Ранг единичной матрицы. Определение ранга матрицы

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).

Строк (столбцов). Несколько строк (столбцов) называются линейно независимыми, если ни одна из них не выражается линейно через другие. Ранг системы строк всегда равен рангу системы столбцов, и это число называется рангом матрицы.

Ранг матрицы - наивысший из порядков всевозможных ненулевых миноров этой матрицы. Ранг нулевой матрицы любого размера ноль. Если все миноры второго порядка равны нулю, то ранг равен единице, и т.д.

Ранг матрицы - размерность образа dim ⁡ (im ⁡ (A)) {\displaystyle \dim(\operatorname {im} (A))} линейного оператора , которому соответствует матрица.

Обычно ранг матрицы A {\displaystyle A} обозначается rang ⁡ A {\displaystyle \operatorname {rang} A} , r ⁡ A {\displaystyle \operatorname {r} A} , rg ⁡ A {\displaystyle \operatorname {rg} A} или rank ⁡ A {\displaystyle \operatorname {rank} A} . Последний вариант свойственен для английского языка, в то время как первые два - для немецкого, французского и ряда других языков.

Энциклопедичный YouTube

• 1 / 5

  Пусть - прямоугольная матрица.

  Тогда по определению рангом матрицы A {\displaystyle A} является:

  Теорема (о корректности определения рангов). Пусть все миноры матрицы A m × n {\displaystyle A_{m\times n}} порядка k {\displaystyle k} равны нулю ( M k = 0 {\displaystyle M_{k}=0} ). Тогда ∀ M k + 1 = 0 {\displaystyle \forall M_{k+1}=0} , если они существуют.

  Связанные определения

  Свойства

  • Теорема (о базисном миноре): Пусть r = rang ⁡ A , M r {\displaystyle r=\operatorname {rang} A,M_{r}} - базисный минор матрицы A {\displaystyle A} , тогда:
  • Следствия:
  • Теорема (об инвариантности ранга при элементарных преобразованиях): Введём обозначение для матриц, полученных друг из друга элементарными преобразованиями . Тогда справедливо утверждение: Если A ∼ B {\displaystyle A\sim B} , то их ранги равны.
  • Теорема Кронекера - Капелли : Система линейных алгебраических уравнений совместна тогда и только тогда, когда ранг её основной матрицы равен рангу её расширенной матрицы. В частности:
    • Количество главных переменных системы равно рангу системы.
    • Совместная система будет определена (её решение единственно), если ранг системы равен числу всех её переменных.
  • Неравенство Сильвестра : Если A и B матрицы размеров m x n и n x k , то
  rang ⁡ A B ≥ rang ⁡ A + rang ⁡ B − n {\displaystyle \operatorname {rang} AB\geq \operatorname {rang} A+\operatorname {rang} B-n}

  Это частный случай следующего неравенства.

  • Неравенство Фробениуса : Если AB, BC, ABC корректно определены, то
  rang ⁡ A B C ≥ rang ⁡ A B + rang ⁡ B C − rang ⁡ B {\displaystyle \operatorname {rang} ABC\geq \operatorname {rang} AB+\operatorname {rang} BC-\operatorname {rang} B}

  Линейное преобразование и ранг матрицы

  Пусть A {\displaystyle A} - матрица размера m × n {\displaystyle m\times n} над полем C {\displaystyle C} (или R {\displaystyle R} ). Пусть T {\displaystyle T} - линейное преобразование, соответствующее A {\displaystyle A} в стандартном базисе; это значит, что T (x) = A x {\displaystyle T(x)=Ax} . Ранг матрицы A {\displaystyle A} - это размерность области значений преобразования T {\displaystyle T} .

  Методы

  Существует несколько методов нахождения ранга матрицы:

  • Метод элементарных преобразований
  Ранг матрицы равен числу ненулевых строк в матрице после приведения её к ступенчатой форме при помощи элементарных преобразований над строками матрицы.
  • Метод окаймляющих миноров
  Пусть в матрице A {\displaystyle A} найден ненулевой минор k {\displaystyle k} -го порядка M {\displaystyle M} . Рассмотрим все миноры (k + 1) {\displaystyle (k+1)} -го порядка, включающие в себя (окаймляющие) минор M {\displaystyle M} ; если все они равны нулю, то ранг матрицы равен k {\displaystyle k} . В противном случае среди окаймляющих миноров найдется ненулевой, и вся процедура повторяется.

  Любая матрица A порядка m×n можно рассматривать как совокупность m векторов строк или n векторов столбцов .

  Рангом матрицы A порядка m×n называется максимальное количество линейно независимых векторов столбцов или векторов строк.

  Если ранг матрицы A равен r , то пишется:

  Нахождение ранга матрицы

  Пусть A произвольная матрица порядка m ×n . Для нахождения ранга матрицы A применим к ней метод исключения Гаусса.

  Отметим, что если на каком-то этапе исключения ведущий элемент окажется равным нулю, то меняем местами данную строку со строкой, в котором ведущий элемент отличен от нуля. Если окажется, что нет такой строки, то переходим к следующему столбцу и т.д.

  После прямого хода исключения Гаусса получим матрицу, элементы которой под главной диагональю равны нулю. Кроме этого могут оказаться нулевые векторы строки.

  Количество ненулевых векторов строк и будет рангом матрицы A .

  Рассмотрим все это на простых примерах.

  Пример 1.

  Умножив первую строку на 4 и прибавив ко второй строке и умножив первую строку на 2 и прибавив к третьей строке имеем:

  

  Вторую строку умножим на -1 и прибавим к третьей строке:

  

  Получили две ненулевые строки и, следовательно ранг матрицы равен 2.

  Пример 2.

  Найдем ранг следующей матрицы:

  

  Умножим первую строку на -2 и прибавим ко второй строке. Аналогично обнулим элементы третьей и четвертой строки первого столбца:

  

  Обнулим элементы третьей и четвертой строк второго столбца прибавляя соответствующие строки ко второй строке умноженной на число -1.

  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

  Ранее для квадратной матрицы -го порядка было введено понятие минора
  элемента. Напомним, что так был назван определитель порядка
  , полученный из определителя
  вычеркиванием-й строки и-го столбца.

  Введем теперь общее понятие минора. Рассмотрим некоторую, не обязательно квадратную матрицу . Выберем какие-нибудьномеров строк
  иномеров столбцов
  .

  Определение . Минором порядка матрицы (соответствующим выбранным строкам и столбцам) называется определитель порядка, образованный элементами, стоящими на пересечении выбранных строк и столбцов, т.е. число

  .

  Каждая матрица имеет столько миноров данного порядка , сколькими способами можно выбрать номера строк
  и столбцов
  .

  Определение . В матрице размеров
  минор порядканазываетсябазисным , если он отличен от нуля, а все миноры порядка
  равны нулю или миноров порядка
  у матрицывообще нет.

  Ясно, что в матрице может быть несколько разных базисных миноров, но все базисные миноры имеют один и тот же порядок. Действительно, если все миноры порядка
  равны нулю, то равны нулю и все миноры порядка
  , а, следовательно, и всех бόльших порядков.

  Определение . Рангом матрицы называется порядок базисного минора, или, иначе, самый большой порядок, для которого существуют отличные от нуля миноры. Если все элементы матрицы равны нулю, то ранг такой матрицы, по определению, считают нулем.

  Ранг матрицы будем обозначать символом
  . Из определения ранга следует, что для матрицыразмеров
  справедливо соотношение.

  Два способа вычисления ранга матрицы

  а) Метод окаймляющих миноров

  Пусть в матрице найден минор
  -го порядка, отличный от нуля. Рассмотрим лишь те миноры
  -го порядка, которые содержат в себе (окаймляют) минор
  : если все они равны нулю, то ранг матрицы равен. В противном случае среди окаймляющих миноров найдется ненулевой минор
  -го порядка, и вся процедура повторяется.

  Пример 9 . Найти ранг матрицы методом окаймляющих миноров.

  

  Выберем минор второго порядка
  . Существует только один минор третьего порядка, окаймляющий выбранный минор
  . Вычислим его.

  

  Значит, минор
  базисный, а ранг матрицы равен его порядку, т.е.
  

  Ясно, что перебирать таким способом миноры в поисках базисного – задача, связанная с большими вычислениями, если размеры матрицы не очень малы. Существует, однако, более простой способ нахождения ранга матрицы – при помощи элементарных преобразований.

  б) Метод элементарных преобразований

  Определение . Элементарными преобразованиями матрицы называют следующие преобразования:

  умножение строки на число, отличное от нуля;

  прибавление к одной строке другой строки;

  перестановку строк;

  такие же преобразования столбцов.

  Преобразования 1 и 2 выполняются поэлементно.

  Комбинируя преобразования первого и второго вида, мы можем к любой строке прибавить линейную комбинацию остальных строк.

  Теорема . Элементарные преобразования не меняют ранга матрицы.

  (Без доказательства)

  Идея практического метода вычисления ранга матрицы

  

  заключается в том, что с помощью элементарных преобразований данную матрицу приводят к виду

  , (5)

  в котором «диагональные» элементы
  отличны от нуля, а элементы, расположенные ниже «диагональных», равны нулю. Условимся называть матрицутакого вида треугольной (иначе, ее называют диагональной, трапециевидной или лестничной). После приведения матрицык треугольному виду можно сразу записать, что
  .

  В самом деле,
  (т.к. элементарные преобразования не меняют ранга). Но у матрицысуществует отличный от нуля минор порядка:

  ,

  а любой минор порядка
  содержит нулевую строку и поэтому равен нулю.

  Сформулируем теперь практическое правило вычисления ранга матрицы с помощью элементарных преобразований: для нахождения ранга матрицыследует с помощью элементарных преобразований привести ее к треугольному виду. Тогда ранг матрицыбудет равен числу ненулевых строк в полученной матрице.

  Пример 10. Найти ранг матрицы методом элементарных преобразований

  

  Решение.

  Поменяем местами первую и вторую строку (т.к. первый элемент второй строки −1 и с ней будет удобно выполнять преобразования). В результате получим матрицу, эквивалентную данной.

  
  

  Обозначим -тую строку матрицы –. Нам необходимо привести исходную матрицу к треугольному виду. Первую строку будем считать ведущей, она будет участвовать во всех преобразованиях, но сама остается без изменений.

  На первом этапе выполним преобразования, позволяющие получить в первом столбце нули, кроме первого элемента. Для этого из второй строки вычтем первую, умноженную на 2
  , к третьей строке прибавим первую
  , а из третьей вычтем первую, умноженную на 3
  Получаем матрицу, ранг которой совпадает с рангом данной матрицы. Обозначим ее той же буквой:

  .

  Так как нам необходимо привести матрицу к виду (5), вычтем из четвертой строки вторую. При этом имеем:

  .

  Получена матрица треугольного вида, и можно сделать вывод, что
  , т. е. числу ненулевых строк. Коротко решение задачи можно записать следующим образом: