第三节 矩阵的秩3-3
线代第三章矩阵的秩

a11 x1 a x 21 1 am 1 x1
a12 x2 a22 x2 am 2 x2
a1n xn a2 n xn amn xn
b1 b2 bm (1)
a11 a12 a1n a a22 a2 n 为方程组(1)的系数矩阵。 则称矩阵 A 21 am 1 am 2 amn
3 1 2 1 0 0 1 2 0 0 0 1
最后一行有 0 x3
1,
可知方程组无解。
x1 2 x2 3 x3 x2 x3 例3:解线性方程组 x1 3 x2 7 x2 3 x3
1 0 解: ( A, b) 1 0 1 0 0 0 2 1 0 0 3 1 2 4 2 1 3 7 4 1 4 8 3 1 0 3 4 1 3 1 1 0 1 0
a12 x2 a22 x2 am 2 x2 a1 n xn a2 n xn amn xn 0 0 0 (2)
a11 x1 a x 21 1 am 1 x1
称为方程组(1)的导出组, 或称为(1)对应的齐次线性方程组。
举例说明消元法具体步骤:
2 x1 例2:解线性方程组 4 x 1 2 x 1
x2 x2
3 x3
1 4 0
2 x2
5 x3 4 x3
1 2 1 3 1 2 1 3 解: A, b ) 4 2 5 4 0 ( 0 1 2 2 1 4 0 0 0 1 1
线性代数第三章向量组的线性相关性与矩阵的秩

第三章向量组的线性相关性与矩阵的秩何建军§3 • 1 概念与性质3.1.1向量的概念和运算1、n维向量:n个数构成的一个有序数组(a i,a2,…,a n),称为一个n维向量,记为〉=佝,a2 ,…,a n ),并称为n维行向量,a i称为〉的第i个分量,〉的转置T T(a1,a2, a n)称为n维向量。
2、相等:若a =@182,…,a n),p =(D,b2,…,b n),当且仅当a i =b i(i =1,2,…,n)时,:,:。
3、加法:」-a b!,a2 b2^ ,a n b n4、数乘:k ka1,ka2,…,ka n ,(k 为常数)5、內积:匕0 】=aQ +a?b2 + …+a“b n3.1.2向量组的线性相关性1、线性组合:给定向量组A : 对于任何一组实数匕出,…,k m,向量k V1 k^ 2肚m称为向量组A的一个线性组合,匕*?,…,k m称为这个线性组合的组合系数2、线性表示:给定向量组A : 〉1「2,i「m和向量:,如果存在一组数n n « n'1, '2, ,‘ m ,使得■- = ‘1〉1 ‘2〉2 •…-'rn'm则向量-能有向量组A线性表示,向量-是向量组A的线性组合。
3、线性相关:给定向量组A : ‘1厂2,厂m,如果存在一组不全为零的数k1 , k2 , , k m,使得kr 1 k2〉2 k m〉m=o则称向量组A是线性相关的。
4、线性无关:向量组A :r,〉2,…,〉m,不线性相关,称向量组A线性无关,即不存在不全为零的数k1,k2, , k m使得1• k2「2•■ k m m=0成立,即只有当k1二Q二=k m=0时,才有k^ 1 k2「2 ' k^' m=0成立。
(如果存在一组数k-k2,,k m 使得k V 1 k^ ■k m「m=0,则必有k1= k2 = = k m=0,称向量组A 线性无关)注:含有零向量的向量组一定线性相关。
线性代数第三章3-3

事实上,α1 ,α2 线性无关是毫无疑问的,此外
α1 = 1⋅ α1 + 0 ⋅ α 2 α 2 = 0 ⋅ α1 + 1⋅ α 2 α3 = 2 ⋅ α1 + 1⋅ α 2
即 α1 ,α2 , α3 中的任一个都可由α1 ,α2 线性表示, 所以 α1 ,α2 就是 α1 ,α2 , α3 的一个极大线性无 关组。
也线性相关; 2)如果 β 1 , β 2 , L , β m 线性无关,那么
ቤተ መጻሕፍቲ ባይዱ
α 1 , α 2 ,L , α m
也线性无关。
证 1)设 α 1 , α 2 , L , α m 线性相关,则存在一组 不全为零的数k1,k2,…,km,使得
k1α1 + k2α 2 + L + kmα m = 0
即
a11k1 + a12 k2 + L + a1m km = 0 LLLLLLLLLLLL ar1k1 + ar 2 k2 + L + arm km = 0 LLLLLLLLLLLL an1k1 + an 2 k2 + L + anm km = 0
β 1 , β 2 , L , β t 线性表示, 所以可设
α
j
=
∑1 k ij β i ( j = 1,2,L, s ) i=
t
即
α1 = k11β1 + k21β 2 + L + kt1β t α 2 = k12 β1 + k22 β 2 + L + kt 2 β t α s = k1s β1 + k2 s β 2 + L + kts β t
第三节矩阵的秩

1 0 3 6
1 2 3 4 1 0 5 1
r2 2 r1 r3 2 r1
r4 3 r1
1 0 0 0
2 0 0 0
2 4 2 61 2 1 3r2 2 r3 r 2
r4 3 r2
1 0 0 0 1 0 0 0
1 2 r2 r3 3 0 ~ r1 2 r 2 0 0
0 1 0 0
1 3 2 3 0 0
0 0 1 0
16 9 1 9 , 1 3 0
最后一个行阶梯形矩阵具有下述特性: 每一个非零行的第一个非零元素均为1,且含这些元素的 列的其它元素都为0. 这个矩阵称为矩阵A的行最简形
4 3 1 0
1 1 5 5
4 1 3 0
r1 r4 r2 r4 r3 2 r1 r4 3 r1
1 0 0 0
6 4 12 16
4 3 9 12
1 1 7 8
1 11 12 4
矩阵I称为A的标准形,其特点是:I的左上角是一个r 阶单位阵 ( r R ( A )), 其它元素都是0. 可见若 A ~ B , 则A与B有相同的标准形.
特别地,当A为n阶方阵且 A 0 时, 可知 R ( A ) n , 故A的标准形为单位阵E,即 A ~ E . 因此称行列式值 不为零的方阵为满秩方阵; 称行列式值为零的方阵为 降秩方阵
从这个行阶梯形矩阵不仅可看出矩阵的秩. 继续施行 初等行变换,还可化为最简单的形式:
1 0 0 0 2 3 0 0 1 2 0 0 0 2 3 0 2 1 1 0
1 1 r2 0 3 ~ 1 r3 3 0 0
线性代数课件第三章矩阵的秩课件

VS
矩阵的秩可以用于判断两个矩阵是否相似。如果两个矩阵相似,则它们的秩相同。
特征值和特征向量
矩阵的秩还可以用于确定矩阵的特征值和特征向量的个数。对于给定的矩阵,其秩等于其非零特征值的个数。
矩阵相似
矩阵的秩可以用于矩阵分解,如奇异值分解(SVD)和QR分解等。这些分解方法将一个复杂的矩阵分解为几个简单的、易于处理的矩阵,有助于简化计算和解决问题。
1 2 3 | 0 0 -3
7 8 9 | 0 0 0`
```
由于非零行的行数为2,所以矩阵B的秩为2。
题目3
求矩阵C=[1 -2 3; -4 5 -6; 7 -8 9]的秩。
解答
首先,将矩阵C进行初等行变换,得到行阶梯矩阵
```
继续进行初等行变换,得到
1 -2 3 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0 -6 -9 | 0
矩阵秩的应用
03
线性方程组的解
矩阵的秩可以用来判断线性方程组是否有解,以及解的个数。如果系数矩阵的秩等于增广矩阵的秩,则方程组有唯一解;否则,方程组无解或有无数多个解。
最小二乘法
矩阵的秩还可以用于最小二乘法,通过最小化误差平方和来求解线性方程组。最小二乘法的解就是使残差矩阵的秩等于其行数或列数的最小二乘解。
3-3线性代数

1 2 3 1 1 r2 3r1 1 2 3 1 1 r3 2r1 B = 3 1 5 3 2 0 5 4 0 1 2 1 2 2 3 r3 r2 0 0 4 0 1 2 5 0
显然, 显然, R( A) = 2, R( B ) = 3,
故方程组无解. 故方程组无解.
例3 求解非齐次方程组的通解
x1 x2 x3 + x4 = 0 . x1 x2 + x3 3 x4 = 1 x x 2x + 3x = 1 2 1 2 3 4
解 对增广矩阵 进行初等变换 对增广矩阵B进行初等变换
0 0 1 1 1 1 1 1 1 1 B = 1 1 1 3 1 ~ 0 0 2 4 1 1 1 2 3 1 2 0 0 1 2 1 2
x1 1 0 1 2 x2 0 0 1 x = c1 0 + c2 2 + 1 2 . (c1 , c2 ∈ R ) 3 0 1 0 x 4
例4 解非齐次线性方程组
2 x1 + 4 x2 x3 = 7, 2 x2 2 x3 = 2, x + 2 x x = 2. 2 3 1
且 1 0 B~ 0 0 1 1 0 0 2 3 2 1 0 1 0 0 1 1 2 0 1 0 ~ 0 0 0 1 0 0 0 2 0 0 0 8 0 3 1 2 0 0
与原方程组同解的方程 组为
x1 = 8, x 2 + 2 x 3 = 3, x = 2, 4
(c1 , c2 ∈ R)
例2 求解非齐次线性方程组 x1 2 x2 + 3 x3 x4 = 1, 3 x1 x2 + 5 x3 3 x4 = 2, 2 x + x + 2 x 2 x = 3. 1 2 3 4 解 对增广矩阵B进行初等变换, 对增广矩阵 进行初等变换, 进行初等变换
3§4 矩阵的秩

从而r(A)=列秩 < n . 若A的第一列的元素有一个不为零,不失一般性, ai1 a 0. 将第一行的( ) 倍加到第i行(2≤i≤n), 则 设 11 a11 从第二行直到第n行的第一个元素 a21 ,, an1全变为零 .
即得
a11 0 | A | 0 a12 a1n a2 n a22 a2 n a22 a11 2 ann an 2 ann an
2
n n个m维列向量
上页 下页 返回 结束
例如 矩阵
1 0 A 0 0
1
1 2 1 4 0 0 5 0 0 0 3
行向量组
1 (1,1,3,1), 2 (0, 2, 1, 4), 3 (0, 0, 0,5), 4 (0, 0, 0, 0).
上页
下页
返回
结束
先证 r r1.
设矩阵A的行向量组为1 , 2 ,, s , 不失一般性,
设1 , 2 ,, r 为它的一个极大线性无关组 . 因为1 , 2 ,, r 是线性无关的,所以方程
x11 x2 2 xr r 0
只有零解, 即
a11 x1 a21 x2 ar1 xr 0, a x a x a x 0, 12 1 22 2 r2 r a1n x1 a2 n x2 arn xr 0
2 ,, r 等价,故方程组(1)与方程组
a11 x1 a12 x2 a1n xn 0, a x a x a x 0, 21 1 22 2 2n n ar1 x1 ar 2 x2 arn xn 0
3-3 向量组的秩和极大线性无关组

显然 Rn的最大无关组很多 任何n个线性无关的n维向量 都是Rn的极大无关组
Henan Agricultural University
3.性质
(1)只含零向量的向量组没有极大无关组 规定它的秩为0 (2)一个线性无关向量组的极大线性无关组是向量组本身. (3)向量组的极大无关组一般不是唯一的。 例如 a1(1 1 1)T a2(0 2 5)T a3(2 4 7)T 因为a1 a3和a2 a3都是线性无关组 而a1 a2 a3线性相关 所以a1 a3和a2 a3都是向量组a1 a2 a3的极大无关组
k11 k (b1, b2, , bl ) (a1, a2, , am ) 21 km1 k12 k22 km 2 k1l k2l km l
B =AK
注
bj k1ja1k2ja1 kmjam
的极大无关组提供了方法。 Henan Agricultural University
四、向量组极大线性无关组的求法
矩阵A经行初等变换化为B,则A的列向量组与 B对应的列向量组有相同的线性组合关系.
1.把向量组按列排成矩阵A; 2.用初等行变换把A化为简化的行阶梯形矩阵C; 3.求出C的列向量组的一个极大线性无关组; 4.与其相应的A中的列就是A的列向量组的一个极大线性无关组.
Henan Agricultural University
例2 求矩阵A的列向量组的 一个极大无关组 并把不属于 极大无关组的列向量用极大 无关组线性表示 其中
2 1 1 1 1 1 2 1 A 4 6 2 2 3 6 9 7 2 4 4 9
可见B中1,2,4列有单位矩 阵,对应B的一个最高阶(三 阶)非零子式,即B中1,2,4 列为B的一个极大线性无关组。 相应地,A的1、2、4列 为A的一个极大无关组
3-3向量组的秩与矩阵的秩

例如 3维行向量组A :
1 1, 2, 1 , 2 2, 3,1 , 3 4,1, 1
易知向量组A是线性相关的. 但向量组1 , 2 或 2 , 3或 3 , 1都是线性无关的, 因而都是 A 的极大无关组.
说明:极大无关组不唯一.
Ir 例如矩阵 A 0
0 0
不难看出矩阵A的行秩为 r, A的列秩也为 r , A的行秩等于列秩且等于矩阵A的秩. 下面说明任何矩阵A的行秩与列秩都是相等 的,它们都等于A的秩.
9 上一页 下一页 返 回
引理1 两个n维列向量组 α1 ,α2 ,..., αs 与 β1 , β2 ,..., βs , 若存在可逆的 n n 矩阵P , 使得
T能由A线性表示,而A能由T线性表示显然,因此
极大无关组A与向量组T等价.
上一页 下一页 3 返 回
定理3.9 向量组的极大无关组所含向量个数相同.
证明 因向量组的极大无关组都与向量组本身等价, 由等价的传递性知, 任意两个极大无关组也等价,故 所含向量个数相同.
定理说明向量组的极大无关组所含向量个数与 极大无关组的选取无关,反映了向量组的性质.
定义3.16 向量组T的极大无关组所含向量个数称
为向量组的秩.记为 r(T).
4 上一页 下一页 返 回
定理3.10 等价的向量组具有相同的秩. 定理3.11 如果向量组(I)能由向量组(II)线性表示, 则向量组(I)的秩小于或等于向量组(II)的秩. 证 因为向量组(I)可以由向量组(II)线性表示, 利用定理3.1,所以向量组(I)的极大线性无关组 可以由向量组(II)的极大线性无关组线性表示. 进而由推论3可知,向量组(I)的秩不超过向量 组(II)的秩.
线性代数矩阵的秩

a11 a12 a21 a22 ai 1 ai 2 a m 1 am 2
解
把矩阵 A 用初等行变换变成为阶梯形矩阵:
(-1)[1]+[2] [1,4] (-2)[1]+[3] (-3)[1]+[4] (-3)[2]+[3] (-4)[2]+[4] (-1)[3]+[4]
A
1 6 4 1 4 1 1 0 4 3 0 0 0 4 8 0 0 0 0 0
1 A 0 2 2 1 4 3 2 6 0 1 0
1 2 3 6
1 3 2 6 0 1 0 0
பைடு நூலகம்3 阶子式: 0
2
2 阶子式:
0
1 0
0 1
1
模式二 一、基本概念 1、 k 阶子式 定义 在 m n 矩阵 A中, 任取 k 行 k 列, 位于这些 行与列交叉处的元素, 保持原来的位置不变而构成的 k 阶行列式,称为 A 的一个 k 阶子式.
1 a 1
1 1 a
1 1 1 1 a 1
求 r( A)
解: A
a 1 1
1 a 1
[( n 1) a ]
1 1 a
[( n 1) a ]
1 a 1 0
1 0 a 1
[(n 1) a](a 1)n1
A [(n 1) a](a 1)n1
求
A O r1 r2 O B
3-3 矩阵的秩和解的存在性定理 线性代数电子课件

对情形 (3),
Dr ri kjrri krj Dr kD ˆr,
2020年7月2日3时48分
若D ˆr 0, 因 D ˆr中不 i行 含A 知 中 第有i不 行r含 的 阶第 非零 , 子式
注:利 用 定 义 求 A 秩 时 , 从 高 阶 向 低 阶 逐 个 子 式 进 行 检 验 ;
如 果 k1阶 子 式 均 为 0, 而 某 个 k阶 子 式 不 等 于 0,则 R ( A ) rk.很 麻 烦 !
2020年7月2日3时48分
例3 :求矩阵的秩
解:
1 2 3 4 5
B
0
0
2
3
解一 :x1 x2 (1 t)x3 t (3)有无穷多解,求通解.
1t 1 1 0 r1 r3
B
1
1
1t 1
1 1t
3 t
r2 r1
r3 (1t)r1 r3 r2
(1)t0且 t3时 ,R (A )R (B)3, 方程组有唯一解
(2)t 0时, R (A 3成2 求4462解3 8022A x0361614320 b rrrr,3r44rr33则 426 326315rr出rr232r231r1现0=R 4 1(矛A ,盾b )方3 程,R ,(A 无) 解2.
无解 出现0=1矛盾方程 R(A)R(A,b)
2020年7月2日3时48分
(3)t 3时, R(A)R(B)2,方程组有无穷多解
2020年7月2日3时48分
例6 讨论当t 为何值时,
(1x1 t)(x11tx)x2 2xx3 30,3,( (12) )有 无唯 解一 ;解;
第三节矩阵的秩和初等变换

根据定义不难证明,矩阵的等价满足下述性质: a) 反身性:A~A; b) 对称性:若A~B,则B~A; c)传递性:若A~B,而B~C,则A~C。
定理1 如果A~B,则R(A)=R(B)。 即初等变换不改变矩阵的秩。
证明思想:只需证明任何一种初等
变换对行列 式是否为0没有影响即可。
如果我们经过初等变换将矩阵A变成 阶梯型矩阵B,得到矩阵B的秩,则由定 理1知,矩阵A的秩就等于矩阵B的秩。
例: 求R(A),其中
解:
⎡1 0 −1 2⎤ A = ⎢⎢1 −1 2 3⎥⎥
⎢⎣2 −2 4 6⎥⎦
⎡1 A= ⎢⎢1
0 −1
−1 2
2⎤ 3⎥⎥
⎯r⎯r32−−2r1⎯r1→⎡⎢⎢10
解:
可以验证,A中有一个二阶子式不为0,而 其所有的3阶子式全为0,故R(A)=2。
对于B,显然R(B)=3。
上例中的B这种类型的矩阵称为行阶梯型矩 阵。其特点为:
1.元素全为零的行(如果有的话),位于矩阵的 最下面;
2.自上而下各行中的第一个非零元素左边的零的 个数,随着行数的增加而增加。
以后,我们一般都是用初等变换的方法把矩阵化
为这种行阶梯型矩阵,再求秩。
矩阵的初等变换(Elementary operation)
定义3 下面的三种变换称为矩阵的初等行变换:
(i). 对调两行(对调i、j行,记作ri↔rj) (ii). 以非0数乘以某一行的所有元素;
(第i行乘k,记作kri) (iii).把某一行所有元素的k倍加到另一行对应的元素上
0 −1
−1 3
2⎤ 1⎥⎥
⎢⎣2 −2 4 6⎥⎦
(整理)第三章向量组的线性相关性与矩阵的秩

第三章 向量组的线性相关性与矩阵的秩向量是研究代数问题的重要工具。
在解析几何里,曾经讨论过二维与三维向量。
但是,在很多实际问题中,往往需要研究更多维的向量。
例如,描述卫星的飞行状态需要知道卫星的位置()z y x ,,、时间t 以及三个速度分量z y x v v v ,,,这七个量组成的有序数组()z y xv v vt z y x ,,,,,,称为七维向量。
更一般地,本章将引入n 维向量的概念,定义向量的线性运算,并在此基础上讨论向量组的线性相关性,研究向量组与矩阵的秩、向量组的正交化等问题。
这将为以后利用向量的线性关系来分析线性方程组解的存在性,化二次型为标准形等奠定理论上的基础。
§1 n 维向量作为二维向量、三维向量的推广,现给出n 维向量的定义定义1 n 个数n a a a ,,,21 组成的有序数组(n a a a ,,,21 ),称为n 维向量。
数i a 称为向量的第i 个分量(或第i 个分量)。
向量通常用希腊字母γβα,, ,等来表示。
向量常写为一行α=(n a a a ,,,21 )有时为了运算方便,又可以写为一列=α⎪⎪⎪⎪⎪⎭⎫⎝⎛n a a a 21前者称为行向量,后者称为列向量。
行向量、列向量都表示同一个n 维向量。
设),,,(),,,,(2121n n b b b a a a ==βα都是n 维向量,当且仅当它们各个对应的分 量相等,即),,2,1(n i b a i i ==时,称向量α与向量β相等,记作,βα=。
分量全为零的向量称为零向量,记为0,即 0=)0,,0,0(若),,,(21n a a a =α,则称),,,(21n a a a --- 为α的负向量,记为α-。
下面讨论n 维向量的运算。
定义2 设),,,(),,,,(2121n n b b b a a a ==βα都是n 维向量,那么向量),,,(2211n n b a b a b a +++ 叫做向量α与β的和向量,记做βα+,即),,,(2211n n b a b a b a +++=+ βα 向量α与β的差向量可以定义为α+)(β-,即),,,()(2211n n b a b a b a ---=-+=- βαβα定义3 设),,,(21n a a a =α是n 维向量,λ是一个数,那么向量),,,(21n a a a λλλ 叫做数λ与向量α的数量乘积(简称数乘),记为λα,即),,,(21a a a λλλλα =向量的和、差及数乘运算统称为向量的线性运算。
矩阵的秩与线性方程组 矩阵的秩

mn
矩阵
A的
k
阶子式共有
C
k m
C
k n
个.
定义2 设在矩阵 A中有一个不等于0 的 r 阶子 式 D,且所有 r 1 阶子式(如果存在的话)全等 于 0,那末 D 称为矩阵A的最高阶非零子式,数r 称为矩阵 A的秩,记作 r( A) .并规定零矩阵的秩 等于零. 即 A O r( A) 0.
1 2 2 1 0 3 6 4 0 3 6 4
x1
2 x2 3 x2
2 x3 6 x3
x4 0 4x4 0
① ④
3x2 6x3 4x4 0 ⑤
1 2 2 1 0 3 6 4 0 3 6 4
⑤ - ④ , ④ ( 1) 得 3
说明第3个方 程是多余的!
6 1 5 3
1 6 4 1 4
1 6 4 1 4
r14
3 2 3 6 1
2 0 1 5 3 3 2 0 5 0
1 6 4 1 4
r14
3 2 3 6 1
2 0 1 5 3 3 2 0 5 0
1 6 4 1 4 r42(1) 0 4 3 1 1
2 0 1 5 3 3 2 0 5 0
1 3 2 1 3 2 3 2 2 1 2 2
0 2 1 00, 2 3 20, 1 3 00, 1 3 0,
2 0 1 2 0 5 0 1 5 2 1 5
0.
rA 2.
另解
对矩阵
A
1 0
3 2
2 1
2 3
做初等变换,
2 0 1 5
得
1 0
3 2 2 1 3 2 2 2 1 3 ~ 0 2 1 3,
1 6 4 1 4
西北工业大学《线性代数》课件-第三章 矩阵的初等变换

1 0 0 0
1 0 0 0
c2
1 4
1
1
0
0
c2 c1
0
1
0 0
3 2 0 0
1 2 0 0
列 最 简 形
定理秩3.为3 r的 矩阵m A,n 经过有限次初等变
换,总可化为如下等价标准形
O(
Er
mr
)r
Or(nr ) O(mr )(nr
)
mn
即有
A
Er O
O O
推论1 设A是n阶方阵,A满秩 A En
24
x1 x1
x2 2 x2
3x3 5x3
1 4
① ②
x1
x3 3 ③
②
2
①
2
x1
③
1①
2
x2
4x2
1 2
x2
3x3 1
x3 2
1 2
x3
5 2
①′ ②′ ③′
2 x1 x2 3x3 1 ①″
③'
1 8
②'
4 x2 x3 2 ②″
3 8
x3
9 4
③″
x1 x2
则称r为A的秩. 记做rank A r,或者 r(A) r.
规定:零矩阵的秩为0,即 rankO 0 .
➢ 矩阵秩的含义 A的所有r+1阶子式都为0
1 1 2
A
2
2
4
3
6
DAr的2 所?有r+2阶子式也都为0 1 1 2 3
A的所有大于r+2阶的子式也都为0
数r=rankA是矩阵A中子式不为0子式的最高阶数
0 0 1 1 3
A有一个三阶子式
矩阵的秩公开课一等奖课件省赛课获奖课件

返回 上页 下页
性质 6 R( A B) R( A) R(B)
性质 7 R( AB) minR( A), R(B)
性质 8 若 AB = O,则 R( A) R(B) n ( n 为 A 的列数或 B 的行数)
证 ( A E) (E A) 2E R( A E) R(E A) R(2E) n 其中 R(E A) R( A E)
故 R( A E) R( A E) n
返回 上页 下页
四、小结
1. 矩阵秩的概念
2. 求矩阵秩的办法 ① 运用定义 寻找矩阵中非零子式的最高阶数;
② 初等变换法
证 P, Q可逆
P, Q可表达为若干初等矩阵的乘积
又,初等变换不变化矩阵的秩, 故结论成立.
返回 上页 下页
性质 5 maxR( A), R(B) R( A, B) R( A) R(B)
证 ① A 的最高阶非零子式必定是(A,B)的非零子式,
(但不一定是最高阶非零子式) 故 R( A) R( A, B) 同理,R(B) R( A, B)
又,R( A) n 1 A至少有一个 n-1 阶非零子式 ( A 的余子式)
A*至少有一个 1 个非零元素 R( A* ) 1
结合以上两式,得 R( A* ) 1
返回 上页 下页
③ 若 R( A) n 1 , A的 n-1 阶子式全为零 A*是零矩阵 R( A* ) 0
返回 上页 下页
将两式结合,有
R( AB) minR( A), R(B)
另外,运用下一章的知识,还可证明: 性质 8 若 Am×nBn×s = Om×s,则 R( A) R(B) n
第三章 矩阵的秩与行列式

第三章 矩阵的秩与行列式1矩阵的秩(1)矩阵的定义第一章结论5所描述的不重复数量其实就是这里所讲解的矩阵秩。
用数学语言描述为:对n 阶矩阵A 进行多次初等变换后,最少不全为0的行或列的个数t ,则称t 为矩阵A 的秩,记为:()t A r =。
(2)向量前面我们已经知道用向量可以对矩阵简化表示,不仅如此,在对矩阵的性质进行分析时,用向量可以便于描述,分析过程自然也更加清晰。
○1线性表出与线性相关 (a )线性表出如果n 维向量β能表示成向量s ααα,,,21 的线性组合,即:s s k k k αααβ+++= 2211,则称β可由向量组s ααα,,,21 线性表出,其中数sk k k ,,,21 称为关于β的组合系数.(b)向量组的等价 如果向量组s ααα,,,21 中的每个向量都可由向量组t βββ,,,21 线性表出,且向量组t βββ,,,21 中的每个向量也可以由向量组sααα,,,21 线性表出,那么就称这两个向量组等价.【例3.1】试判定向量 T )2,0,2,1(-=β 是否可由向量组T)0,1,1,1(1=α, T )1,0,1,1(2=α,T)1,1,0,1(3=α,T )1,1,1,0(4=α表出,解:设有βαααα=+++44332211x x x x ,此线性方程组是否有解就代表是否可表出。
根据解线性方程组的思路,可以将上述的列向量写成如下矩阵形式,并实施行初等变换,变为左边区域可用单位矩阵代替的新矩阵,最右边一列的值便是方程的解。
{}⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡--⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡-=321000350100310010370001~21110011012101110111,,,,4321初等行变换βαααα则此方程有唯一解:321351311371,,,--====x x x x ,故向量可线性表出。
○2向量组的线性相关 (a )向量组的线性相关的定义 对于n 维向量组s ααα,,,21 ,若存在一组不全为0的数s k k k ,,,21 ,使得:02211=+++s s k k k ααα ,则称n 维向量组s ααα,,,21 线性相关.(b)用向量描述矩阵的秩矩阵A 的每一列或行构成的向量都可以称为矩阵A 的列向量或矩阵A 的行向量。
第三章 矩阵的秩

Ax = b
b=0,齐次线性方程组 齐次线性方程组 b≠0,非齐次线性方程组 非齐次线性方程组
定理 1 线性方程组 = b有解⇔ r( A) = r( A| b). Ax 证明: 不妨设r(A)=r,利用初等行变换把增广 不妨设r(A)=r,利用初等行变换把增广 r(A)=r 初等行变换 矩阵化为行阶梯形 矩阵化为行阶梯形
推论2 推论2
当
m<n
时,齐次线性方程组
a11 x1 + a12 x2 +⋯+ a1n xn = 0 a21 x1 + a22 x2 +⋯+ a2n xn = 0 ⋯⋯⋯⋯⋯⋯ am1 x1 + am2 x2 +⋯+ amn xn = 0
必有非零解。 必有非零解。
1 A 矩阵, r A中必成立() 例 已知 为m× n矩阵,且 ( A) = r,则 中必成立()
丞相买鸡与不定方程 《张丘建算经》是我国南北朝时期写成的一本数 张丘建算经》 学书,距现在有1500多年了,里面共有 个问题, 多年了, 个问题, 学书,距现在有 多年了 里面共有92个问题 其中有一道著名的“百鸡问题” 其中有一道著名的“百鸡问题”: 今有鸡翁一,直钱五;鸡母一,直钱三; 今有鸡翁一,直钱五;鸡母一,直钱三; 鸡雏三,直钱一。凡百钱买鸡百只。 鸡雏三,直钱一。凡百钱买鸡百只。问鸡 母雏各几何? 翁、母雏各几何?
(4)a = b = 0, r( A) = 0.
(1)a ≠ b且a + (n −1)b ≠ 0, r( A) = n.
对于m个方程 个未知数的线性方程组 对于 个方程n个未知数的线性方程组 个方程 a11 x1 + a12 x2 +⋯+ a1n xn = b1 a21 x1 + a22 x2 +⋯+ a2n xn = b2 ........................................... a x + a x +⋯+ a x = b m n n m m1 1 m2 2
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一、矩阵秩的概念
任何矩阵 Am × n , 总可经过有限次初等行 变换 梯形, 把它变为行阶 梯形,行阶 梯形矩阵中非零行的行 数是唯一确定的 .
矩阵的秩
定义1 在 m × n 矩阵 A 中任取 k 行 k 列(k ≤ m , k ≤ n),位于这些行列交叉 处的个 k 2 元素, 不改 ),位于这些行列交叉 阶行列式, 变它们在 A 中所处的位置次序而得 的k阶行列式, 称为矩阵 A 的 k 阶子式 .
的一个最高阶非零子式. 则这个子式便是A 的一个最高阶非零子式
1 2 例5 设 A = − 2 3
−2 −4
− 1 1 8 0 2 , b = 3 4 −2 3 4 − 6 0 − 6 2
求矩阵 A 及矩阵 B = ( A b )的秩 .
0 5 0 3 2 6 − 1 3 − 2 3 A= 2 0 1 5 − 3 1 6 − 4 −1 4
r1 ↔ r4 r2 − r4
r3 − 2r1 r4 − 3r1
6 4 −4 −1 1 3 1 −1 0 − 4 0 − 12 9 7 − 11 0 − 16 12 8 − 12
由阶梯形矩阵有三个非零行可知 R( A) = 3.
求 A 的一个最高阶子式 . ∵ R( A) = 3, 知 A 的最高阶非零子式为 3阶 . 阶
3 3 A 的 3 阶子式共有 C 4 • C 5 = 40 个 .
考察A的行阶梯形矩阵, 考察 的行阶梯形矩阵, 记A = ( a1 , a2 , a3 , a4 , a5 ), 则矩阵 B = (a1 , a2 , a4 )的行 阶梯形矩阵为
2 −1 2 1 0 0 0 0
1 0 5 1
r3 ÷ 5
r4 − r3
2 − 1 1 2 1 0 0 0 1 0 0 0
∴ R ( A ) = 2,
R ( B ) = 3.
矩阵秩的基本性质:
(1) 0 ≤ R ( Am×n ) ≤ min ( m, n ) ; T ( 2 ) R ( A ) = R ( A) ; ( 3) 若A ~ B, 则R ( A) = R ( B ) ; ( 4 ) 若P, Q可逆,则R ( PAQ ) = R ( A) ;
显然,非零行的行数为 , 显然,非零行的行数为2,
∴ R ( A ) = 2.
此方法简单! 此方法简单!
二 矩阵秩的有关定理
定理6.1 对矩阵施行初等变换,其秩不变 对矩阵施行初等变换,其秩不变. 定理 对矩阵A作初等变换时 如果交换A的两行 作初等变换时, 的两行(列 , 证明 对矩阵 作初等变换时,如果交换 的两行 列), 那末与两行(列 有关的子行列式的值只改变正 负号; 有关的子行列式的值只改变正、 那末与两行 列)有关的子行列式的值只改变正、负号;若 用非零常数k乘以 的某一行 列 ,那末与该行(列 有关的 乘以A的某一 用非零常数 乘以 的某一行(列),那末与该行 列)有关的 子行列式的值必乘以k 若用数 乘以A的某一行 若用数k乘以 的某一行(列 再加到 子行列式的值必乘以 ;若用数 乘以 的某一行 列)再加到 A的另一行 列),那末涉及这两行 列)的子行列式的值不变 的另一行(列 ,那末涉及这两行(列 的子行列式的值不变 的子行列式的值不变. 的另一行 总之, 作三种初等行(列 变换时 变换时, 的任何子行列 总之,对A作三种初等行 列)变换时,A的任何子行列 作三种初等行 式的“ 非零”性都不会改变, 式的“零”与“非零”性都不会改变,从而变换后得矩阵的非 零子式最高阶数不会改变.因此 因此, 零子式最高阶数不会改变 因此,初等变换不改变矩阵的 秩. 推论3.1 等价矩阵有相同的秩 等价矩阵有相同的秩. 推论 推论3.2 设A为m×n矩阵,P是m阶可逆矩阵,Q是n阶 矩阵, 是 阶可逆矩阵 阶可逆矩阵, 是 阶 推论 为 × 矩阵 可逆矩阵.则 可逆矩阵 则R(A)=R(PA)=R(AQ)=R(PAQ).
r2 − 2r1 1 − 2 2 − 1 r3 + 2r1 0 0 4 2 0 0 2 1 r4 − 3r1 0 0 − 6 − 3
1 0 5 1
r2 ÷ 2 r3 − r2
r4 + 3r2
1 − 2 0 0 0 0 0 0
1 − 2 0 0 0 0 0 0
第三节
矩阵的秩
教学目的:通过本节的教学使学生理解矩阵秩概念 教学目的:通过本节的教学使学生理解矩阵秩概念, 掌握矩阵初等变换求矩阵秩的方法. 掌握矩阵初等变换求矩阵秩的方法 教学要求:理解矩阵秩概念 熟记矩阵秩的有关公式 教学要求 理解矩阵秩概念,熟记矩阵秩的有关公式 理解矩阵秩概念 熟记矩阵秩的有关公式, 掌握矩阵秩的有关定理. 掌握矩阵秩的有关定理 教学重点:矩阵秩概念 掌握矩阵初等变换求矩阵秩 教学重点:矩阵秩概念,掌握矩阵初等变换求矩阵秩 的方法. 的方法
( 5)
( 6 ) R ( A + B ) ≤ R ( A) + R ( B ) ; ∗ ( 7 ) R ( AB ) ≤ min {R ( A) , R ( B )} ; ∗ (8) 若Am×n Bn×l = 0, 则R ( A) + R ( B ) ≤ n。
特别地 R ( A ) ≤ R ( A, b ) ≤ R ( A ) + 1.
计算A的 阶子式 阶子式, 计算 的3阶子式,
3 −2 1 3 2 3 −2 2 1 −2 2 =0 , 0 2 − 1 = 00 2 3 = 2 , − 1 3 = 00 − 1 3 = 0, = , −2 0 1 −2 0 5 0 1 5 −2 1 5 1
= 0.
∴ R ( A ) = 2.
1 3 − 2 2 做初等变换, 另解 对矩阵 A = 0 2 − 1 3 做初等变换, − 2 0 1 5 1 3 − 2 2 1 3 − 2 2 ∴ 0 2 − 1 3 ~ 0 2 − 1 3 , − 2 0 1 5 0 0 0 0
作初等行变换, 阶梯形矩阵: 解 对A作初等行变换,变成行 阶梯形矩阵:
0 5 0 3 2 6 − 1 3 − 2 3 A= 2 0 1 5 − 3 1 6 − 4 −1 4
r1 ↔ r4
1 6 − 4 −1 4 6 − 1 3 − 2 3 2 0 1 5 − 3 3 2 0 5 0
1 6 − 1 0 − 4 1 0 0 4 0 0 0
∵ R ( B ) = 3,
故 B 中必有 3 阶非零子式 . 且共有 4 个.
计算B 计算 的前三行构成的子式
3 22 05源自3 255 =2 0 5 3 − 2 6 6 0 11
2 5 = −2 = 16 ≠ 0. 6 11
~ ~ ~ 分析: 解 分析: B 的行阶梯形矩阵为 B = ( A, b ), 设 ~ 的行阶梯形矩阵, 则 A 就是 A 的行阶梯形矩阵, ~ ~ ~ 故从 B = ( A, b ) 中可同时看出 R( A) 及 R( B ).
1 2 B= −2 3
−2 −4
− 1 1 8 0 2 4 − 2 3 3 − 6 0 − 6 4 2
初等变换求矩阵秩的方法: 初等变换求矩阵秩的方法: 把矩阵用初等行变换变成为行阶梯形矩阵, 把矩阵用初等行变换变成为行阶梯形矩阵, 行阶梯形矩阵中非零行的行数就是矩阵的秩. 行阶梯形矩阵中非零行的行数就是矩阵的秩
0 5 0 3 2 6 − 1 3 − 2 3 例4 设 A = , 求矩阵 A 的 2 0 1 5 −3 1 6 − 4 −1 4 秩,并求 A 的一个最高阶非零子式 .
k k m × n 矩阵 A 的 k 阶子式共有 C m • C n 个.
定义2 设在矩阵 A 中有一个不等于 0 的 k 阶子 阶子式( 式 D,且所有 r + 1 阶子式(如果存在的话 )全等 的最高阶非零子式, 于 0,那末 D 称为矩阵 A的最高阶非零子式,数 r 称为矩阵 A 的秩,记作 R( A) .并规定零矩阵的秩 的秩, 等于零 . m × n 矩阵 A 的秩 R( A) 是 A 中不等于零的
子式的最高阶数 .
对于 AT, 显有 R( AT ) = R( A).
(2)R(Am×n) ≤min{m,n} . ) ×
矩阵, 为行满秩矩阵; 设A为m×n矩阵,当R(A)= m时,称A为行满秩矩阵; 为 × 矩阵 时 为行满秩矩阵 为列满秩矩阵. 当R(A)= n时,称A为列满秩矩阵 时 为列满秩矩阵 若A为n阶方阵,且R(A)= n,则称A为满秩矩阵 它既 为 阶方阵, ,则称 为满秩矩阵.它既 阶方阵 为满秩矩阵 是行满秩矩阵,又是列满秩矩阵.显然 方阵A可逆的充分 显然, 是行满秩矩阵,又是列满秩矩阵 显然,方阵 可逆的充分 必要条件是A为满秩矩阵 为满秩矩阵. 必要条件是 为满秩矩阵 阶方阵, 为降秩矩阵.由此 若A为n阶方阵,且R(A)< n,则称 为降秩矩阵 由此 为 阶方阵 ,则称A为降秩矩阵 方阵A不可逆的充分必要条件是 为降秩矩阵. 不可逆的充分必要条件是A为降秩矩阵 方阵 不可逆的充分必要条件是 为降秩矩阵 非奇异矩阵又称为满秩矩阵, 非奇异矩阵又称为满秩矩阵,而奇异矩阵又称为降秩 矩阵. 矩阵 例如 1 2 3 1 2 3 A= 0 1 2, B = 0 1 2. 0 0 1 0 2 4 显然, 为满秩矩阵 为满秩矩阵, 则为降秩矩阵. 显然, A为满秩矩阵,而B则为降秩矩阵 则为降秩矩阵
例1
1 2 3 求矩阵 A = 2 3 − 5 的秩 . 4 7 1
1 2 在 A 中, ≠ 0. 2 3
解
又 ∵ A的 3 阶子式只有一个 A, 且 A = 0,