はじめに
前回は、行基本変形を使って連立方程式を解く「掃き出し法」を学びました。行列を階段形にすると、すべての成分が \(0\) になる行が現れることがあります。
たとえば、次の行列を考えます。
$$
A=\begin{pmatrix}1&2&3\\2&4&6\\1&1&2\end{pmatrix}
$$
第2行は第1行の2倍です。掃き出し法を使うと、重複していた関係がゼロ行として現れます。このとき、もとの行列には独立な情報がいくつあったのでしょうか。
その数を表すのが行列のランク(rank)です。今回は、ランクの意味を復習したうえで、なぜ階段形のピボットを数えるとランクが求まるのかを考えます。
この記事でわかること
- 行列のランクが表す「独立な情報の数」の意味
- 行基本変形をしてもランクが変わらない理由
- 階段形のピボットの数がランクになる理由
- 3次行列のランクを掃き出し法で求める手順
- 係数行列と拡大係数行列のランクから解を判定する方法
- ランクと自由変数・空間の次元とのつながり
1.行列のランクとは何か?
ランクとは、行列の行または列のうち、線形独立なものを最大で何本選べるかを表す数です。行について数えても列について数えても、最大本数は一致します。
たとえば、次の行列を考えます。
$$
A=\begin{pmatrix}1&2\\2&4\end{pmatrix}
$$
この行列では、第2行は第1行の2倍なので、独立な行は1本しかありません。列についても第2列は第1列の2倍です。したがって、\(\operatorname{rank}(A)=1\) となります。
一方、次の行列を考えます。
$$
B=\begin{pmatrix}1&2\\2&3\end{pmatrix}
$$
この行列の2本の行は線形独立です。したがって、\(\operatorname{rank}(B)=2\) となります。
1.1.ランクは「作れる空間の次元」でもある
行列を列ベクトルの集まりと見ると、ランクはそれらの線形結合で作れる空間の次元を表します。
先ほどの \(A\) の列ベクトルは、
$$
\boldsymbol{a}_1=\begin{pmatrix}1\\2\end{pmatrix},\quad
\boldsymbol{a}_2=\begin{pmatrix}2\\4\end{pmatrix}=2\boldsymbol{a}_1
$$
です。どのように線形結合しても、作れるのは原点を通る1本の直線上のベクトルだけです。一方、線形独立な2本の列ベクトルなら、平面全体を作れます。

ランクは、行列が持つ独立な情報の数であり、列ベクトルが張る空間の次元でもあります。
ここでは、ランクを「独立な情報の数」として簡単に振り返りました。ランクが線形写像によって作られる空間の次元を表す理由については、以前の記事で詳しく説明しています。


2.なぜ行基本変形でランクは変わらないのか?
ランクを計算するときは、もとの行列を掃き出し法で変形します。しかし、行を変えてしまっても、もとの行列のランクを求められるのでしょうか。
行基本変形には、次の3つの操作がありました。
- 2つの行を入れ替える
- ある行を \(0\) でない数倍する
- ある行に別の行の定数倍を加える
いずれの操作も元に戻せます。しかも、変形後の各行は変形前の行の線形結合で表せ、逆も成り立ちます。したがって、行全体から作れるベクトルの集合(行空間)は変わりません。
行空間の次元は、独立な行の最大本数、すなわちランクです。そのため、行基本変形を何度行ってもランクは変わりません。
たとえば、\(R_2\to R_2-2R_1\) でゼロ行が現れても、新しい情報が失われたわけではありません。もともと他の行から作れる情報だったことが、見える形になっただけです。
行基本変形は行空間を変えないので、階段形に変形してからランクを求めても、もとの行列のランクと一致します。
3.なぜピボットの数がランクになるのか?
行列を階段形にすると、各非ゼロ行の最初の非ゼロ成分は、上の行より右側に現れます。この先頭の成分をピボットと呼びます。
たとえば、次の階段形を考えます。
$$
U=\begin{pmatrix}1&2&3\\0&-1&-1\\0&0&0\end{pmatrix}
$$
この行列では、ピボットは第1行の第1列と、第2行の第2列にあります。
なぜ2つのピボットを数えるだけでよいのでしょうか。それは、階段形の非ゼロ行が互いに線形独立だからです。
実際、非ゼロ行の線形結合がゼロ行になると仮定します。この例では、
$$
\alpha(1,2,3)+\beta(0,-1,-1)=(0,0,0)
$$
です。第1成分から \(\alpha=0\)、続いて第2成分から \(\beta=0\) と分かります。したがって、2本の行は線形独立です。
一般の階段形でも、最も左にピボットを持つ行から順に係数が \(0\) であることが分かるため、非ゼロ行は線形独立になります。一方、ゼロ行は新しい方向を作りません。
よって、
$$
\operatorname{rank}(A)=\text{階段形の非ゼロ行の本数}=\text{ピボットの数}
$$
となります。
4.掃き出し法でランクを求めてみる
冒頭の3次行列で、実際にランクを求めましょう。
$$
A=\begin{pmatrix}1&2&3\\2&4&6\\1&1&2\end{pmatrix}
$$
まず、第2行から第1行の2倍を引きます。
$$
R_2\to R_2-2R_1,\quad
\begin{pmatrix}1&2&3\\0&0&0\\1&1&2\end{pmatrix}
$$
次に、第3行から第1行を引きます。
$$
R_3\to R_3-R_1,\quad
\begin{pmatrix}1&2&3\\0&0&0\\0&-1&-1\end{pmatrix}
$$
最後に、第2行と第3行を入れ替えます。
$$
R_2\leftrightarrow R_3,\quad
\begin{pmatrix}1&2&3\\0&-1&-1\\0&0&0\end{pmatrix}
$$
階段形の非ゼロ行は2本、ピボットも2つです。したがって、
$$
\operatorname{rank}(A)=2
$$
となります。

ランクの求め方は「行基本変形で階段形にする → ピボットを数える」の2段階です。
5.ランクから連立方程式の解を判定する
連立方程式 \(A\boldsymbol{x}=\boldsymbol{b}\) では、係数行列 \(A\) と、右辺を加えた拡大係数行列 \((A\mid\boldsymbol{b})\) のランクを比較します。
5.1.ランクが等しい場合
まず、次の連立方程式を考えます。
$$
\begin{cases}x+2y=3\\2x+4y=6\end{cases}
$$
拡大係数行列に \(R_2\to R_2-2R_1\) を施すと、
$$
\left(\begin{array}{cc|c}1&2&3\\2&4&6\end{array}\right)
\longrightarrow
\left(\begin{array}{cc|c}1&2&3\\0&0&0\end{array}\right)
$$
となります。係数行列と拡大係数行列のランクはどちらも \(1\) です。第1行の式を満たすように \(y=t\) とすれば、\(x=3-2t\) となるため、解は無数にあります。
5.2.ランクが異なる場合
右辺だけを変えて、
$$
\begin{cases}x+2y=3\\2x+4y=7\end{cases}
$$
とすると、
$$
\left(\begin{array}{cc|c}1&2&3\\2&4&7\end{array}\right)
\longrightarrow
\left(\begin{array}{cc|c}1&2&3\\0&0&1\end{array}\right)
$$
となります。最後の行は \(0=1\) という矛盾です。この場合、\(\operatorname{rank}(A)=1\) に対して \(\operatorname{rank}(A\mid\boldsymbol{b})=2\) となります。

なぜ、係数行列と拡大係数行列のランクが一致すると、解が存在するのでしょうか。
連立方程式 \(A\boldsymbol{x}=\boldsymbol{b}\) は、係数行列 \(A\) の列ベクトルを組み合わせて、右辺のベクトル \(\boldsymbol{b}\) を作れるかを考えているともいえます。
たとえば、先ほどの「解が存在する場合」では、
$$
\boldsymbol{a}_1=
\begin{pmatrix}1\\2\end{pmatrix},
\quad
\boldsymbol{a}_2=
\begin{pmatrix}2\\4\end{pmatrix},
\quad
\boldsymbol{b}=
\begin{pmatrix}3\\6\end{pmatrix}
$$
となっています。
このとき、\(\boldsymbol{b}=3\boldsymbol{a}_1\) なので、右辺のベクトルは、もともとの列ベクトルから作れます。つまり、\(\boldsymbol{b}\) を新しい列として追加しても、新しい独立な方向は増えません。 そのため、係数行列と拡大係数行列のランクは同じになります。
一方、「解が存在しない場合」では、
$$
\boldsymbol{b}=
\begin{pmatrix}3\\7\end{pmatrix}
$$
となります。このベクトルは、\(\boldsymbol{a}_1\) や \(\boldsymbol{a}_2\) の線形結合では作れません。そのため、右辺を追加すると新しい独立な方向が増え、拡大係数行列のランクが大きくなります。
このように、右辺がもとの列ベクトルから作れるかどうかが、ランクの一致・不一致として現れるのです。
$$
\operatorname{rank}(A)=\operatorname{rank}(A\mid\boldsymbol{b})\ \Longleftrightarrow\ \text{解が存在する}
$$
6.ランクと自由変数の関係
ここまでで、係数行列と拡大係数行列のランクを比較すれば、解が存在するかどうかを判定できることがわかりました。
では、解が存在する場合、その解は1つに決まるのでしょうか。それとも、無数に存在するのでしょうか。
この違いは、未知数の個数とランクを比較することで判断できます。
連立方程式に解が存在するとき、未知数の個数を \(n\)、係数行列のランクを \(r\) とすると、ピボットに対応する変数は \(r\) 個あります。残りは自由に選べるため、
$$
\text{自由変数の数}=n-r
$$
です。したがって、解が存在する場合、\(r=n\) なら一意解、\(r \lt n\) なら自由変数があり無数の解になります。
ここまでの結果を整理すると、連立方程式の解は次のように分類できます。ここで、\(n\) は未知数の個数です。
| ランクの条件 | 解の状態 |
|---|---|
| \(\operatorname{rank}(A)\neq\operatorname{rank}(A\mid\boldsymbol{b})\) | 解なし |
| \(\operatorname{rank}(A)=\operatorname{rank}(A\mid\boldsymbol{b})=n\) | 一意解 |
| \(\operatorname{rank}(A)=\operatorname{rank}(A\mid\boldsymbol{b})\lt n\) | 無数の解 |
つまり、まず2つのランクが一致するかで解の存在を判定し、一致する場合は未知数の個数とランクを比較することで、解の状態を判断できます。
また、\(n\times n\) の正方行列では、
$$
\operatorname{rank}(A)=n
\quad\Longleftrightarrow\quad
\det A\neq0
\quad\Longleftrightarrow\quad
A^{-1}\text{ が存在する}
$$
という関係も成り立ちます。ランクが最大なら、独立な方向が失われていないため、逆行列が存在します。

ランクはさらに、線形写像 \(T(\boldsymbol{x})=A\boldsymbol{x}\) によって作られる像の次元にも一致します。また、どのようなベクトルが \(A\boldsymbol{x}=\boldsymbol{0}\) を満たすのかを考えると、線形写像の核ともつながります。像と核が何を表しているのかについては、次の記事で詳しく説明しています。

まとめ
- ランクは、線形独立な行または列の最大本数であり、列ベクトルが張る空間の次元でもある。
- 行基本変形は行空間を変えないため、ランクを保つ。
- 階段形の非ゼロ行は線形独立なので、ピボットの数がランクになる。
- 連立方程式は、係数行列と拡大係数行列のランクが等しいとき、かつそのときに限り解を持つ。
- 解が存在するとき、自由変数の数は「未知数の数−ランク」で求められる。
ランクを計算することは、単にゼロ行を数えることではありません。行列の中に、互いに独立な情報がいくつあるのかを見つけることです。行基本変形は、連立方程式を解くだけでなく、行列の構造を調べるためにも役立ちます。
一方、行基本変形をすると、ランクは変わりませんが、行列式は操作の種類によって値が変わります。
では、この行列式の性質を使うと、2つの行列の積 \(AB\) の行列式について、どのような関係が導けるのでしょうか。次回は、行基本変形を手がかりに、\(\det(AB)=\det A\det B\) が成り立つ理由を考えていきます。
関連記事


Part 4.行列式・逆行列・連立方程式をまとめて理解する
Part 4では、行列式の意味や性質から、逆行列と連立方程式の解法までを学びます。各テーマのつながりを整理したい人は、次のまとめ記事をご覧ください。

関連書籍
行列のランクや連立方程式を別の説明からも確認したい方には、次の書籍も参考になります。



コメント