1. Що таке ранг матриці?
Уявіть матрицю як набір рядків (або стовпців) у просторі. Питання: скільки з них дійсно «різні», тобто несуть нову інформацію? Це і є ранг матриці.
Формально: ранг матриці A — це максимальна кількість лінійно незалежних рядків (або стовпців). Позначають rank(A) або rg(A).
Ключовий факт: ранг за рядками завжди дорівнює рангу за стовпцями. Це нетривіальний факт, але він дозволяє обчислювати ранг зручнішим способом.
Проста аналогія
Уявіть 3 людини у класі. Маша важить 50 кг, Петро — 70 кг, а Іра — в точності стільки, скільки Маша + Петро (50+70=120 кг). Іра не дає нової «інформації» — вона залежить від інших двох. Тому «ранг групи» = 2, а не 3.
2. Лінійна незалежність — основа рангу
Вектори v₁, v₂, ..., vₙ лінійно незалежні, якщо жоден з них не можна виразити через лінійну комбінацію інших. Формально: якщо c₁v₁ + c₂v₂ + ... + cₙvₙ = 0, то c₁ = c₂ = ... = cₙ = 0.
3. Як обчислити ранг: метод Гаусса
Найпоширеніший метод — привести матрицю до ступінчастої форми (REF) елементарними рядковими операціями. Ранг = кількість ненульових рядків у REF.
Три допустимі операції:
- Перестановка рядків місцями
- Множення рядка на ненульову константу
- Додавання до рядка лінійної комбінації інших рядків
Покроковий приклад
4. Геометричний зміст рангу
Ранг матриці A (m×n) — це розмірність образу (column space) лінійного відображення f(x) = Ax. Тобто скільки «вимірів» займають усі можливі результати множення Ax.
- rank(A) = n → A переводить простір без «стиснення» (ін'єкція)
- rank(A) = m → A «покриває» весь вихідний простір (сюр'єкція)
- rank(A) = min(m,n) → матриця повного рангу
5. Зв'язок з системами лінійних рівнянь
Ранг матриці визначає, чи є розв'язок системи Ax = b:
- rank(A) = rank(A|b) — система сумісна (має розв'язок)
- rank(A) = rank(A|b) = n — єдиний розв'язок
- rank(A) = rank(A|b) < n — нескінченно багато розв'язків
- rank(A) < rank(A|b) — система несумісна (немає розв'язків)
6. Ранг і визначник
Для квадратної матриці n×n існує простий зв'язок:
- rank(A) = n ⟺ det(A) ≠ 0 ⟺ A оборотна
- rank(A) < n ⟺ det(A) = 0 ⟺ A вироджена (singular)
7. Практичні застосування рангу
Ранг матриці виникає скрізь у прикладній математиці:
- Машинне навчання: ранг матриці ознак пов'язаний з мультиколінеарністю
- Стиснення даних: низькорангові апроксимації (SVD) — основа рекомендаційних систем
- Розв'язання СЛАР: критерій існування та єдиності розв'язку
- Теорія управління: ранг матриці керованості визначає керованість системи
- Комп'ютерна графіка: трансформації (обертання, масштабування) — оборотні ⟺ повний ранг
Підсумок: rank(A) — це кількість «справді різних» чи лінійно незалежних рядків/стовпців матриці. Знайти його можна методом Гаусса, привівши матрицю до ступінчастої форми й порахувавши ненульові рядки.
Про цю статтю
Ця стаття є частиною бази знань calculator.party — освітнього ресурсу, що поєднує теорію з практичними інструментами. Матеріал орієнтований на студентів, учнів і фахівців, що прагнуть глибокого розуміння теми. Тут зібрані ключові концепції, формули та реальні приклади застосування.
Лінійна алгебра є мовою сучасних технологій. Матриці, вектори та лінійні перетворення лежать в основі комп'ютерної графіки, машинного навчання, квантових обчислень та інженерного моделювання.
Навіщо читати цю статтю
Після прочитання ви зможете впевнено пояснити тему, вирішувати практичні задачі та застосовувати знання у навчанні й роботі. Стаття охоплює теоретичне підґрунтя і числові приклади, що полегшують запам'ятовування матеріалу.