Сайт о телевидении

Матрица – прямоугольная таблица произвольных чисел, расположенных в определенном порядке, размером m*n (строк на столбцы). Элементы матрицы обозначаются, где i – номер строки, аj – номер столбца.

Сложение (вычитание) матриц определены только для одноразмерных матриц. Сумма(разность) матриц – матрица, элементы которой являются соответственно сумма(разность) элементов исходных матриц.

Умножение (деление) на число – умножение (деление) каждого элемента матрицы на это число.

Умножение матриц определено только для матриц, число столбцов первой из которых равно числу строк второй.

Умножение матриц – матрица, элементы которых задаются формулами:

Транспонирование матрицы – такая матрицаB, строки (столбцы) которой являются столбцами (строками) в исходной матрицеA. Обозначается

Обратная матрица

Матричные уравнения – уравнения видаA*X=B есть произведение матриц, ответом на данное уравнение является матрицаX, которая находится с помощью правил:

1. Линейная зависимость и независимость столбцов (строк) матрицы. Критерий линейной зависимости, достаточные условия линейной зависимости столбцов (строк) матрицы.

Система строк (столбцов) называется линейно независимой , если линейная комбинация тривиальна (равенство выполняется только приa1…n=0), гдеA1…n – столбцы(строки), аa1…n – коэффициенты разложения.

Критерий : для того, что бы система векторов была линейно зависма, необходимо и достаточно, чтобы хотя бы один из векторов системы линейно выражался через остальные векторы системы.

Достаточное условие :

1. Определители матрицы и их свойства

Определитель матрицы (детерминанта) – такое число, которое для квадратной матрицыA может быть вычислено по элементам матрицы по формуле:

, где - дополнительный минор элемента

Свойства:

1. Обратная матрица, алгоритм вычисления обратной матрицы.

Обратная матрица – такая квадратная матрицаX,которая вместе с квадратной матрицей A того же порядка, удовлевторяет условию:, гдеE – единичная матрица, того же порядка что иA. Любая квадратная матрица с определителем, не равным нулю имеет 1 обратную матрицу. Находится с помощью метода элементарных преобразований и с помощью формулы:

Понятие ранга матрицы. Теорема о базисном миноре. Критерий равенства нулю определителя матрицы. Элементарные преобразования матриц. Вычисления ранга методом элементарных преобразований. Вычисление обратной матрицы методом элементарных преобразований.

Ранг матрицы – порядок базисного минора (rg A)

Базисный минор – минор порядкаr не равный нулю, такой что все миноры порядка r+1 и выше равны нулю или не существуют.

Теорема о базисном миноре - В произвольной матрице А каждый столбец {строка) является линейной комбинацией столбцов (строк), в которых расположен базисный минор.

Доказательство: Пусть в матрицеAразмеров m*n базисный минор расположен в первых r строках и первых r столбцах. Рассмотрим определитель, который получен приписыванием к базисному минору матрицы А соответствующих элементов s-й строки и k-го столбца.

Отметим, что при любых иэтот определитель равен нулю. Еслиили, то определительD содержит две одинаковых строки или два одинаковых столбца. Если жеи, то определитель D равен нулю, так как является минором (r+λ)-ro порядка. Раскладывая определитель по последней строке, получаем:, где- алгебраические дополнения элементов последней строки. Заметим, что, так как это базисный минор. Поэтому, гдеЗаписывая последнее равенство для, получаем, т.е. k-й столбец (при любом) есть линейная комбинация столбцов базисного минора, что и требовалось доказать.

Критерий d etA=0 – Определитель равен нулю тогда и только тогда, когда его строки(столбцы) линейно зависимы.

Элементарные преобразования :

1) умножение строки на число, отличное от нуля;

2) прибавление к элементам одной строки элементов другой строки;

3) перестановка строк;

4) вычеркивание одной из одинаковых строк (столбцов);

5) транспонирование;

Вычисление ранга – Из теоремы о базисном миноре следует, что ранг матрицы А равен максимальному числу линейно независимых строк(столбцов в матрице), следовательно задача элементарных преобразований найти все линейно независимые строки (столбцы).

Вычисление обратной матрицы ­ - Преобразования могут быть реализованы умножением на матрицу A некоторой матрицы T, которая представляет собой произведение соответствующих элементарных матриц: TA = E.

Это уравнение означает, что матрица преобразования T представляет собой обратную матрицу для матрицы . Тогдаи, следовательно,

Понятия линейной зависимости и линейной независимости определяются для строк и столбцов одинаково. Поэтому свойства, связанные с этими понятиями, сформулированные для столбцов, разумеется, справедливы и для строк.

1. Если в систему столбцов входит нулевой столбец, то она линейно зависима.

2. Если в системе столбцов имеется два равных столбца, то она линейно зависима.

3. Если в системе столбцов имеется два пропорциональных столбца , то она линейно зависима.

4. Система из столбцов линейно зависима тогда и только тогда, когда хотя бы один из столбцов есть линейная комбинация остальных.

5. Любые столбцы, входящие в линейно независимую систему, образуют линейно независимую подсистему.

6. Система столбцов, содержащая линейно зависимую подсистему, линейно зависима.

7. Если система столбцов - линейно независима, а после присоединения к ней столбца - оказывается линейно зависимой, то столбец можно разложить по столбцам , и притом единственным образом, т.е. коэффициенты разложения находятся однозначно.

Докажем, например, последнее свойство. Так как система столбцов линейно зависима, то существуют числа не все равные 0, что

В этом равенстве . В самом деле, если , то

Значит, нетривиальная линейная комбинация столбцов равна нулевому столбцу, что противоречит линейной независимости системы . Следовательно, и тогда , т.е. столбец есть линейная комбинация столбцов . Осталось показать единственность такого представления. Предположим противное. Пусть имеется два разложения и , причем не все коэффициенты разложений соответственно равны между собой (например, ). Тогда из равенства

Получаем (\alpha_1-\beta_1)A_1+\ldots+(\alpha_k-\beta_k)A_k=o

последовательно, линейная комбинация столбцов равна нулевому столбцу. Так как не все ее коэффициенты равны нулю (по крайней мере ), то эта комбинация нетривиальная, что противоречит условию линейной независимости столбцов . Полученное противоречие подтверждает единственность разложения.

Пример 3.2. Доказать, что два ненулевых столбца и линейно зависимы тогда и только тогда, когда они пропорциональны, т.е. .

Решение. В самом деле, если столбцы и линейно зависимы, то существуют такие числа , не равные нулю одновременно, что . Причем в этом равенстве . Действительно, предположив, что , получим противоречие , поскольку и столбец - ненулевой. Значит, . Поэтому найдется число такое, что . Необходимость доказана.

Наоборот, если , то . Получили нетривиальную линейную комбинацию столбцов, равную нулевому столбцу. Значит, столбцы линейно зависимы.

Пример 3.3. Рассмотреть всевозможные системы, образованные из столбцов

Исследовать каждую систему на линейную зависимость.
Решение. Рассмотрим пять систем, содержащих по одному столбцу. Согласно п.1 замечаний 3.1: системы , линейно независимы, а система, состоящая из одного нулевого столбца , линейно зависима.

Рассмотрим системы, содержащие по два столбца:

– каждая из четырех систем и линейно зависима, так как содержит нулевой столбец (свойство 1);

– система линейно зависима, так как столбцы пропорциональны (свойство 3): ;

– каждая из пяти систем и линейно независима, так как столбцы непропорциональные (см. утверждение примера 3.2).

Рассмотрим системы, содержащие три столбца:

– каждая из шести систем и линейно зависима, так как содержит нулевой столбец (свойство 1);

– системы линейно зависимы, так как содержат линейно зависимую подсистему (свойство 6);

– системы и линейно зависимы, так как последний столбец линейно выражается через остальные (свойство 4): и соответственно.

Наконец, системы из четырех или из пяти столбцов линейно зависимы (по свойству 6).

Ранг матрицы

В этом разделе рассмотрим еще одну важную числовую характиристику матрицы, связанную с тем, насколько ее строки (столбцы) зависят друг от друга.

Определение 14.10 Пусть дана матрица размеров и число , не превосходящее наименьшего из чисел и : . Выберем произвольно строк матрицы и столбцов (номера строк могут отличаться от номеров столбцов). Определитель матрицы, составленной из элементов, стоящих на пересечении выбранных строк и столбцов, называется минором порядка матрицы .

Пример 14.9 Пусть .

Минором первого порядка является любой элемент матрицы. Так 2, , -- миноры первого порядка.

Миноры второго порядка:

1. возьмем строки 1, 2, столбцы 1, 2, получим минор ;

2. возьмем строки 1, 3, столбцы 2, 4, получим минор ;

3. возьмем строки 2, 3, столбцы 1, 4, получим минор

Миноры третьего порядка:

строки здесь можно выбрать только одним способом,

1. возьмем столбцы 1, 3, 4, получим минор ;

2. возьмем столбцы 1, 2, 3, получим минор .

Предложение 14.23 Если все миноры матрицы порядка равны нулю, то все миноры порядка , если такие существуют, тоже равны нулю.

Доказательство . Возьмем произвольный минор порядка . Это определитель матрицы порядка . Разложим его по первой строке. Тогда в каждом слагаемом разложения один из множителей будет являться минором порядка исходной матрицы. По условию миноры порядка равны нулю. Поэтому и минор порядка будет равен нулю.

Определение 14.11 Рангом матрицы называется наибольший из порядков миноров матрицы , отличных от нуля. Ранг нулевой матрицы считается равным нулю.

Единое, стандартное, обозначение ранга матрицы отсутствует. Следуя учебнику , мы будем обозначать его .

Пример 14.10 Матрица примера 14.9 имеет ранг 3, так как есть минор третьего порядка, отличный от нуля, а миноров четвертого порядка нет.

Ранг матрицы равен 1, так как есть ненулевой минор первого порядка (элемент матрицы ), а все миноры второго порядка равны нулю.

Ранг невырожденной квадратной матрицы порядка равен , так как ее определитель является минором порядка и у невырожденной матрицы отличен от нуля.

Предложение 14.24 При транспонировании матрицы ее ранг не меняется, то есть .

Доказательство . Транспонированный минор исходной матрицы будет являться минором транспонированной матрицы , и наоборот, любой минор является транспонированным минором исходной матрицы . При транспонировании определитель (минор) не меняется (предложение 14.6). Поэтому если все миноры порядка в исходной матрице равны нулю, то все миноры того же порядка в тоже равны нулю. Если же минор порядка в исходной матрице отличен от нуля, то в есть минор того же порядка, отличный от нуля. Следовательно, .

Определение 14.12 Пусть ранг матрицы равен . Тогда любой минор порядка , отличный от нуля, называется базисным минором.

Пример 14.11 Пусть . Определитель матрицы равен нулю, так как третья строка равна сумме первых двух. Минор второго порядка, расположенный в первых двух строках и первых двух столбцах, равен . Следовательно, ранг матрицы равен двум, и рассмотренный минор является базисным.

Базисным минором является также минор, расположенный, скажем, в первой и третьей строках, первом и третьем столбцах: . Базисным будет минор во второй и третьей строках, первом и третьем столбцах: .

Минор в первой и второй строках, втором и третьем столбцах равен нулю и поэтому не будет базисным. Читатель может самостоятельно проверить, какие еще миноры второго порядка будут базисными, а какие нет.

Так как столбцы (строки) матрицы можно складывать, умножать на числа, образовывать линейные комбинации, то можно ввести определения линейной зависимости и линейной независимости системы столбцов (строк) матрицы. Эти определения аналогичны таким же определениям 10.14, 10.15 для векторов.

Определение 14.13 Система столбцов (строк) называется линейно зависимой, если существует такой набор коэффициентов, из которых хотя бы один отличен от нуля, что линейная комбинация столбцов (строк) с этими коэффициентами будет равна нулю.

Определение 14.14 Система столбцов (строк) является линейно независимой, если из равенства нулю линейной комбинации этих столбцов (строк) следует, что все коэффициенты этой линейной комбинации равны нулю.

Верно также следующеее предложение, аналогичное предложению 10.6.

Предложение 14.25 Система столбцов (строк) является линейно зависимой тогда и только тогда, когда один из столбцов (одна из строк) является линейной комбинацией других столбцов (строк) этой системы.

Сформулируем теорему, которая называется теорема о базисном миноре .

Теорема 14.2 Любой столбец матрицы является линейной комбинацией столбцов, проходящих через базисный минор.

Доказательство можно найти в учебниках по линейной алгебре, например, в , .

Предложение 14.26 Ранг матрицы равен максимальному числу ее столбцов, образующих линейно независимую систему.

Доказательство . Пусть ранг матрицы равен . Возьмем столбцы, проходящие через базисный минор. Предположим, что эти столбцы образуют линейно зависимую систему. Тогда один из столбцов является линейной комбинацией других. Поэтому в базисном миноре один столбец будет линейной комбинацией других столбцов. По предложениям 14.15 и 14.18 этот базисный минор должен быть равен нулю, что противоречит определению базисного минора. Следовательно, предположение о том, что столбцы, проходящие через базисный минор, линейно зависимы, не верно. Итак, максимальное число столбцов, образующих линейно независимую систему, больше либо равно .

Предположим, что столбцов образуют линейно независимую систему. Составим из них матрицу . Все миноры матрицы являются минорами матрицы . Поэтому базисный минор матрицы имеет порядок не больше . По теореме о базисном миноре, столбец, не проходящий через базисный минор матрицы , является линейной комбинацией столбцов, проходящих через базисный минор, то есть столбцы матрицы образуют линейно зависимую систему. Это противоречит выбору столбцов, образующих матрицу . Следовательно, максимальное число столбцов, образующих линейно независимую систему, не может быть больше . Значит, оно равно , что и утверждалось.

Предложение 14.27 Ранг матрицы равен максимальному числу ее строк, образующих линейно независимую систему.

Доказательство . По предложению 14.24 ранг матрицы при транспонировании не меняется. Строки матрицы становятся ее столбцами. Максимальное число новых столбцов транспонированной матрицы, (бывших строк исходной) образующих линейно независимую систему, равно рангу матрицы.

Предложение 14.28 Если определитель матрицы равен нулю, то один из его столбцов (одна из строк) является линейной комбинацией остальных столбцов (строк).

Доказательство . Пусть порядок матрицы равен . Определитель является единственным минором квадратной матрицы, имеющим порядок . Так как он равен нулю, то . Следовательно, система из столбцов (строк) является линейно зависимой, то есть один из столбцов (одна из строк) является линейной комбинацией остальных.

Результаты предложений 14.15, 14.18 и 14.28 дают следующую теорему.

Теорема 14.3 Определитель матрицы равен нулю тогда и только тогда, когда один из ее столбцов (одна из строк) является линейной комбинацией остальных столбцов (строк).

Нахождение ранга матрицы с помощью вычисления всех ее миноров требует слишком большой вычислительной работы. (Читатель может проверить, что в квадратной матрице четвертого порядка 36 миноров второго порядка.) Поэтому для нахождения ранга применяется другой алгоритм. Для его описания потребуется ряд дополнительных сведений.

Определение 14.15 Назовем элементарными преобразованиями матрицследующие действия над ними:

1) перестановка строк или столбцов;
2) умножение строки или столбца на число отличное от нуля;
3) добавление к одной из строк другой строки, умноженной на число или добавление к одному из столбцов другого столбца, умноженного на число.

Предложение 14.29 При элементарных преобразованиях ранг матрицы не меняется.

Доказательство . Пусть ранг матрицы равен , -- матрица, получившаяся в результате выполнения элементарного преобразования.

Рассмотрим перестановку строк. Пусть -- минор матрицы , тогда в матрице есть минор , который или совпадает с , или отличается от него перестановкой строк. И наоборот, любому минору матрицы можно сопоставить минор матрицы или совпадающий с , или отличающийся от него порядком строк. Поэтому из того, что в матрице все миноры порядка равны нулю, следует, что в матрице тоже все миноры этого порядка равны нулю. И так как в матрице есть минор порядка , отличный от нуля, то и в матрице тоже есть минор порядка , отличный от нуля, то есть .

Рассмотрим умножение строки на число , отличное от нуля. Минору из матрицы соответствует минор из матрицы или совпадающий с , или отличающийся от него только одной строкой, которая получается из строки минора умножением на число, отличное от нуля. В последнем случае . Во всех случаях или и одновременно равны нулю, или одновременно отличны от нуля. Следовательно, .

Понятие ранга матрицы тесно связано с понятием линейной зависимости (независимости) ее строк или столбцов. В дальнейшем будем излагать материал для строк, для столбцов изложение аналогично.

В матрице A обозначим ее строки следующим образом:

, , …. ,

Две строки матрицы называются равными , если равны их со­ответствующие элементы: , если , .

Арифметические операции над строками матрицы (умножение строки на число, сложение строк) вводятся как операции, прово­димые поэлементно:

Строка е называется линейной комбинацией строк ..., матрицы, если она равна сумме произведений этих строк на произвольные действительные числа:

Строки матрицы называются линейно зависимы­ми , если существуют такие числа , не равные одно­временно нулю, что линейная комбинация строк матрицы равна нулевой строке:

, =(0,0,...,0). (3.3)

Теорема 3.3 Строки матрицы линейно зависимы, если хотя бы одна строка матрицы является линейной комбинацией остальных.

□ Действительно, пусть для определенности в формуле (3.3) , тогда

Таким образом, строка является линейной комбинат остальных строк. ■

Если линейная комбинация строк (3.3) равна нулю тогда и только тогда, когда все коэффициенты равны нулю, то строки называются линейно независимыми.

Теорема 3.4. (о ранге матрицы) Ранг матрицы равен максимальному числу ее линейно независимых строк или столбцов, через которые линейно выражаются все остальные ее строки (столбцы).

□ Пусть матрица A размера m n имеет ранг r (r min ). Это означает, что существует отличный от нуля минор r -го порядка. Всякий ненулевой минор r -го порядка будем называть базисным минором.

Пусть для определенности базисный минор есть ведущий или угловой минор. Тогда строки матрицы линейно независимы. Предположим противное, то есть одна из этих строк, например , является линейной комбинацией остальных . Вычтем из элементов r - ой строки элементы 1-й строки, умноженные на , затем элементы 2-й строки, умноженные на , … и элементы (r - 1) - ой строки, умноженные на . На ос­новании свойства 8 при таких преобразованиях мат­рицы ее определитель D не изменится, но так как r - я строка будет теперь состоять из одних нулей, то D = 0 - противоречие. Следовательно, наше предположение о том, что строки матрицы линейно зависимые, неверно.

Строки назовем базисными . Покажем, что любые (r+1) строк матрицы линейно зависимы, т.е. любая строка выражается через базисные.

Рассмотрим минор (r +1) - го порядка, который получается при дополнении рассматриваемого минора элементами еще одной строки i и столбца j . Этот минор равен нулю, так как ранг матрицы равен r , поэто­му любой минор более высокого порядка равен нулю.

Раскладывая его по элементам последнего (добавленного) столбца, получаем

Где модуль послед­него алгебраического дополнения совпадает с базисным мино­ром D и поэтому отлично от нуля, т.е. 0.

Пусть в матрице А размеров (m; n) выбраны произвольно k строк и k столбцов (k ≤ min(m; n)). Элементы матрицы, стоящие на пересечении выбранных строк и столбцов, образуют квадратную матрицу порядка k, определитель которой называется минором M kk порядка k y или минором k-го порядка матрицы A.

Рангом матрицы называется максимальный порядок r отличных от нуля миноров матрицы A, а любой минор порядка r, отличный от нуля, — базисным минором. Обозначение: rang A = r. Если rang A = rang B и размеры матриц A и Bсовпадают, то матрицы A и B называются эквивалентными. Обозначение: A ~ B.

Основными методами вычисления ранга матрицы являются метод окаймляющих миноров и метод .

Метод окаймляющих миноров

Суть метода окаймляющих миноров состоит в следующем. Пусть в матрице уже найден минор порядка k, отличный от нуля. Тогда далее рассматриваются лишь те миноры порядка k+1, которые содержат в себе (т. е. окаймляют) минорk-го порядка, отличный от нуля. Если все они равны нулю, то ранг матрицы равен k, в противном случае среди окаймляющих миноров (k+1)-го порядка найдется отличный от нуля и вся процедура повторяется.

Линейная независимость строк (столбцов) матрицы

Понятие ранга матрицы тесно связано с понятием линейной независимости ее строк (столбцов).

называют линейно зависимыми, если найдутся такие числа λ 1 , λ 2 , λ k , что справедливо равенство:

Строки матрицы A называются линейно независимыми, если вышеприведённое равенство возможно лишь в случае, когда все числа λ 1 = λ 2 = … = λ k = 0

Аналогичным образом определяется линейная зависимость и независимость столбцов матрицы A.

Если какая-либо строка (a l) матрицы A (где (a l)=(a l1 , a l2 ,…, a ln)) может быть представлена в виде

Аналогичным образом определяется понятие линейной комбинации столбцов. Справедлива следующая теорема о базисном миноре.

Базисные строчки и базисные столбцы линейно независимы. Любая строка (либо столбец) матрицы A является линейной комбинацией базисных строк (столбцов), т. е. строк (столбцов), пересекающих базисный минор. Таким образом, ранг матрицы A: rang A = k равен максимальному числу линейно независимых строк (столбцов) матрицы A.

Т.е. ранг матрицы — это размерность самой большой квадратной матрицы внутри той матрицы, для которой нужно определить ранг, для которой определитель не равен нулю. Если исходная матрица не является квадратной, либо если она квадратная, но её определитель равен нулю, то для квадратных матриц меньшего порядка строки и столбцы выбираются произвольно.

Кроме как через определители, ранг матрицы можно посчитать по числу линейно независимых строк или столбцов матрицы. Он равен количеству линейно независимых строк или столбцов в зависимости от того, чего меньше. Например, если матрица имеет 3 линейно независимых строки и 5 линейно независимых столбцов, то её ранг равняется трём.

Примеры нахождения ранга матрицы

Методом окаймляющих миноров найти ранг матрицы

Р е ш е н и е. Минор второго порядка

окаймляющий минор M 2 , также отличен от нуля. Однако оба минора четвёртого порядка, окаймляющие M 3 .

равны нулю. Поэтому ранг матрицы A равен 3, а базисным минором является, например, представленный выше минор M 3 .

Метод элементарных преобразований основан на том, что элементарные преобразования матрицы не меняют её ранга. Используя эти преобразования, можно привести матрицу к виду, когда все её элементы, кроме a 11 , a 22 , …, a rr (r ≤min (m, n)), равны нулю. Это, очевидно, означает, что rang A = r. Заметим, что если матрица n-го порядка имеет вид верхней треугольной матрицы, т. е. матрицы, у которой все элементы под главной диагональю равны нулю, то её определитесь равен произведению элементов, стоящих на главной диагонали. Это свойство можно использовать при вычислении ранга матрицы методом элементарных преобразований: необходимо с их помощью привести матрицу к треугольной и тогда, выделив соответствующий определитель, найдём, что ранг матрицы равен числу элементов главной диагонали, отличных от нуля.

Методом элементарных преобразований найти ранг матрицы

Р е ш е н и е. Обозначим i-ю строку матрицы A символом α i . На первом этапе выполним элементарные преобразования

На втором этапе выполним преобразования

Система векторов одного и того же порядка называется линейно-зависимой, если из этих векторов путем соответствующей линейной комбинации можно получить нулевой вектор. (При этом не допускается, чтобы все коэффициенты линейной комбинации были равны нулю, так как это было бы тривиально.) В противном случае векторы называются линейно-независимыми. Например, следующие три вектора:

линейно зависимы, так как что легко проверить. В случае линейной зависимости любой вектор можно всегда выразить через линейную комбинацию остальных векторов. В нашем примере: или или Это легко проверить соответствующими расчетами. Отсюда вытекает следующее определение: вектор линейно независим от других векторов, если его нельзя представить в виде линейной комбинации из этих векторов.

Рассмотрим систему векторов, не уточняя, является ли она линейнозависимой или линейно-независимой. У каждой системы, состоящей из вектор-столбцов а, можно выявить максимально возможное число линейно-независимых векторов. Это число, обозначаемое буквой , и является рангом данной системы векторов. Так как каждую матрицу можно рассматривать как систему вектор-столбцов, ранг матрицы определяется как максимальное число содержащихся в ней линейнонезависимых вектор-столбцов. Для определения ранга матрицы пользуются и вектор-строками. Оба способа дают одинаковый результат для одной и той же матрицы, причем не может превосходить наименьшее из или Ранг квадратной матрицы порядка колеблется от 0 до . Если все векторы являются нулевыми, то ранг такой матрицы равен нулю. Если все векторы линейно независимы друг от друга, то ранг матрицы равен. Если образовать матрицу из приведенных выше векторов то ранг этой матрицы равен 2. Так как каждые два вектора могут быть сведены к третьему путем линейной комбинации, то ранг меньше 3.

Но можно убедиться, что любые два вектора из них являются-линейно-независимыми, следовательно, ранг

Квадратную матрицу называют вырожденной, если ее вектор-столбцы или вектор-строки линейно зависимы. Определитель такой матрицы равен нулю и обратной ей матрицы не существует, как уже было отмечено выше. Эти выводы эквивалентны друг другу. Вследствие этого квадратную матрицу называют невырожденной, или неособенной, если ее вектор-столбцы или вектор-строки независимы друг от друга. Определитель такой матрицы не равен нулю и обратная ей матрица существует (сравни со с. 43)

Ранг матрицы имеет вполне очевидную геометрическую интерпретацию. Если ранг матрицы равен , то говорят, что -мерное пространство натянуто на векторов. Если ранг то векторов лежат в -мерном подпространстве, которое всех их включает в себя. Итак, ранг матрицы соответствует минимально необходимой размерности пространства, «в котором содержатся все векторы», -мерное подпространство в -мерном пространстве называют -мерной гиперплоскостью. Ранг матрицы соответствует наименьшей размерности гиперплоскости, в которой еще лежат все векторы.

Ортогональность. Два вектора а и b называются взаимно-ортогональными, если их скалярное произведение равно нулю. Если для матрицы порядка имеет место равенство где D - диагональная матрица, то вектор-столбцы матрицы А попарно взаимно-ортогональны. Если эти вектор-столбцы пронормировать, т. е. привести к длине, равной 1, то имеет место равенство и говорят об ортонормированных векторах. Если В - квадратная матрица и имеет место равенство то матрицу В называют ортогональной. В этом случае из формулы (1.22) следует, что Ортогональная матрица всегда невырожденная. Отсюда из ортогональности матрицы следует линейная независимость ее вектор-строк или вектор-столбцов. Обратное утверждение неверно: из линейной независимости системы векторов не следует попарная ортогональность этих векторов.