Как находить ранг матрицы примеры. Ранг матрицы: определение, методы нахождения, примеры, решения

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).

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.

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.

Рассмотрим матрицу А размерности

Выделим в ней произвольно k строк и k столбцов. Из элементов, стоящих на пересечении выделенных строк и столбцов, составим определительk -го порядка. Все такие определители называютсяминорами матрицы А .

Определение. Наибольший из порядков миноров данной матрицы, отличных от нуля, называетсярангом матрицы . Обозначаетсяr (A ) .

Свойства ранга матрицы:

При транспонировании матрицы ее ранг не меняется.

Если вычеркнуть из матрицы нулевой ряд, то ранг матрицы не изменится.

Ранг матрицы не изменится при элементарных преобразованиях матрицы.

Ранг ступенчатой матрицы равен количеству ее ненулевых строк.

Системы линейных алгебраических уравнений.

Рассмотрим применение матриц и определителей для исследования и решения системы m линейных уравнений сn неизвестными

Коэффициенты и свободные членысчитаются заданными. В матричной форме система имеет вид, гдеА – матрица коэффициентов системы,B - вектор-столбец свободных членов,X - вектор-столбец неизвестных.Расширенной матрицей называется матрица

Понятия совместности и определенности системы рассмотреть самостоятельно.

Теорема Кронекера-Капелли

Система линейных алгебраических уравнений совместна тогда и только тогда, когда ранг расширенной матриц равен рангу основной матрицы.

Если ранг совместной системы равен числу неизвестных, то система имеет единственной решение.

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

Если ранг основной матрицы меньше ранга расширенной матрицы, то система имеет решений.

Формулы Крамера

Дана система трех уравнений с тремя неизвестными

Основную роль играют следующие четыре определителя:

Определитель Dназывается определителем системы (1). ОпределителиD x ,D y ,D z получаются из определителяDзаменой свободными членами элементов соответственно первого, второго и третьего столбцов.

Возможны следующие случаи.

Случай 1 (D¹0). В этом случае существует единственное решение системы, и оно может быть найдено по следующим формулам, которые называются формулами Крамера.

Случай 2 (D=0). В этом случае решение системы может не существовать или система может иметь бесконечное число решений. Например, система

не имеет решения, а система

имеет бесконечное число решений.

Решение систем линейных уравнений с помощью обратной матрицы и метод Гаусса рассмотреть самостоятельно.

Системы линейных однородных уравнений

Пусть дана система линейных однородных уравнений

.

Однородная система всегда совместна (), она имеетнулевое (тривиальное) решение .

Теорема 1. Для того, чтобы система однородных уравнений имела ненулевые решения, необходимо и достаточно, чтобы ранг ее основной матрицы был меньше числа неизвестных, т.е. .

Теорема 2. Для того, чтобы однородная система n линейных уравнений с n неизвестными имела ненулевые решения, необходимо и достаточно, чтобы ее определитель был равен нулю.

Координаты точки на прямой и плоскости. Деление отрезка в данном отношении.

Аналитическая геометрия изучает геометрические образы алгебраическими методами. Аппаратом аналитической геометрии является метод координат, разработанный Декартом в XVII веке. В основе метода координат лежит понятие системы координат.

Две взаимно перпендикулярные оси О х иО у , имеющие общее начало О и одинаковую масштабную единицу, образуют прямоугольную систему координат. ОсьО х называется осью абсцисс, осьО у – осью ординат.

В прямоугольной системе координат О ху точку М, имеющую координатых и у , обозначаютМ(х; у) , гдех – абсцисса точки, ау – её ордината.

Пусть в прямоугольной системе координат заданы точки М 1 (х 1, у 1 ) иМ 2 (х 2 ;у 2 ) . Расстояние между ними определяется по формуле:

Теорема. Для любых трех точек А(х 1 ;у 1),В(х 2 ;у 2) и С(х 3 ;у 3), не лежащих на одной прямой, площадь S треугольника АВС вычисляется по формуле

Пусть на плоскости дан произвольный отрезок М 1 М 2 и пустьМ – любая точка этого отрезка, отличная от точкиМ 2 (рис.1).

Координаты точки М(х;у) делящей отрезок между точкамиМ 1 (х 1 ;у 1 ) иМ 2 (х 2 ;у 2 ) в заданном отношенииλ , определяются по формулам:

При λ=1 получаем формулы для координат середины отрезка:

у М 2 (х 2 ;у 2)

М 1 (х 1 ;у 1) М(х;у)

О Р 1 Р Р 2 хOφ

рис.1 рис.2

В полярной системе координат положение точки М на плоскости определяется её расстоянием |ОМ|=ρ от полюсаО (ρ –полярный радиус-вектор точки) и угломφ , образованным отрезкомОМ с полярной осьюОЕ (рис.2). Уголφ считается положительным при отсчете от полярной оси против часовой стрелки.

Прямоугольные координаты х иу точкиМ и её полярные координатыρ иφ связаны следующими формулами