矩阵的秩的性质
线性代数:矩阵秩的求法
6/44
定理 Ax=0 的解的情况:
1.Ax=0 有非零解 r(A)<n 只有零解 r(A)=n
2.若A是方阵,Ax 0有非零解 A 0 只有零解 A 0
3.Ax 0,若m n,则一定有非零解。 m :方程个数 n :未知量个数
k
2
1 2
0
3 2
1
.
其中k1
,
k
为任意常数。
2
12/44
定理 3 线性方程组 Ax=b 有解 r(A)=r(Ab)
定理 4 设线性方程组 Ax=b 有解。 若A为方阵,
如果 r(A)=n,则它有唯一解; A 0,唯一解
如果
r(A)<n,则它有无穷多解。
A
0,无穷解
13/44
x1 x2 a1
a4
x5 x1 a5
RA RB
5
ai 0
i 1
15/44
5
方程组有解的充要条件是 ai 0.
i 1
x1 x2 a1
由于原方程组等价于方程组
x2 x3
x3 x4
a2 a3
例4
证明方
程组
x2 x3
x3 x4
a2 a3
x4
x5
a4
x5 x1 a5
有解的充要条件
是a1 a2 a3 a4 a5 0.在有解的情况下,
求出它的一切解.
解证 对增广矩阵B进行初等变换, 方程组的增广矩阵为
14/44
1 1 0 0 0 a1
0 1 1 0 0 a2
第十-十一次
矩阵秩的性质
矩阵的秩是指矩阵中行(或列)向量组的秩,与之等价的说法通常是指矩阵中不为零的子式的最高阶数,是矩阵最重要的数字特征之一。
基于矩阵的秩在高等代数学中的重要性,本文系统总结了矩阵的秩的基本性质,以及对矩阵的秩在满秩分解,公式和一类恒等式等方面的应用。
关键词:矩阵;秩;分块矩阵;初等变换
ABSTRACT
The matrix rank is refers to the matrix the line (or row) the vector groups order, usually is refers to the matrix with it equal view is not zero minor highest exponent number, is one of matrix most important digit characteristics .Based on the matrix rank in higher algebras importance, this article summed up matrix rank some nature, as well as decomposes to the matrix rank in the non-singular, aspect and so on a formula and kind of identical equation applications.
Key word: matrix; rank; partitioned matrix; elemetary operation。
矩阵的秩
若r ( A) m, 则称A为行满秩;
若r ( A) n, 则称A为列满秩.
若r ( A) m n, 则称A为满秩.
(2) r( AT ) r( A) ; r(kA) r( A) ( k 0 ); (3) 若 A 有一个 r 阶子式不为零,则 r( A) r ;
若 A 的所有 r 1 阶子式全为零,则r( A) r ; (4) 对于 n 阶方阵 A 而言,有 r( A) n | A | 0 ;
10
2 1 0 3 2
例3
求矩阵
B
0 0
0
3 0
1 0
2 4
5 3
的秩.
0 0 0 0
解 B是一个阶梯形矩阵,其非零行有3行,
r(B) 3 .
11
3 2 0 5 0
例4
设
A
3 2 1
2 0 6
3 1 4
6 5 1
413, 求 矩 阵 A 的 秩 .
解
A
r1 r4
1 3 2
类似有矩阵的初等列变换 .
矩阵的初等行变换和初等列变换合称为矩阵的 初等变换.
定理 矩阵的初等变换不改变矩阵的秩. 证略. 7
阶梯形矩阵
若矩阵的每行第一个非零元的下方及左下方全为零,
则称之为阶梯形矩阵.
例如, 2 3 2 0 4
0 1 2 5 0
0 0
0 0
7 0
1 0
3 0
1 2 0 0 2
§2.6
1
一、矩阵的秩的概念
定义 在一个 m n 矩阵 A 中任意选定 k 行 k 列(k , min{ m , n}) 位于这些选定的行和列的交点上的k 2 个元
素按原来的顺序所组成的 k 阶行列式,称为 A 的一个 k 阶 子式.
矩阵的秩与线性无关性质
矩阵的秩与线性无关性质在线性代数中,矩阵的秩是一个重要的概念。
它与矩阵的线性无关性质密切相关。
本文将介绍矩阵的秩的概念及其与线性无关性质的关系。
一、矩阵的秩的定义矩阵的秩是指矩阵中非零行的最高阶非零子式的阶数。
换句话说,矩阵的秩是指矩阵中线性无关的行或列的最大个数。
用数学符号表示,矩阵A的秩记作rank(A)。
二、线性无关性质的定义给定一个向量组,如果存在不全为零的系数,使得它们的线性组合等于零向量,那么我们称这个向量组是线性相关的;反之,如果只有零系数能使它们的线性组合等于零向量,我们称这个向量组是线性无关的。
三、矩阵的秩与线性无关性质的关系1. 若一个矩阵的秩等于它的行数或列数,那么该矩阵的行向量(或列向量)就是线性无关的。
证明:假设矩阵A的秩等于它的行数r,那么矩阵A的最高阶非零子式的阶数也等于r。
由于最高阶非零子式是由矩阵的行向量组成的,所以矩阵A的行向量线性无关。
2. 若一个矩阵的秩小于它的行数或列数,那么该矩阵的行向量(或列向量)就是线性相关的。
证明:假设矩阵A的秩等于r(r < 行数),那么矩阵A的最高阶非零子式的阶数为r。
由于最高阶非零子式是由矩阵的行向量组成的,所以矩阵A的行向量线性相关。
综上所述,矩阵的秩与矩阵的行向量(或列向量)的线性无关性质密切相关。
秩等于矩阵的行数或列数意味着行向量(或列向量)的线性无关性质,而秩小于矩阵的行数或列数意味着行向量(或列向量)的线性相关性质。
四、矩阵的秩与线性无关性质的应用矩阵的秩在很多数学和工程应用中都有重要的作用。
例如:1. 线性方程组的解个数与矩阵的秩有关。
对于一个包含n个变量和m个方程的线性方程组,当方程组的系数矩阵的秩等于方程组的增广矩阵的秩时,可以得到方程组的解。
若秩小于增广矩阵的秩,则方程组无解;若秩等于增广矩阵的秩且小于n,则方程组有无穷多解。
2. 矩阵的秩与矩阵的可逆性有关。
一个n阶方阵A是可逆的当且仅当其秩等于n。
矩阵的秩与其行(列)空间维度
矩阵的秩与其行(列)空间维度引言矩阵是线性代数中重要的概念之一,广泛应用于各个领域。
在矩阵理论中,矩阵的秩和其行(列)空间维度是关键概念。
本文将介绍矩阵的秩和行(列)空间维度的概念、计算方法以及它们之间的关系。
矩阵的秩矩阵的秩是指矩阵中非零行(列)向量的极大无关组的向量个数,用r(A)表示。
秩的概念与矩阵的线性无关性密切相关,它衡量了矩阵中线性无关向量的个数,从而反映了矩阵的重要特性。
计算方法计算矩阵的秩有多种方法,其中一种常用的方法是使用高斯消元法。
1.将矩阵转换为行简化阶梯形矩阵。
2.计算行简化阶梯形矩阵中非零行的个数,即为矩阵的秩。
秩的性质矩阵的秩具有以下性质:1.r(A) ≤ min(m, n):矩阵的秩不超过矩阵的行数和列数的较小值。
2.r(A) = r(A^T):矩阵的秩与其转置矩阵的秩相等。
行空间与列空间行空间给定一个m×n的矩阵A,它的行空间是由矩阵A的各行向量线性组合而成的向量空间。
行空间的维度等于矩阵A的秩,记作dim(row(A)) = r(A)。
列空间给定一个m×n的矩阵A,它的列空间是由矩阵A的各列向量线性组合而成的向量空间。
列空间的维度等于矩阵A的秩,记作dim(col(A)) = r(A)。
行空间与列空间的关系矩阵的行空间和列空间在性质上是等价的,它们都是描述矩阵中向量的线性组合的空间。
矩阵的秩既是行空间的维度,也是列空间的维度。
矩阵的行阶梯形与列阶梯形行阶梯形对于一个矩阵A,经过一系列行初等变换可以将矩阵A转化为行阶梯形矩阵。
行阶梯形矩阵的特点是,从左上到右下的对角线元素依次为1,其上(下)方的元素都为0。
行阶梯形矩阵的非零行的个数即为矩阵的秩。
列阶梯形对于一个矩阵A,经过一系列列初等变换可以将矩阵A转化为列阶梯形矩阵。
列阶梯形矩阵的特点是,从左上到右下的对角线元素依次为1,其左(右)边的元素都为0。
列阶梯形矩阵的非零列的个数即为矩阵的秩。
行阶梯形与列阶梯形之间的关系矩阵的行阶梯形和列阶梯形之间存在一个重要的关系:一个m×n的矩阵A的秩等于其行阶梯形矩阵和列阶梯形矩阵的非零行(列)的个数。
矩 阵 的 秩
即
R(A E) R(A 4E) n
(1.2)
又 ( A E)( A 4E) A2 3A 4E O ,由性质9,得
R(A E) R(A 4E) n
(1.3)
所以
R(A E) R(A 4E) n
性质10 设A 为n(n≥2)阶矩阵,则
n,若R( A) n R( A) 1,若R( A) n 1
个k
阶子式。
定义2 若矩阵A 中存在一个r 阶子式Dr 不等于 零,而所有的r+1阶子式(如果存在的话)全等 于零,则不等于零的r 阶子式Dr 称为矩阵A 的最高阶非零子式。
定义3 矩阵A 的最高阶非零子式的阶数 称为矩阵A 的秩,记为R(A)。
例1 求矩阵
1 1 3 0
(A
B)
2 121 1 1 5 2
性质5 设A 为m ×n 矩阵,P 为m 阶可逆矩阵,Q
为n 阶可逆矩阵.则R(PAQ) R(PA) R( AQ) R( A)
1 1 1
例4
设4×3矩阵A
的秩R(A)=2,A
0 0
2 0
2 3
,试求R(AB)。
解 显然B 为可逆矩阵,则R(AB)=R(A)=2。
性质6 设A 为m ×s矩阵,B 为m ×t矩阵,
0 0 7
1
1
4
3
0
0
7
4
1 1 3 1
r3 r2
r4 r2
0 0 7 4
0 0 0
则R(A)=2
0
0
0
0
(2)因为R(A)=2<3,所以R(A* )=0,则A* =O.
线性代数
1 1 3 1
例6
设四阶矩阵
矩阵的秩的性质以及矩阵运算和矩阵的秩的关系
高等代数第二次大作业1120133839 周碧莹30011303班矩阵的秩的性质1.阶梯型矩阵J的行秩和列秩相等,它们都等于J的非零行的数目;并且J的主元所在的列构成列向量的一个极大线性无关组。
2.矩阵的初等行变换不改变矩阵的行秩。
证明:设矩阵A的行向量组是a1,…,as.设A经过1型初等行变换变成矩阵B,则B的行向量组是a1,…,ai,kai+aj,…,as.显然a1,…,ai,kai+aj,…,as可以由a1,…,as线性表处。
由于aj=1*(kai+aj)-kai,因此a1,…,as可以由a 1,…,ai,kai+aj,…,as线性表处。
于是它们等价。
而等价的向量组由相同的秩,因此A的行秩等于B的行秩。
同理可证2和3型初等行变换使所得矩阵的行向量组与原矩阵的行向量组等价,从而不改变矩阵的行秩。
3.矩阵的初等行变换不改变矩阵的列向量组的线性相关性。
证明:一是为什么初等行变换不改变列向量的线性相关性?二是列向量进行初等行变换后,为什么可以根据行最简形矩阵写出不属于极大无关组的向量用极大无关组表示的表示式?第一个问题:设α1,α2,…,αn是n个m维列向量,则它们的线性相关性等价于线性方程组AX=0(其中A=(α1,α2,…,αn),X=(x1,x2,…,xn)T)是否有非零解,即α1,α2,…,αn线性相关等价于AX=0有非零解,α1,α2,…,αn 线性无关等价于AX=0只有零解。
而对A进行三种行初等变换分别相当于对线性方程组中的方程进行:两个方程交换位置,对一个方程乘一个非零常数,将一个方程的常数倍对应加到另一个方程上。
显然进行三种变换后所得方程组与原方程组同解,若设所得方程组为BX=0,则B即为对A进行行初等变换后所得矩阵。
B 的列向量的线性相关性与BX=0是否有解等价,也就是与AX=0是否有解等价,即与A的列向量的线性相关性等价!第二个问题以一个具体例子来说明。
例:设矩阵,求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。
基础解系的秩和矩阵的秩的关系
基础解系的秩和矩阵的秩的关系基础解系的秩和矩阵的秩的关系导言在线性代数中,基础解系和矩阵秩是两个重要概念。
基础解系是由线性方程组的解向量组成的向量集合,它是线性方程组解空间的一个基。
矩阵的秩则是矩阵列向量组的极大无关组的向量个数。
本文将对基础解系的秩和矩阵的秩进行全面评估,并探讨两者之间的关系。
一、基础解系的秩1.1 基础解系的定义基础解系,也称为零空间的基,是线性方程组Ax=0的解空间中的一组基。
其中,A是一个m×n的矩阵,x是n维列向量,即方程组右端项为零。
基础解系是由自由未知量赋予确定值而得到的解向量。
1.2 基础解系的性质(1)基础解系的个数等于方程组的未知数个数减去其秩,即n-r,其中n是变量个数,r是矩阵的秩。
(2)基础解系中的向量线性无关。
(3)基础解系中的向量生成解空间,即任意解向量都可以由基础解系中的向量线性组合而成。
(4)基础解系中的向量的个数等于零空间的维数。
二、矩阵的秩2.1 矩阵的定义与性质矩阵是由数值按矩形排列而成的矩形阵列。
矩阵秩是矩阵列向量组的一个重要性质。
矩阵A的秩记作r(A),它等于矩阵A的列向量组的极大无关组的向量个数。
2.2 矩阵秩的性质(1)矩阵的秩不会超过它的行数和列数中的较小值,即r(A) ≤min(m, n)。
(2)若r(A) = m,矩阵A为满秩矩阵;若r(A) < m,矩阵A为降秩矩阵。
(3)满秩矩阵的秩等于其行数和列数中的较小值,即r(A) = min(m, n)。
三、基础解系的秩与矩阵的秩的关系3.1 基础解系的个数与矩阵秩的关系设线性方程组Ax=0的基础解系中的向量个数为k,矩阵A的秩为r,则有k = n - r。
其中,k是基础解系的个数,n是变量个数。
3.2 矩阵的秩与基础解系的关系矩阵A的列向量组的极大无关组中的向量,对应于线性方程组Ax=0的基础解系中的向量。
基础解系的个数等于矩阵的秩。
结论与个人观点基础解系的秩和矩阵的秩有着密切的关系。
矩阵的秩的运算
矩阵的秩的运算一、矩阵秩的定义1. 基本概念- 对于一个m× n矩阵A,它的秩r(A)是矩阵A中线性无关的行向量(或列向量)的最大个数。
- 例如,对于矩阵A=begin{pmatrix}1&2&32&4&6end{pmatrix},通过观察可以发现第二行是第一行的2倍,所以矩阵A的行向量中最多只有一个线性无关的向量,r(A) = 1。
2. 等价定义- 矩阵A的秩等于矩阵A的行最简形矩阵中非零行的行数。
例如,将矩阵A=begin{pmatrix}1&1&11&2&31&3&5end{pmatrix}化为行最简形begin{pmatrix}1&0& - 10&1&20&0&0end{pmatrix},非零行有2行,所以r(A)=2。
二、矩阵秩的基本运算性质1. r(A)=r(A^T)- 矩阵A与其转置矩阵A^T具有相同的秩。
这是因为矩阵A中行向量的线性相关性与A^T中列向量的线性相关性是对应的。
例如,若A=begin{pmatrix}1&2&34&5&6end{pmatrix},A^T=begin{pmatrix}1&42&53&6end{pmatrix},通过计算可知r(A)=2,r(A^T) = 2。
2. r(kA)- 若k≠0为常数,r(kA)=r(A)。
这是因为数乘矩阵只是对矩阵的每个元素进行数乘,不会改变向量之间的线性相关性。
例如,设A=begin{pmatrix}1&23&4end{pmatrix},2A=begin{pmatrix}2&46&8end{pmatrix},r(A)=2,r(2A)=2。
- 当k = 0时,r(0A)=0(零矩阵的秩为0)。
3. r(A + B)≤ r(A)+r(B)- 设A=begin{pmatrix}1&00&0end{pmatrix},B=begin{pmatrix}0&00&1end{pmatrix},r(A)=1,r(B)=1,A +B=begin{pmatrix}1&00&1end{pmatrix},r(A + B)=2,此时r(A + B)=r(A)+r(B);再设A=begin{pmatrix}1&00&0end{pmatrix},B=begin{pmatrix}-1&00&0end{pmatrix},r(A)=1,r(B)=1,A +B=begin{pmatrix}0&00&0end{pmatrix},r(A + B)=0,r(A + B)<r(A)+r(B)。
线性代数第1章第7节矩阵的秩
6 7 8 的秩. 9 10
解:
从最后一行起,后 H 一行依次减前一行
1 2 3 4 5 6 1 1 1 1 1 1 0 0 0 0 0 0 . 0 0 0 0 0 0 0 0 0 0 0 0
后,所得到的n-k阶行列式,称为k阶子式M的代数余子 式.子式M的代数余子式记为B,即
B (1)(i1 i2 ik )( j1 j2 jk ) N
2
例:四阶矩阵
3 1 1 1 2 1 1 1 A 0 0 5 2 0 0 2 1
1 1 r3 , r4 5 3
r2 r3 r4 r3
所以 当k≠0时,r(A)=3; 当k = 0时,r(A)=2.
18
t q q 例:设三阶方阵 A q t q 且r(A*)=1,则t与q的关 q q t 系是 .
r ( A) 3
r ( B) 2
1 2 . 0 0
r (C ) 3
观察梯矩阵结构与其秩的关系. 矩阵的秩等于其梯矩阵的阶梯个数(即非零行 数).
9
定理1.8 任意一个m×n矩阵,均可经过一系列行初等变
换化为m×n梯矩阵.
定理1.9 初等变换不改变矩阵的秩. 由这两个定理可知:如果要确定一个矩阵的秩,当 它不是梯矩阵时,我们可以先利用行初等变换将其化为
一阶: |1| 1 0. 二阶:
1 2 1 0. 0 1
1 2 0 0 1 1 0, 2 4 0 1 3 0 0 2 1 0, 2 6 0 0 1 2 0, 2 4 6 2 3 0 1 2 1 0. 4 6 0
第二章 第一讲 矩阵的秩
互换变换:A的i行与j行交换变为B,则B 的子式或为A的子式,或与A的子式差一个符号, 秩不变。 倍乘变换:A的i 行元素乘以 k (k≠0) 得到B, 则B 的子式成为A的子式,或与A的子式差一个 因子 k≠0。则秩不变。
首页 上页 返回 下页 结束 铃
倍加变换:A由i行的k倍加到 j行,得到
矩阵B。 :B的一个子式若不包含第j行元素,则 也为A的一个子式;
1 2 1 1 0 3 4 4 , 0 5 1 0
5 0 , 由r(A)=2, 得 1 0
5. 即 1
首页
上页
返回
下页
结束
铃
四、小结
1. 矩阵秩的概念 2. 求矩阵秩的方法 (1) 利用定义 寻找矩阵中非零子式的最高阶数; (2) 初等变换法
解: 对A作初等行变换,变成行阶梯形矩阵。
1 1 2 1 A 1 2 4 1
首页
2 2 0 4
1 4 3 2
上页
r2 2 r1 r3 r1 r4 4 r1
返回
1 1 2 1 0 3 2 2 0 3 2 2 0 3 4 2
对A作初等行变换,变成行 阶梯形矩阵:
1 r r 1 3 2 5 1 1 8 1 1 3 4 7 3 5 0 1 2 4 11
解
A
7 11
首页
上页
返回
下页
结束
铃
5 1 2 1 7 1 11 8 r2 2r1
无解。
返回 下页
因此,r(A) = 2 , r(B) = 3.
上页
结束
矩阵的秩的性质.doc
矩阵的秩的性质.doc
1. 矩阵经过初等行变换或初等列变换后,其秩保持不变。
2. 对于一个 n × m 的矩阵 A,它的秩满足以下条件:
- 秩(A) ≤ min(n, m),即矩阵的秩不会超过它的行数和列数中较小的那个。
- 秩(A) = r,其中 r 表示 A 中线性无关的列(或行)的最大个数。
- 如果 r = n,则矩阵 A 被称为满秩矩阵。
- 如果 r < n,则矩阵 A 被称为降秩矩阵。
3. 当一个方块矩阵(n × n)是满秩时,它是可逆的。
也就是说,如果一个方块矩阵 A 是满秩的,则存在另一个方块矩阵 B,使得AB = BA = I,其中 I 是单位矩阵。
4. 对于两个任意大小的矩阵 A 和 B,我们有以下关系:
- 秩(A + B) ≤秩(A) + 秩(B)
- 秩(AB) ≤ min(秩(A), 秩(B))。
矩阵的秩
可逆矩阵又称满秩矩阵,不可逆矩阵 (奇异矩阵)
又称降秩矩阵.
例 4 求矩阵 A 和 B 的秩,其中
1 A 2 4 2 3 7 2 3 0 5 , B 0 1 0 1 3 0 0 0 1 0 0 3 2 4 0 2 5 . 3 0
C C
k m
k 个. n
定义 4 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)
那么 D 称为矩阵 A 的最高阶非零子 全等于 0 ,
并规定零 式,数 r 称为矩阵 A 的秩,记作 R(A).
矩阵的秩等于 0 .
由行列式的性质可知,在 A 中当所有 r + 1 阶 子式全等于 0 时,所有高于 r + 1 阶的子式也全等 于 0 ,因此 A 的秩 R(A) 就是 A 中不等于 0 的子 式的最高阶数.
三、 主要结论
定理 2 若 A ~ B, 则 R(A) = R(B).
推论 若可逆矩阵 P、Q 使 PAQ = B,则
R(A) = R(B).
四、矩阵秩的求法
根据这一定理, 为求矩阵的秩, 只要把矩阵 用初等行变换变成行阶梯矩阵, 行阶梯形矩阵 中非零行的行数即是该矩阵的秩.
下面用该方法求矩阵的秩.
第三节
主要内容
定义
矩 阵 的 秩
主要结论 矩阵秩的求法 矩阵秩的性质
二、 定义
定义 3 在 矩阵 A 中, 任取 k 行与 k 列
( k m, k n ), 位于这些行列交叉处的 k2 个元
素,不改变它们在 A中所处的位置次序而得到的
k 阶行列式,称为矩阵 A 的 k 阶子式. m n 矩阵 A 的 k 阶子式共有
- 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)。
矩阵的秩的性质和
矩阵秩与矩阵运算之间的关系
要谈矩阵的秩,就得从向量组的秩说起,向量组的秩,简而言之
就是其极大无关组里向量的个数。
进而扩展到线性方程组,在线性方程组的概念中(课本P90)定理1说:“线性方程组有解的充要条件是,它的系数矩阵和增广矩阵有相同的秩。
”
那么不妨把矩阵用向量组的方式来看,则有行秩和列秩,一个矩
阵的行秩和列秩相同,而其初等变换又不会改变秩。
自然而然,我们就得到了一个判断矩阵秩的方法,就是将它转化为阶梯形矩阵,非零行数目即其秩。
矩阵进一步发展就是运算了,包括数乘、加减、乘积等,又涉及到单位矩阵、三角矩阵、可逆矩阵以及矩阵的分块等概念,综合所学,我们得到如下性质:
1、矩阵的初等变换不改变秩,任一矩阵的行秩等于列秩。
2、秩为r 的n 级矩阵(n r ≥),任意r+1阶行列式为0,并且至
少有一个r 阶子式不为0.
3、)}(),(min{)(B rank A rank AB rank ≤ )'()(A rank A rank =,)()()(B rank A rank B A rank ±=± )()(A rank kA rank =
4、设A 是n s ⨯矩阵,B 为s n ⨯矩阵,则+)(A rank
)}(),(min{)()(B rank A rank AB rank n B rank ≤≤-
5、设A 是n s ⨯矩阵,P,Q 分别是s,n 阶可逆矩阵,则
)()()(A rank AQ rank PA rank ==
6、设A 是n s ⨯矩阵,B 为s n ⨯矩阵,且AB=0,则
n B rank A rank ≤+)()(
7、设A 是n s ⨯矩阵,则)()'()'(A rank A A rank AA rank ==
其中,也涉及到线性方程组解得问题:
8、对于齐次线性方程组,设其系数矩阵为A ,n A rank =)(
则方程组有惟一非零解,n A rank <)(则有无穷多解,换言之,即为克莱姆法则,
非齐次线性方程组有解时,n A rank =)(惟一解,n A rank <)(
有无穷多解。
还有满秩矩阵:
9、可逆⇔满秩
10、行(列)向量组线性无关,即n 级矩阵化为阶梯形矩阵后非
零行数目为n 。
扩展到矩阵的分块后:
11、110(A )(A )0n n A rank rank rank A ⎛⎫ ⎪=++ ⎪ ⎪⎝⎭
12、()()0A C rank rank A rank B B ⎛⎫≥+ ⎪⎝⎭
证明:
1、先证明初等变换不会改变秩,就先从行秩开始。
设矩阵A 的行向量组是12
s γγγ,,设A 经过1︒初等变换j+i*k 变成矩阵B ,则B 的行向量组是
1,,,,,,i i j s k γγγγγ+,显然, 1,,,,,,i i j s k γγγγγ+可由12s γγγ,线性表出,由于1()j i j i k k γγγγ=⋅+-,因此12s γγγ,也可由1,,,,,,i i j s k γγγγγ+线性表出,于是它们等价,而等价向量组有相同的秩,因此A 的行秩等于B 的列秩。
容易证明,2︒型和3︒型初等变换亦使所得矩阵的行向量组与原矩阵等价,从而不改变矩阵的行秩。
进而列秩也可以得到证明,又已知阶梯形矩阵的行秩与列秩相同,那么,讲一个矩阵通过初等变换得到阶梯形矩阵,行秩等于列秩的性质便得证。
2、设s n ⨯矩阵A 的秩为r ,则A 的行向量组中有r 个线性无关的向量,设A 的第1,,r i i 行向量线性无关,它们组成一个矩阵A 1(称A 1是A 的子矩阵),由于A 1的行向量组线性无关,因此A 1的行秩为r ,
列秩也为r 。
于是A 1又r 列线性无关。
设A 1的第1,,r j j 列线性无关,它们组成A 1的一个子矩阵A 2的列向量组线性无关,因此2||0A ≠。
即
欢迎您的下载,
资料仅供参考!
致力为企业和个人提供合同协议,策划案计划书,学习资料等等
打造全网一站式需求
3、。