Rang (lineáris algebra)
A lineáris algebra :
Mátrix rangja
A helyezés a mátrix (amelynek együtthatók tartoznak kommutatív területén a skaláris , ), jelöljük , a következő:
NÁL NÉL{\ displaystyle A}K{\ displaystyle \ mathbb {K}}rg(NÁL NÉL){\ displaystyle {\ text {rg}} (A)}
- a lineárisan független sor (vagy oszlop) vektorok maximális száma;
- a vektor (vagy oszlop) vektorai által generált vektoraltér dimenziója ;NÁL NÉL{\ displaystyle A}
- a kivont invertálható négyzetmátrixok rendjeiből a legnagyobb ;NÁL NÉL{\ displaystyle A}
- a nem nulla kiskorúak megrendelései közül a legnagyobb ;NÁL NÉL{\ displaystyle A}
- a mátrixok méretei közül a legkisebb, és amelynek szorzata egyenlő , ezek a számok egyenlőek.B{\ displaystyle B}VS{\ displaystyle C}NÁL NÉL{\ displaystyle A}
A rang lehet meghatározni végző kiürülést a Gauss-Jordan módszer , és megvizsgálja a lépést alakja ily módon kapott.
Példa
Vegye figyelembe a következő mátrixot:
NÁL NÉL=(10232046.02201243){\ displaystyle A = {\ elején {pmatrix} 1 & 0 & 2 & 3 \\ 2 & 0 & 4 & 6 \\ 0 & 2 & 2 & 0 \\ 1 & 2 & 4 & 3 \\\ end { pmatrix}}}
A négy vonal által alkotott vektorokat hívjuk .
l1,l2,l3,l4{\ displaystyle l_ {1}, l_ {2}, l_ {3}, l_ {4}}NÁL NÉL{\ displaystyle A}
Látjuk, hogy a 2 nd sor kétszerese az első sorban, így a rangot megegyezik a család .
NÁL NÉL{\ displaystyle A}(l1,l3,l4){\ displaystyle (l_ {1}, l_ {3}, l_ {4})}
Megjegyezzük továbbá, hogy a 4 -én sor lehet kialakítva összeadásával a vonalak 1. és 3. (azaz a ). Tehát a rangja megegyezik a .
l4=l1+l3{\ displaystyle l_ {4} = l_ {1} + l_ {3}}(l1,l3,l4){\ displaystyle (l_ {1}, l_ {3}, l_ {4})}(l1,l3){\ displaystyle (l_ {1}, l_ {3})}
Az 1. és 3. sor lineárisan független (azaz nem arányos). Így a 2. rang is.
(l1,l3){\ displaystyle (l_ {1}, l_ {3})}
Végül a 2-es rangsor .
NÁL NÉL{\ displaystyle A}
Egy másik módszer ennek a mátrixnak a méretarányos formáját számítani . Ennek az új mátrixnak ugyanaz a rangja, mint az eredeti mátrixnak, és a rang megfelel annak a sorának a számának, amely nem nulla. Ebben az esetben két olyan sorunk van, amely megfelel ennek a kritériumnak.
NÁL NÉL′=(1023011000000000){\ displaystyle A '= {\ eleje {pmatrix} 1 & 0 & 2 & 3 \\ 0 & 1 & 1 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\\ end {pmatrix}}}
Vegye figyelembe, hogy egy adott mátrix rangja megegyezik az átültetés rangjával . Például vegyük a fenti A mátrix átültetését:
tNÁL NÉL=(12010022242436.03){\ displaystyle ^ {\ text {t}} A = {\ begin {pmatrix} 1 & 2 & 0 & 1 \\ 0 & 0 & 2 & 2 \\ 2 & 4 & 2 & 4 \\ 3 & 6 & 0 és 3 \\\ end {pmatrix}}}
Úgy látszik, hogy a 4 -én sor háromszor az első, és a harmadik sorban a második legalább kétszer az első.
A méretezés után tehát megkapjuk:
(1201001100000000){\ displaystyle {\ begin {pmatrix} 1 & 2 & 0 & 1 \\ 0 & 0 & 1 & 1 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\\ end {pmatrix} }}
és ennek a mátrixnak a rangja valóban 2.
A másodfokú forma rangja a társított mátrix rangja.
Lineáris térkép rangja
Adott két , vektor terek , ahol egy kommutatív test és a lineáris leképezés az a sorban az a méret a kép az .
K{\ displaystyle K}E{\ displaystyle E}F{\ displaystyle F}K{\ displaystyle K}f{\ displaystyle f}E{\ displaystyle E}F{\ displaystyle F}f{\ displaystyle f}f{\ displaystyle f}
Ha és véges méretei, ez is a rang a mátrix társított két bázisok a és . Különösen a társított mátrix rangja nem függ az ábrázolásra kiválasztott bázisoktól . Tény, hogy a szorzás jobbra vagy balra egy invertálható mátrix nem változik a rangot, ami , ahol a mátrix képviseli az első pár bázisok és , az alapja a változás mátrix .
E{\ displaystyle E}F{\ displaystyle F}f{\ displaystyle f}E{\ displaystyle E}F{\ displaystyle F}f{\ displaystyle f}f{\ displaystyle f}rg(P-1NÁL NÉLQ)=rg(NÁL NÉL){\ displaystyle {\ text {rg}} \ bal (P ^ {- 1} AQ \ jobb) = {\ text {rg}} (A)}NÁL NÉL{\ displaystyle A}f{\ displaystyle f}P{\ displaystyle P}Q{\ displaystyle Q}
A vektorcsalád rangja
- Egy család esetében rangja megegyezik a vektorok maximális számával, amelyet e család szabad alcsaládja tartalmazhat.
- Ligában is meghatározhatja egy család , mint: .u{\ displaystyle u}rg(u)=Nap(Vect(u)){\ displaystyle {\ text {rg}} (u) = \ dim ({\ text {Vect}} (u))}
Megjegyzés: ha egy vektorcsaládot 1-től egész számig indexelünk , akkor a rangja a lineáris térkép rangja(u1,...,unem){\ displaystyle (u_ {1}, \ pontok, u_ {n})}nem{\ displaystyle n}u{\ displaystyle u}
Knem→E:(r1,...,rnem)↦∑rénuén{\ displaystyle \ mathbb {K} ^ {n} \ jobb oldali E: (r_ {1}, \ pontok, r_ {n}) \ mapsto \ sum r_ {i} u_ {i}}
hol van a skalárok területe. Ennek oka: a lineáris alkalmazás képe.
K{\ displaystyle \ mathbb {K}}Vect(u){\ displaystyle {\ text {Vect}} (u)}
Tulajdonságok
Legyen A, B és C mátrix.
- Frobenius- egyenlőtlenség :rg(NÁL NÉLB)+rg(BVS)≤rg(NÁL NÉLBVS)+rg(B){\ displaystyle {\ text {rg}} (AB) + {\ text {rg}} (BC) \ leq {\ text {rg}} (ABC) + {\ text {rg}} (B)}
Demonstráció
Általánosabban, a három lineáris térképek (közötti vektor terek méretei nem feltétlenül véges) , és , van , mert a kanonikus morfizmus az a által indukált van szürjektıv .
vs.:E→F{\ displaystyle c: E \ jobbra nyíl F}b:F→G{\ displaystyle b: F \ rightarrow G}nál nél:G→H{\ displaystyle a: G \ jobb oldali H}rg(nál nél∘b)+rg(b∘vs.)≤rg(nál nél∘b∘vs.)+rg(b){\ displaystyle {\ text {rg}} (a \ circ b) + {\ text {rg}} (b \ circ c) \ leq {\ text {rg}} (a \ circ b \ circ c) + { \ text {rg}} (b)} im(b)im(b∘vs.){\ displaystyle {\ frac {{\ text {im}} (b)} {{\ text {im}} (b \ circ c)}}}im(nál nél∘b)im(nál nél∘b∘vs.){\ displaystyle {\ frac {{\ text {im}} (a \ circ b)} {{\ text {im}} (a \ circ b \ circ c)}}} nál nél{\ displaystyle a}
- (Speciális eset) Sylvester egyenlőtlenség : ha van oszlopok és van sorok, majdNÁL NÉL{\ displaystyle A}nem{\ displaystyle n}B{\ displaystyle B}nem{\ displaystyle n}rg(NÁL NÉL)+rg(B)-nem≤rg(NÁL NÉLB){\ displaystyle {\ text {rg}} (A) + {\ text {rg}} (B) -n \ leq {\ text {rg}} (AB)}
-
Rang tétel : lineáris térképét a ,f{\ displaystyle f}E{\ displaystyle E}F{\ displaystyle F}Nap(E)=rg(f)+Nap(Ker(f)){\ displaystyle \ dim (E) = {\ text {rg}} (f) + \ dim ({\ text {Ker}} (f))}
-
Átültetett mátrix és átültetett térkép : ésrg(tNÁL NÉL)=rg(NÁL NÉL){\ displaystyle {\ text {rg}} (^ {\ mathrm {t}} A) = {\ text {rg}} (A)}rg(tf)=rg(f){\ displaystyle {\ text {rg}} (^ {\ mathrm {t}} f) = {\ text {rg}} (f)}
-
Mátrixok szorzata és lineáris alkalmazások összetétele : és ; különösen - a bal vagy a jobb oldalon lévő összetétel alapján identitás szerint - az in lineáris térkép rangja kisebb vagy egyenlő ésrg(BNÁL NÉL)≤min(rg(B),rg(NÁL NÉL)){\ displaystyle {\ text {rg}} (BA) \ leq \ min ({\ text {rg}} (B), {\ text {rg}} (A))}rg(g∘f)≤min(rg(g),rg(f)){\ displaystyle {\ text {rg}} (g \ circ f) \ leq \ min ({\ text {rg}} (g), {\ text {rg}} (f))}E{\ displaystyle E}F{\ displaystyle F}Nap(E){\ displaystyle \ dim (E)}Nap(F){\ displaystyle \ dim (F)}
- Kiegészítés : , egyenlőséggel csak akkor, és csak akkor, ha a képek és csak nulla, és az átültetett és csak nulla kereszteződnek.rg(NÁL NÉL+B)≤rg(NÁL NÉL)+rg(B){\ displaystyle {\ text {rg}} (A + B) \ leq {\ text {rg}} (A) + {\ text {rg}} (B)}NÁL NÉL{\ displaystyle A}B{\ displaystyle B}tNÁL NÉL{\ displaystyle ^ {\ mathrm {t}} A}tB{\ displaystyle ^ {\ mathrm {t}} B}
- A vektorcsalád rangja az elemi művelettel változatlan .
- Két mátrix akkor és akkor egyenértékű, ha azonos rangúak.
- Az in- tól származó rangsor-alkalmazás az alábbiakban félig folyamatos .Mm,nem(R){\ displaystyle M_ {m, n} (\ mathbb {R})}R{\ displaystyle \ mathbb {R}}
- A legnagyobb zárt konvex függvény , amely csökkenti a rangot a labdát , ahol (láttuk a vektor szinguláris értékei a ) a korlátozás a labdát a nukleáris norma . Pontosabban, ha meghatározzuk az adott a mutatószám az , akkor annak biconjugate van írva . Anélkül, hogy a rangot egy halmazra korlátoznánk , kevéssé használható identitást kapunk .B: ={NÁL NÉL∈Rm×nem∣‖NÁL NÉL‖≤1}{\ displaystyle {\ mathcal {B}}: = \ {A \ in \ mathbb {R} ^ {m \ szor n = \ bal \ közepe \ | A \ jobb \ | \ leq 1 \}}‖NÁL NÉL‖: =max{‖NÁL NÉLx‖2∣‖x‖2≤1}=‖σ(NÁL NÉL)‖∞{\ displaystyle \ left \ | A \ right \ |: = \ max \ {\ left \ | Ax \ right \ | _ {2} \ left \ middle \ | x \ right \ | _ {2} \ leq 1 \ } = \ | \ sigma (A) \ | _ {\ infty}}σ(NÁL NÉL){\ displaystyle \ sigma (A)}NÁL NÉL{\ displaystyle A} ‖⋅‖∗{\ displaystyle \ | \ cdot \ | _ {*}}f:Rm×nem→R¯{\ displaystyle f: \ mathbb {R} ^ {m \ szorzat n} \ - {\ overline {\ mathbb {R}}}}f=rg+énB{\ displaystyle f = {\ operátornév {rg}} + {\ mathcal {I}} _ {\ mathcal {B}}}énB{\ displaystyle {\ mathcal {I}} _ {\ mathcal {B}}}B{\ displaystyle {\ mathcal {B}}}f∗∗=‖⋅‖∗+énB{\ displaystyle f ^ {**} = \ left \ | \ cdot \ right \ | _ {*} + {\ mathcal {I}} _ {\ mathcal {B}}}rg∗∗=0{\ displaystyle \ kezelőnév {rg} ^ {**} = 0}
Eset, amikor a skalárok területe nem kommutatív
A fentiekben azt feltételeztük, hogy a skalárok területe kommutatív. Kiterjeszthetjük a mátrix rangjának fogalmát arra az esetre, amikor a skalárok területe nem feltétlenül kommutatív, de a meghatározás kissé kényesebb.
Legyen egy nem feltétlenül kommutatív mező és egy mátrix m sorokkal és n oszlopokkal, amelyek együtthatói vannak . Hívjuk rangot a (tekintettel ) dimenziója a altér által generált oszlopai az ellátva, amely szerkezetében , vektor tér jobb . Megmutatjuk, hogy a rangot is egyenlő méretű az altér által generált vonalak az ellátva, amely szerkezetében K-vektortér a bal oldalon .
K{\ displaystyle K}M{\ displaystyle M}K{\ displaystyle \ mathbb {K}}M{\ displaystyle M}K{\ displaystyle K}M{\ displaystyle M}Km{\ displaystyle K ^ {m}}K{\ displaystyle K}M{\ displaystyle M}M{\ displaystyle M}Knem{\ displaystyle \ mathbb {K} ^ {n}}
Vegyünk például egy nem kommutatív K mezőt és a mátrixot
, ahol és ahol két elem nem ingázik (ezek az elemek tehát nem nulla).
NÁL NÉL: =(nál nél1vs.nál nélvs.){\ displaystyle A: = {\ begin {pmatrix} a & 1 \\ ca & c \\\ end {pmatrix}}}nál nél{\ displaystyle a}vs.{\ displaystyle c}K{\ displaystyle K}
Ennek a mátrixnak a két vonala lineárisan összefügg a bal oldali vektortérben , mert . Hasonlóképpen, a két oszlop összefügg a jobb oldali vektortérben , mert . A mátrix rangja tehát 1-vel egyenlő.
K2{\ displaystyle K ^ {2}}vs.(nál nél,1)-(vs.nál nél,vs.)=(0,0){\ displaystyle c (a, 1) - (ca, c) = (0,0)} K2{\ displaystyle K ^ {2}}(nál nél,vs.nál nél)-(1,vs.)nál nél=(0,0){\ displaystyle (a, ca) - (1, c) a = (0,0)}
Másrészt a két oszlop nincs összekapcsolva a bal oldali vektortérben . Valóban legyenek és legyetek skalárok . Ezután (első komponensek) , tehát (második komponensek) . Mivel és feltételezik, hogy nem kapcsolja, ez eredményezi (szorozza kap egy ellentmondás) és a mi eredmény van . Így bebizonyítottuk, hogy a mátrix két oszlopa lineárisan független a bal oldali vektortérben .
K2{\ displaystyle K ^ {2}}d{\ displaystyle d}e{\ displaystyle e}d(nál nél,vs.nál nél)+e(1,vs.)=(0,0){\ displaystyle d (a, ca) + e (1, c) = (0,0)}e=-dnál nél{\ displaystyle e = -da}dvs.nál nél-dnál nélvs.=0{\ displaystyle dca-dac = 0}nál nél{\ displaystyle a}vs.{\ displaystyle c}d=0{\ displaystyle d = 0}d-1{\ displaystyle d ^ {- 1}}e=-dnál nél{\ displaystyle e = -da}e=0{\ displaystyle e = 0} K2{\ displaystyle K ^ {2}}
Megjegyzések és hivatkozások
-
(a) G. Marsaglia és GPH Styan, " Mikor indul rangot ( A + B ) = rang ( A ) + rank ( B )? ” , Canadian Mathematical Bulletin , vol. 15,1972, P. 451-452 ( online olvasás ).
-
(in) Mr. Fázel, Mátrixrang minimalizálás alkalmazások PhD tézis. Villamosmérnöki Tanszék , Stanford University ,2002.
-
Ez a tulajdonság beavatkozik azokba a problémákba, amikor a rang minimálisra csökkentésével (például képek tömörítésével) próbálnak parsimonikus objektumokat szerezni. A rang egész számokkal rendelkező függvény, ezért nehezen minimalizálható. Néha inkább a probléma konvex közelítését vesszük figyelembe, amely a nukleáris normák minimalizálásában áll.
-
meghatározás megfelel N. Bourbaki, Algebra , I. rész, Párizs, Hermann, 1970, p. II.59, 7. meghatározás.
-
Lásd N. Bourbaki, Algèbre , I. rész, Párizs, Hermann, 1970, p. II.59, prop. 10. cikk és e javaslat bemutatását követő bekezdés.
Kapcsolódó cikkek