Математика / Матрицы, определители

Ранг матрицы через миноры

Ранг матрицы равен наибольшему порядку ненулевого минора. Он показывает, сколько строк или столбцов матрицы действительно независимы.

Опубликовано: 12 мая 2026 г.Обновлено: 12 мая 2026 г.

Формула

\operatorname{rank}A=\max\{r:\text{существует ненулевой минор порядка }r\}

Схема Ранг как число независимых направлений

Ненулевой минор порядка r показывает, что внутри матрицы есть квадратный блок с r независимыми строками и столбцами.

Ранг не считает элементы, он считает независимую информацию.

Обозначения

$\operatorname{rank}A$: ранг матрицы A, шт.
$r$: порядок проверяемого минора, шт.
$\text{минор порядка }r$: определитель квадратной подматрицы размера r x r, зависит от элементов

Условия применения

Матрица может быть прямоугольной или квадратной.
Для минорного определения рассматриваются все квадратные подматрицы возможных порядков.
Элементы матрицы должны принадлежать числовой системе, где определители имеют смысл.

Ограничения

Поиск всех миноров вручную быстро становится неэффективным даже для умеренных размеров.
В численных расчетах почти нулевые миноры требуют порога точности, иначе ранг может быть определен нестабильно.
Минорное определение хорошо объясняет смысл ранга, но на практике ранг чаще находят приведением матрицы к ступенчатому виду.

Подробное объяснение

Ранг измеряет максимальное число независимых направлений, которые содержатся в строках или столбцах матрицы. Минорный критерий выражает эту идею через определители. Если существует ненулевой минор порядка r, значит соответствующие r строк и r столбцов образуют невырожденную квадратную подматрицу. Такая подматрица содержит r независимых направлений, поэтому ранг не меньше r.

Если все миноры порядка r + 1 равны нулю, то независимых наборов большего размера нет. Тогда максимальный порядок ненулевого минора и есть ранг. Для квадратной матрицы n x n ненулевой определитель всей матрицы означает ранг n. Если определитель равен нулю, ранг меньше n, но его конкретное значение нужно искать дальше.

Связь ранга с системами линейных уравнений фундаментальна. Ранг матрицы коэффициентов показывает число независимых уравнений. Если одно уравнение является линейной комбинацией других, оно не добавляет новой информации и не увеличивает ранг. В теореме Кронекера-Капелли совместность системы определяется сравнением ранга матрицы коэффициентов и расширенной матрицы.

Миноры хорошо подходят для понимания теории и небольших учебных примеров. В практических вычислениях обычно используют элементарные преобразования строк, QR- или SVD-разложение. Эти методы эффективнее и позволяют учитывать погрешности чисел с плавающей точкой.

Как пользоваться формулой

Определите максимальный возможный ранг как минимум из числа строк и столбцов.
Проверьте, есть ли ненулевой минор максимального порядка.
Если такого минора нет, переходите к минорам на один порядок меньше.
Найдите наибольший порядок, для которого существует ненулевой минор.
Сделайте вывод о числе независимых строк или столбцов.

Историческая справка

Понятие ранга сформировалось в рамках развития теории линейных систем, матриц и линейных преобразований. Уже методы исключения показывали, что некоторые уравнения не добавляют новой информации, если выражаются через другие. В XIX веке, по мере развития матричной алгебры и теории определителей, стало естественно описывать эту независимость через ненулевые миноры и максимальное число независимых строк или столбцов. Позже ранг получил геометрическую интерпретацию как размерность образа линейного отображения. В XX веке понятие ранга стало центральным в численной линейной алгебре, статистике, теории управления, оптимизации и анализе данных. Сегодня ранг используют не только в точной алгебре, но и в приближенных задачах: например, низкоранговые модели помогают сжимать данные и находить скрытые структуры.

Историческая линия формулы

Ранг матрицы не связан с одним автором. Он возник из работ по системам линейных уравнений, определителям и матричной алгебре. Минорное определение отражает вклад теории определителей, а современное понимание ранга как размерности образа связано с развитием абстрактной линейной алгебры.

Пример

Рассмотрим A = [[1, 2, 3], [2, 4, 6], [1, 0, 1]]. Определитель всей матрицы равен нулю, потому что первые две строки зависимы: вторая строка равна удвоенной первой. Значит ранг меньше 3. Проверим минор порядка 2, например по строкам 1 и 3 и столбцам 1 и 2: [[1, 2], [1, 0]]. Его определитель равен 1·0 - 2·1 = -2, он ненулевой. Значит существует ненулевой минор порядка 2, а ненулевого минора порядка 3 нет. Следовательно, rank A = 2. Это означает, что в матрице есть две независимые строки или два независимых столбца, но третье независимое направление отсутствует.

Частая ошибка

Частая ошибка - считать ранг равным числу ненулевых элементов. Матрица может иметь много ненулевых элементов, но малый ранг из-за зависимых строк. Вторая ошибка - найти один нулевой минор порядка 2 и сразу сделать вывод, что ранг меньше 2. Нужно доказать, что все миноры данного порядка нулевые, или найти ненулевой минор большего порядка. Третья ошибка - путать ранг квадратной матрицы с определителем: определитель дает только проверку полного ранга. Еще одна ошибка - в численных задачах считать очень малые величины точно ненулевыми без учета округления.

Практика

Задачи с решением

Ранг матрицы 2 x 3

Условие. Найдите ранг A = [[1, 2, 3], [2, 4, 6]].

Решение. Вторая строка равна удвоенной первой, значит независимая строка только одна. Есть ненулевой минор порядка 1, например элемент 1. Все миноры порядка 2 нулевые из-за пропорциональности строк. Ранг равен 1.

Ответ. 1

Ненулевой минор порядка 2

Условие. Матрица A = [[1, 0, 2], [3, 1, 4], [2, 0, 4]]. Докажите, что rank A не меньше 2.

Решение. Возьмем минор по строкам 1 и 2, столбцам 1 и 2: [[1, 0], [3, 1]]. Его определитель равен 1·1 - 0·3 = 1, он ненулевой. Поэтому ранг матрицы не меньше 2.

Ответ. rank A >= 2

Дополнительные источники

MIT OpenCourseWare 18.06SC Linear Algebra, unit on rank and column space
Jim Hefferon, Linear Algebra, chapter Three: Maps
OpenStax Precalculus 9.6 Solving Systems with Gaussian Elimination

Связанные формулы

Математика

Определитель матрицы 3x3 по правилу Саррюса

$\det A=a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{13}a_{21}a_{32}-a_{13}a_{22}a_{31}-a_{11}a_{23}a_{32}-a_{12}a_{21}a_{33}$

Правило Саррюса дает быстрый способ вычислить определитель матрицы 3x3 как сумму трех произведений по нисходящим диагоналям минус сумму трех произведений по восходящим диагоналям.

Математика

Решение системы 2x2 по правилу Крамера

$x=\frac{\Delta_x}{\Delta},\quad y=\frac{\Delta_y}{\Delta}$

Правило Крамера выражает решение системы двух линейных уравнений через определители. Метод работает, когда главный определитель системы не равен нулю.

Математика

Матричное произведение

$(AB)_{ij}=\sum_{k=1}^{m}a_{ik}b_{kj}$

Матричное произведение строит элемент новой матрицы как скалярное произведение строки первой матрицы и столбца второй. Порядок множителей важен.