Линейна алгебра

5. Ранг на система от вектори и на матрица

специалности: Математика, Бизнес математика, Приложна

математика, I курс

лектор: Марта Теофилова

Линейна алгебра
5. Ранг
Ранг на система от вектори
Ранг на системата от вектори {v1 , v2 , ..., vn } се нарича максимал-
ният брой линейно независими вектори в тази система. Записваме
rank{v1 , v2 , ..., vn }.
Ако v1 , v2 , ..., vn са вектори в n-мерно векторно пространство и
rank{v1 , v2 , ..., vn } = r, то 0 ≤ r ≤ n.
Рангът на система, съставена само от нулевия вектор на дадено век-
торно пространство, е нула, т.е. rank{o} = 0, тъй като нулевият вектор
е линейно зависим.
Рангът на всяка база на дадено векторно пространство е равен на
броя на векторите в базата (размерността на пространството), тъй
като базисните вектори са линейно независими помежду си.
Ранг на системата от вектори {v1 , v2 , ..., vn } е размерността на вектор-
ното пространство, породено от тези вектори, т.е. rank{v1 , v2 , ..., vn } =
dim span{v1 , v2 , ..., vn }.

Линейна алгебра
5. Ранг
Ранг на система от вектори – пример

Нека разгледаме векторите a = (2, 1) и b = (−1, 1). Очевидно коор-

динатите на двата вектора не са пропорционални, т.е. не съществува
λ ∈ R, така че b = λa. Следователно системата {a, b} е линейно неза-
висима, откъдето rank{a, b} = 2.
Същият извод може да бъде направен и като пресметнете детерминан-
тата от координатите на двата вектора и установите, че тя е различна
от нула. Следователно двете наредени двойки са база на R2 .
Нека разгледаме векторите u = (1, 2, 3) и v = (2, 4, 6). Тъй като имаме
v = 2u, то системата {u, v} е линейно зависима и нейният ранг не мо-
же да бъде максимален (т.е. две). Всеки от двата вектора в системата
е линейно независим сам по себе си (тъй като не е нулев) и следова-
телно максималният брой линейно независими вектори в системата
{u, v} е един, т.е. rank{u, v} = 1.

Линейна алгебра
5. Ранг
Ранг на матрица

Нека A е правоъгълна матрица от тип m × n, т.е. редовете на A са

наредени n-торки, а стълбовете на A са наредени m-торки.
Означаваме с row(A) векторното подпространство на Rn , породено от
системата от редовете на A, и с col(A) векторното подпространство
на Rm , породено от системата от стълбовете на A.

Твърдение
За всяка матрица A от тип m×n e изпълнено dim row(A) = dim col(A).

Ранг на матрица се нарича максималният броя линейно независи-

ми редове (стълбове) на тази матрица и означаваме rank(A), т.е.
rank(A) = dim row(A) = dim col(A).
Имаме 0 ≤ rank(A) ≤ min(m, n).

Линейна алгебра
5. Ранг
Друго определение за ранг на матрица
Минор от k-ти ред на една матрица се нарича всяка детерминанта от
k-ти ред с елементи, в които се пресичат произволно взети k реда и
k стълба на матрицата.
Ненулев минор от k-ти ред се нарича базисен минор на матрица, ако
всеки минор от (k + 1)-ви ред (ако съществува) е равен на нула.

Твърдение (Фробениус)
Редът на базисния минор на една матрица е равен на ранга на систе-
мата от редовете (стълбовете) ѝ.

Следователно рангът на всяка матрица е равен на реда на базисния

ѝ минор. Това определение за ранг е дадено от немския математик
Фердинанд Георг Фробениус през 1879 г. Но идеята за ранг е би-
ла използвана и по-рано, още през 1851 г. от английския математик
Джеймс Силвестър.
Линейна алгебра
5. Ранг
Връзка между ранг и детерминанта
Нека A е квадратна матрица от n-ти ред, за която det A = 0. Следо-
вателно редът на базисния минор на A трябва да бъде по-малък от
n, тъй като минорът от възможно най-висок ред за тази матрица, а
именно детерминантата ѝ, е равен на нула. Съгласно определението
за ранг на Фробениус това означава, че rank(A) < n, откъдето след-
ва, че системата от редовете (стълбовете) на A е линейно зависима.
Така установихме следната
Твърдение
Ако една детерминанта е равна на нула, то системата от редовете
(стълбовете) ѝ е линейно зависима.

Като вземем предвид установеното от нас в предишната тема, следва,

че детерминантата на квадратната матрица A от n-ти ред е равна на
нула, точно когато системата редовете (стълбове) на A е линейно
зависима, т.е. det A = 0 ⇔ rank(A) < n (det A 6= 0 ⇔ rank(A) = n).
Линейна алгебра
5. Ранг
Трапецовидни матрици

Матрица A от тип m × n от вида

a11 a12 a13 ... a1r ... a1n

 
 0 a a23 ... a2r ... a2n 
 22 
 
 0 0 a33 ... a3r ... a3n 
 
 ... ... ... ... ... ... ... 
A= , (1)
 
 0 0 0 ... arr ... arn 
 
 0 0 0 ... 0 ... 0 
 
 
 ... ... ... ... ... ... ... 
0 0 0 ... 0 ... 0

където aii 6= 0 (i = 1, 2, .., r), се нарича трапецовидна матрица

(матрица в трапецовидна форма).

Линейна алгебра
5. Ранг
Трапецовидни матрици

Твърдение
Рангът на трапецовидната матрица A, определена от (1), е равен на
броя на ненулевите ѝ редове, т.е. rank(A) = r.

Нека разгледаме няколко примера на трапецовидни матрици и опре-

делим ранговете им с помощта на горното твърдение:
 
  1 2 3  
1 2 0 3 1  0 4 5  1 0 2
A =  0 3 4 5 1 , B =   0 0 0 
, C =  0 1 0 .
0 0 0 0 0 0 0 7
0 0 0

За горните матрици имаме rank(A) = 2, rank(B) = 2, rank(C) = 3

(проверете, че det C 6= 0).

Линейна алгебра
5. Ранг
Елементарни действия с редовете (стълбовете) на
матрица
Елементарните действия върху редовете (стълбовете) на една матрица
са:
Размяна на местата на два реда
Умножаване на всички елементи от даден ред (стълб) с число,
различно от нула
Прибавяне към елементите на даден ред (стълб) на съответните
им елементи от друг ред (стълб), умножени с произволно число
С помощта на трите елементарни действия всяка матрица може да
бъде превърната в трапецовидна (да бъде получена трапецовидната
ѝ форма).

Твърдение
Извършването на трите елементарни действия по редовете (стълбо-
вете) на една матрица не променя нейния ранг.
Линейна алгебра
5. Ранг
Алгоритъм за намиране на ранг на матрица и система
от вектори

Привеждаме матрицата в трапецовидна форма чрез извършване на

елементарни действия по редовете (стълбовете) на матрицата. Броят
на ненулевите редове в трапецовидната форма на матрицата е равен
на нейния ранг.
За търсене на ранг на система от вектори записваме координатите им
в матрица и търсим ранга на тази матрица.
Матрици, които имат равни рангове, се наричат еквивалентни. Ако
rank(A) = rank(B), то за краткост ще записваме A ∼ B.
Следователно матриците, получени една от друга чрез трите елемен-
тарни действия, са еквивалентни.

Линейна алгебра
5. Ранг
Ранг на система от вектори – пример

Намерете ранга на системата от вектори {v1 , v2 , v3 , v4 }, където v1 (1, 1, 0, 2),

v2 (1, −1, 3, 3), v3 (2, 0, −1, 2), v4 (−1, 0, 3, 1). Отговорете на въпроса да-
ли тази система е база на R4 .
   
1 1 0 2 (−1) (−2) 1 1 0 2
 1 −1 3 3   0 −2 3 1 
 ←−+
∼ ← −
 2 0 −1 2 ←−−−−−− +  0 −2 −1 −2 
−1 0 3 1 ←−−−−−−−−−−− + 0 1 3 3 ← −
   
1 1 0 2 1 1 0 2
 0 1 3 3  2 2  0 1 3 3 
∼ 
 0 −2 −1 −2 ←−+ ∼
 0
 ∼
0 5 4  (−9/5)
0 −2 3 1 ←−−−− + 0 0 9 7 ←− +

Линейна алгебра
5. Ранг
Ранг на система от вектори – продължение на примера

 
1 1 0 2
 0 1 3 3 
∼
 0

0 5 4 
0 0 0 − 54

Следователно рангът на матрицата е 4, т.е. rank{v1 , v2 , v3 , v4 } = 4.

Последното показва, че четирите вектора в системата са линейно не-
зависими и следователно са база на R4 .
Установете същия резултат с помощта на детерминанта.

Линейна алгебра
5. Ранг
Приложение на ранг – за намиране на база

Намерете база на векторното подпространство на R4 , породено от век-

торите u = (1, 2, 3, 4), v = (−1, −1, −4, −2) и w = (3, 4, 11, 8), т.е. на
span{u, v, w}.

Един начин да решим задачата е като намерим rank{u, v, w} чрез

ранга на матрицата от координатите на векторите. Ако рангът на сис-
темата от вектори е максимален (в този случай 3), то векторите са
линейно независими помежду си и образуват база на span{u, v, w}. В
случай, че рангът е по-малък от максималния възможен, векторите в
системата са линейно зависими. Тогава ненулевите редове в трапецо-
видната форма на матрицата от координатите на векторите образуват
една база на span{u, v, w}.

Линейна алгебра
5. Ранг
Приложение на ранг – за намиране на база

   
1 2 3 4 (−3) 1 2 3 4
A =  −1 −1 −4 −2 ←−+ ∼ 0 1 −1 2  2
3 4 11 8 ←−−−− + 0 −2 2 −4 ← −+
 
1 2 3 4
∼ 0 1 −1 2  .
0 0 0 0

Следователно rank{u, v, w} = rank(A) = 2. Можете да се убедите, че

w = u − 2v.
Една база на span{u, v, w} e системата от вектори {a, b}, където
a = (1, 2, 3, 4) и b = (0, 1, −1, 2).

Линейна алгебра
5. Ранг
Приложение на ранг – за намиране на база

Намерете по една база на векторното пространство от редовете и на

векторното пространство от стълбовете на матрицата A, т.е. на row(A)
и col(A), където  
1 3 2
A =  1 4 1 .
2 5 5
Не забравяйте, че рангът на системата от редовете е равен на ранга
на системата от стълбовете. Потвърдете резултата си за двата ранга
(т.е. за ранга на матрицата) чрез детерминантата на A. Посочете реда
на базисния минор на A.

Линейна алгебра
5. Ранг
Приложение на ранг – за проверка за пораждаща
система
Една система от n или повече вектора на n-мерно векторно простран-
ство V е пораждаща за V , точно когато системата съдържа n линейно
независими вектора, т.е. рангът ѝ е равен на n.
Нека разгледаме два примера в тримерното пространство R3 .
Първата система от вектори съдържа v1 = (1, 0, 0), v2 = (1, 2, 0) и
v3 = (−1, 2, 0). Проверете, че rank{v1 , v2 , v3 } = 2. Наистина, тази
система не е пораждаща за R3 , тъй като вектор u = (x, y, z), за който
z 6= 0, не може да се представи като линейна комбинация на векторите
от {v1 , v2 , v3 }.
Втората система от вектори е {v1 , v2 , v3 , v4 }, където v4 = (1, 1, 1).
Проверете, че rank{v1 , v2 , v3 , v4 } = 3 (рангът се повиши с единица,
тъй като към {v1 , v2 , v3 } добавихме вектора v4 , който е линейно не-
зависим с първите три вектора, т.е. не е тяхна линейна комбинация).
Втората система вече е пораждаща за R3 (проверете и чрез опреде-
лението за пораждаща система и извлечете от нея база на R3 ).
Линейна алгебра
5. Ранг
Литература
Т. Моллов, Ст. Миховски. Линейна алгебра. Пловдивско универ-
ситетско издателство Паисий Хилендарски, Пловдив, 2008.
П. Балючев, К. Коликов, А. Стоянова. Ръководство за решаване
на задачи по линейна алгебра. Пловдивско университетско изда-
телство Паисий Хилендарски, Пловдив, 1996.
D. C. Lay, S. R. Lay, Judi J. McDonald. Linear algebra and its applications,
5th ed. Pearson, 2016.
G. Strang. Linear algebra and its applications, 4th ed. Nelson Engineering,
2007.
G. Strang, Introduction to linear algebra, 5th ed. Wellesley-Cambridge
Press, 2016, http://math.mit.edu/∼gs/linearalgebra/.
H. Anton, C. Rorres. Elementary linear algebra (applications version),
11th ed. Wiley, 2014.
P. J. Olver, Ch. Shakiban. Applied linear algebra, 2nd ed. Springer,
2018.
T. S. Shores. Applied linear algebra and matrix analysis, 2nd ed.
Springer, 2018.
Линейна алгебра
5. Ранг