.е. с натуральным расположением чисел в верхней строке.

Пусть нам дана квадратная матрица порядка n

Рассмотрим все возможные произведения по n элементов этой матрицы, взятых по одному и только по одному из каждой строки и каждого столбца, т.е. произведений вида:

где индексы q 1 , q 2 ,..., q n составляют некоторую перестановку из чисел
1, 2,..., n . Число таких произведений равно числу различных перестановок из n символов, т.е. равно n !. Знак произведения , равен (–1)q , где q –число инверсий в перестановке вторых индексов элементов.

Определителем n -го порядка называется алгебраическая сумма всех возможных произведений по n элементов матрицы, взятых по одному и только по одному из каждой строки и каждого столбца, т.е. произведений вида: . При этом знак произведения равен (–1) q , где q – число инверсий в перестановке вторых индексов элементов.

Линейная алгебра

Рассмотрим матрицу А размера .

А=
Выделим в нейkстрок иkстолбцов (
).

Определение 26: Минором k-го порядка матрицы А называется определитель квадратной матрицы, получающийся из данной выделением в ней.

kстрок иkстолбцов.

Определение 27: Рангом матрицы называется наибольший из порядков, отличных от нуля, ее миноров,r(A).

Определение 28: Минор, порядок которого совпадает с рангом называетсябазисным минором .

Утверждение:

1. Ранг выражается целым числом.(
)

2. r=0,
, когда А – нулевая.

Элементарные преобразования матриц.

К элементарным преобразованиям матриц относятся следующие:

1) умножение всех элементов какой-либо строки (столбца) матрицы на одно и то же число.

2) прибавление к элементам какой-либо строки (столбца) матрицы соответствующих элементов другой строки (столбца) умноженные на одно и то же число;

3) перестановка местами строк (столбцов) матрицы;

4) отбрасывание нулевой строки (столбца);

5) замена строк матрицы соответствующими столбцами.

Определение 29: Матрицы, получающиеся одна из другой, при элементарных преобразованиях называется эквивалентными матрицами, обозначаются “ ~“

Основное свойство эквивалентных матриц: Ранги эквивалентных матриц равны.

Пример 18: Вычислитьr(A),

Решение: Первую строку умножим поэтапно на (-4)(-2)

(-7) и затем прибавим соответственно к второй, третьей и четвертой строкам.

поменяем местами вторую и четвертую строки
вторую строку умножим на (-2) и прибавим к четвертой строке; сложим вторую и третью строки.

сложим третью и четвертую строки.

~
откинем нулевую строку

~
r(A)=3
ранг исходной матрицы

равен трем.

Определение 30: Назовем матрицу А ступенчатой, если все элементы главной диагонали0, а элементы под главной диагональю равны нулю.

Предложение :

1) ранг ступенчатой матрицы равен числу ее строк;

2) всякая матрица может быть приведена к ступенчатому виду с помощью элементарных преобразований.

Пример 19: При каких значениях  матрица
имеет ранг, равный единице?

Решение: Ранг равен единице, если определитель второго порядка равен нулю, т.е.

§6. Системы линейных уравнений общего вида.

Система вида
---(9) называется системой общего вида.

Определение 31: Две системы называются равносильными (эквивалентными), если каждое решение первой системы являются решением второй и наоборот.

В системе (1) матрицу А=
назовем основной матрицей системы, а=
расширенной матрицей системы

Теорема. Кронекера-Капелли

Для совместности системы (9) необходим и достаточно, чтобы ранг основной матрицы системы равнялся рангу расширенной матрицы, т. е. r(A)=r()

Теорема 1. Если ранг матрицы совместной системы равен числу неизвестных, то система имеет единственное решение.

Теорема 2. Если ранг матрицы совместной системы меньше числа неизвестных, то система имеет бесчисленное множество решений.

Правило решения произвольной системы линейных уравнений:

1)найти ранги основной и расширенной матриц системы. Если
, то система не совместна.

2) Если
=r, то система совместна. Найти какой-либо базисный минор порядкаr. Базисным будем называть минор, на основании которого определялся ранг матрицы.

Неизвестные, коэффициенты которых входят в базисный минор, называют главными (базисными) и оставляют слева, а остальные неизвестные называют свободными и переносят в правую часть уравнения.

3)Найти выражения главных неизвестных через свободные. Получено общее решение системы.

Пример 20: Исследовать систему и в случае ее совместности найти или единственное или общее решение