2.3向量组与矩阵的秩(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。
矩阵的秩与向量组的秩一致
矩阵的“秩”，是线性代数第一部分的核心概念。
“矩阵的秩与向量组的秩一致。
矩阵的秩就是其行（或列）向量组的秩。
”怎样证明？就当做习题练一练。
设矩阵A的秩为r ，则A必有一个r 阶子式不为0，而所有 r + 1阶子式全为 0逻辑1——r 阶子式不为0，则 r个r 维向量线性无关。
分析这是格莱姆法则推论，带来的直接判别方法。
（画外音：r个未知量 r个方程的齐次线性方程组仅有0 解的充分必要条件是其系数行列式不为0）逻辑思维链——这r 个r 维向量与A 的行（或列）向量组有何关系？逻辑2——（“线性无关，延长无关。
”定理）——已知一个n 维向量组线性无关，如果在相同的位置，给组内每个向量都增加一个分量，则所得的n + 1维向量组也线性无关。
分析不妨认为给线性无关的n 维向量组a1，a 2，…，a k 的每个向量都加上第n + 1个分量，形成一个n + 1 维向量组b1，b 2，…，b k若有一组不全为零的数c1，c2，…，c k ，使得c1b1+ c2b 2+ ---+ c k b k = 0，如何证明“这组常数只能全为0”？每个向量有n + 1 分量，向量“线性组合为0”实际上是n + 1个等式。
前n 个等式即c1 a1+ c2a2+ ---+ c k a k = 0由已知线性无关即得，这组常数只能全为0，而最后那个（第n + 1个）等式自然成立。
逻辑3 ——将线性无关的 r个r 维向量，逐次延长为矩阵A 的r 个行向量（或列向量），它们线性无关。
（潜台词：简而言之，不为0的r阶子式所在的r个行向量（或列向量）线性无关。
）逻辑思维链（关键问题）——这r 个行向量是行向量组的最大无关组吗？唯一信息——A的所有r + 1阶子式全为0分析不妨设不为0 的r 阶子式就由这r 个行的左起前r 个分量排成。
（画外音：画个示意图最好。
）任取A的一行，其左起前 r个分量形成的r 维向量，必定可以被r 阶子式的r 个行线性表示。
第四节向量组的秩和矩阵的秩
由最后的阶梯形矩阵，得r (A)=3。 因此向量组 α1,α2 ,α3,α4 的秩也是3。
由阶梯形矩阵的最后一行，得 α4 −α3 +α2 +α1 = 0 由此可知
α4 = −α1 −α2 +α3
r( A+ B) ≤ r( A) + r(B)
证 设矩阵 A, B的列向量组分别为 α1,α2 ,⋯,αn和 1, β2 ,⋯, βn， β 则 要证
A+ B = (α1 + β1,α2 + β2 ,⋯,αn + βn ) r( A+ B) ≤ r( A) + r(B)
例2 设向量组 a = (1,0,0), a = (0,1,0), a = (0,0,1). 1 2 3 不难看出，部分组a1, a 2是线性无关的，且 a1, a 2 , a3中的任一 向量都可以由此部分组线性表示：
a1 = a1 + 0ia 2 , a 2 = 0ia1 + a 2 , a3 = a1 + a 2
向量用此极大无关组线性表示。
解 把向量 α1,α2 ,α3,α4看作一个矩阵的行向量组，得矩阵
1 −1 2 −2 A= 3 0 0 3
2 1 0 α1 4 −2 0α2 6 −1 1α3 0 0 1α4
对A仅施以初等行变换，并在矩阵右侧标注所作的变换， 把A化为阶梯形矩阵：
所以部分组a1, a 2是向量组a1, a 2 , a3的一个极大无关组。 例3 设向量组 a1, a 2 ,⋯, a s线性无关，其极大无关组就是自身。 如果一个向量组仅含零向量，则该向量组不存在极大无关组。
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，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。
矩阵的列向量的秩
r1 r4 r2 r4 r3 2r1 r4 3r1
6 4 1 4 1 3 1 1 0 4 0 12 9 7 11 0 16 12 8 12
r1 r4
Байду номын сангаас
1 6 4 1 4 6 1 3 2 3 2 0 1 5 3 3 2 0 5 0
19
0 5 0 3 2 6 1 3 2 3 A 2 0 1 5 3 1 6 4 1 4
17
其中 aii 0, i 1,2,
,r
显然，左上角的r个r维行向量线性无关，当分量增加为 n维时依然无关，所以矩阵A的非零行的向量是线性无关的。
加上任一零行即相关，所以 矩阵A的秩＝矩阵A的行向量组的秩＝非零行的行数 求矩阵秩的方法： 把矩阵用初等行变换变成行阶梯形矩阵，则行阶梯形 矩阵中非零行的行数就是原来矩阵的秩。
四. 矩阵的秩 1. 行秩、列秩、矩阵的秩
1.行秩、列秩、矩阵的秩 2.矩阵秩的求法 3.向量组的秩的求法 4.矩阵秩的性质 5.矩阵秩与行列式的关系
把矩阵的每一行看成一个向量，则矩阵可被认为由这些行向量组成， 把矩阵的每一列看成一个向量，则矩阵可被认为由这些列向量组成。
定义1：矩阵的行向量的秩，就称为矩阵的行秩; 矩阵的列向量的秩，就称为矩阵的列秩。 1 1 3 1 0 2 1 4 例如：矩阵 A 0 0 0 5 的行向量组是 1 (1,1, 3,1) 0 0 0 0 2 (0, 2, 1, 4)
1 0 1 , 2 , 3 线性无关， 2 3
维数增加后得到的 1 , 2 , 3 依然线性无关， 而 1 , 2 , 3 , 4 与 1 , 2 , 3 , 5 都线性无关，
向量组与矩阵的秩
1 2 0 8 6
0 0 0 9 8
1 2 0 1 2
1 2 0 1 2
r3 1 r2
0
2
3
2
0 0 0 0
1
r3
r4
0
2
3
2
0
0 0 0 9
1 8
B
0 0 0 9 8
0 0 0 0 0
R{1,2 , ,n} n ，则向量组 1,2 , ,n 线性无关。
如果向量组的秩小于向量组所含向量的个数，即
R{1,2 , ,n} n ，则向量组 1,2 , ,n 线性相关。
性质2.5 (1)若向量组A可由向量组B线性表示，则r(A)<=r(B). (2) 等价向量组的秩相同.
如果 A 为 mχ n 矩阵，则 R(A)≤ min (m,n)。
特别当 R(A)=m 时，称矩阵 A 为行满秩；当 R(A)=n 时，称矩
阵 A 为列满秩；当 R(A)=m=n 时，称矩阵 A 为满秩矩阵。
例 求矩阵的秩
2 1 0 3 2
B
0
3
1 2
5
0 0 0 4 3
1 1,2,0,1,2 0,1,0,1,3 1,3,0,2,4 1,2,1,1
解法1：构造矩阵
1 0 1 1
1 0 1 1
1 0 1 1
A
2
1
3
2
r2
2r1
0
1
1
0
r4
r2
0
第四章-向量组与矩阵的秩
e n 线性无关. 证毕.
例4
维向量组必定线性相关. 含有零向量的 n 维向量组必定线性相关
证 若向量组 a1, a2, …, as 含有零向量，不妨设 a1= 0， 则有 1⋅a1+0⋅a2+ …+ 0⋅as = 0,
其系数不全为0，按定义此向量组线性相关。证毕。
定理2 定理2 当 s ≥2 时，向量组 a1, a2, …, as 线性相关的 充要条件是其中至少 充要条件是其中至少有一个向量能由其余向量线性 是其中至少有一个向量能由其余向量线性 表2+ …+xn an = b,
⇒
定理 1 对于方程组Ax=b， ， 对于方程组 (1) Ax=b有解 有解 性表示； 性表示 向量b能由向量组 向量 能由向量组a1, a2, …,an 线 能由向量组
(2) Ax=b有唯一解 向量 能由向量组 1, a2, …,an 能由向量组a 有唯一解 向量b能由向量组 并且表示方法唯一. 并且表示方法唯一 线性表， 线性表，
关高( 亦无关； 相关矮( 亦相关. 矮(短)无关高(长)亦无关；高(长)相关矮(短)亦相关.
例6 证明：对于矩阵 满足B=PA, 如果 的列 如果A的列 证明：对于矩阵A, B, P满足 满足 向量组线性相关， 的列向量组也线性相关。 向量组线性相关，则B的列向量组也线性相关。 的列向量组也线性相关 证 由已知，方程Ax=0有非零解， 设u为其一个非零解，则有Au=0. 则Bu=PAu=0, 则u也是Bx=0的非零解， 从而u也是Bx=0的一个非零解， 因此B的列向量组线性相关。证毕。
推论5 推论5 向量组a 线性无关， 向量b不能由 不能由a 向量组 1,…ar 线性无关 ， 向量 不能由 1,…ar 线性表示，则向量组a 线性无关。 线性表示，则向量组 1,…ar , b线性无关。 线性无关
向量组的秩与矩阵秩的关系
向量组1
a12
a22
a1n a2n
am1 am2 amn
A的列向量组为1,2 ,,n ； A的行向量组为 1T , 2T ,, mT.
➢ 称A的列向量组的秩为A的列秩;
➢ 称A的行向量组的秩为A的行秩.
向量组的秩与矩阵秩的关系
设矩阵A
1 0
1 1
1 2
，试确定矩阵的秩，行秩，列秩.
0 0 0
➢ 矩阵A的秩为 2；
➢ A的行向量组为：1T 1 1 1, 2T 0 1 2, 3T 0 0 0.
➢
1T
,
T 2
是
A 的行向量组的一个极大无关组，A 的行秩是2.
向量组的秩与矩阵秩的关系
1
1
1
A的列向量组为 1 0,2 1,3 2.
感谢观赏
小学教育专业群教学资源库
向量组的秩与矩阵秩的关系
Lorem Ipsum is simply dummy text of the printing and typesetting industry
01
向量组的秩与矩阵秩的关系
向量组的秩与矩阵秩的关系
含有限个向量的有序向量组与矩阵一一对应
Amn 1 2 n
向量组的秩与对应的矩阵的秩具有什么联系？
0
0
0
由于 1，2线性无关，3 22 1 ，故 1，2是A的列向量
组的一个极大无关组，因而A的列秩为2.
在本例中，我们发现矩阵的秩等于其行秩和列秩！ 这一结论是否具有普遍意义呢？
向量组的秩与矩阵秩的关系
回顾
1 0
0 1
0 0
c11 c21
c1,nr c2,nr
A B 0 0 1 cr1 cr,nr
向量组的秩与矩阵的秩的关系_线性代数_[共4页]
![向量组的秩与矩阵的秩的关系_线性代数_[共4页]](https://img.taocdn.com/s3/m/1ce617dcf78a6529647d53f1.png)
86线性代数规定只含零向量的向量组的秩为0. 由定义3.3.2可知，例1中()123 ,,2r =ααα.一般来说，要求向量组的秩，首先需要求出极大无关组，若按照定义3.3.1去求极大无关组比较麻烦，尤其是定义3.3.1中的第二个条件的判断很困难，在3.3.2节我们还将介绍另外的方法求向量组的极大无关组以及秩.由向量组秩的定义可得：（1）向量组12,,,s "ααα线性相关()12,,,s r s ⇔<ααα"；向量组12,,,s "ααα线性无关(1,r ⇔α)2,,s s =αα"（线性无关的向量组的极大无关组就是该向量组本身）. （2）任何一个部分组的秩≤向量组的秩≤向量组中向量的个数. （3）若向量组12,,,s "ααα可由向量组12,,,t βββ"线性表示，则()()1212,,,,,,s t r r αααβββ""≤.证 设12,,,r i i i ααα"是向量组12,,,s "ααα的极大无关组，12,,,m j j j βββ"是向量组12,,,t βββ"的极大无关组. 因为向量组12,,,s "ααα可由向量组12,,,t βββ"线性表示，而向量组与极大无关组是等价的，所以12,,,r i i i ααα"可由12,,,m j j j βββ"线性表示. 又因为12,,,r i i i ααα"线性无关，根据推论3.2.7，得r m ≤，即()()1212,,,,,,s t r r αααβββ""≤.证毕.（4）等价的向量组具有相同的秩.证 设向量组12,,,s "ααα与向量组12,,,t βββ"等价，它们的秩分别为r 和m . 一方面，向量组12,,,s "ααα能由向量组12,,,t βββ"线性表示，则有r m ≤；另一方面，向量组12,,,t βββ"能由向量组12,,,s "ααα线性表示，则m r ≤. 综合这两方面的结论，可得r m =，即等价的向量组的秩相等.证毕.需要注意的是，若两个向量组的秩相等，它们不一定等价.如向量组()()121,2,1,2,4,2=−=−αα，1α是向量组12,αα的极大无关组，秩为1；而向量组()()120,2,1,0,4,2==ββ，1β是向量组12,ββ的极大无关组，秩为1. 两个向量组的秩相等，但是这两个向量组不等价.例2 试证：若一个向量组的秩为r ，则在向量组内，任意r 个线性无关的向量都构成它的一个极大无关组.证 设12,,,r i i i ααα"为向量组12,,,s "ααα中r 个线性无关的向量. 任取{}12,,,j s ∈αααα"，如果 {}12,,,rj i i i ∈αααα"，则12,,,,r ji i i αααα"线性相关；如果{}12,,,rj i i i ∉αααα"，因为向量组12,,,,r j i i i αααα"的秩不超过向量组12,,,s "ααα的秩，所以()12,,,,1r j i i i r r r <+αααα"≤，于是向量组12,,,,r j i i i αααα"线性相关. 从而12,,,r i i i ααα"是向量组12,,,s "ααα的一个极大无关组.3.3.2 向量组的秩与矩阵的秩的关系由于矩阵和向量组之间存在着一定的关系，所以向量组的秩与矩阵的秩之间也有一定的关系.。
向量组的线性相关性和矩阵的秩练习题答案
第三章向量组的线性相关性和矩阵的秩（一）基本要求：（二）内容分析和教学指导（1）从解方程的过程引出所要解决的问题，每个方程对应于一个行向量，某个方程可由其它方程表示，则该方程可去掉，为无效方程。
这对应于讨论向量组中是否有某个向量可由其它向量线性表示，即向量的线性相关性问题。
去掉无效方程后的方程求解，需要确定自由未知量和保留未知量，涉及最后的方程系数行列式不等于零的问题（2）向量的线性运算及其性质，和矩阵的运算相对应。
（3 ）向量线性相关性的定义和判断：线性相关性定义使用于理论证明，把相关性问题转化为向量方程（即方程组）有无非零解的问题，而等价定义使相关性的含义更加明确。
为了加深相关性的定义，对与一个向量，两个向量和三个向量线性相关的几何意义加以强调：单个零向量是线性相关的，两个向量相关是指两个向量共线，三个向量相关是共面。
通过利用相关性定义来判断向量组线性相关，重点培养学生的利用概念分析判断，进行逻辑推理的能力。
定义理解中的误区：（1 ）定义中的系数是独立的，（2 ）非零组合系数是相对向量组的，不同向量组对应的系数可能不同，（ 3 ）向量组线性相关则至少有一个向量可以由其它向量线性表示，至于是那一个向量是依赖于具体的向量组，并不是每个向量都可由其它向量变来表示。
列向量组的线性相关性和线性表示的矩阵表示，行向量组线性相关性和线性表示的矩阵表示。
重点是列向量组表示的矩阵形式（4 ）相关表示式的分量形式是理解相关性定理的基础和本质，一个分量对应一个方程，一个向量对应一个未知数。
用子式判断向量的线性相关性的方法，子式不等于对应于只有零解，对应于线性无关，子式等于零对应于有非零解，对应线性相关。
（5 ）最大无关组和矩阵的秩：重点理解矩阵秩的定义和含义，牢固建立矩阵和向量组的对应关系。
矩阵的秩等于行向量组的秩，等于列向量组的秩，就是非零子式的最高阶数。
掌握最高阶非零子式和向量组的最大无关组之间的对应关系，子式为零对应于线性相关，子式非零对应于线性无关。
向量组和矩阵秩
k1= -4 , k2 =5, k3= 1 所以 1 ,2 ,3 线性相关.
湖南科技大学 吴晓勤
13
例3 设向量组 1,2 ,3线性无关， 1 1 ，2 2 2 3 ，3 3 1，试证向量组 1, 2 , 3也
线性无关。
证 对任意的常数，令
i 1
反之，如果只有在k1=k2=…=ks=0时上式才成立，就
称
1
,
2
,
线性无关。
s
当
1
,
2
,
是行向量组时，它们线性相关就是指有
s
非零的1×s矩阵（k1,k2,…,ks）使
1
(k1
,
k2
,ks
)2s
0
湖南科技大学 吴晓勤
10
当1
,
量，其中
(a1, a2 ,, an )
(b1, b2 ,, bn )
湖南科技大学 吴晓勤
4
定义2 如果 和 对应的分量都相等，即
ai=bi，i=1,2,…,n
就称这两个向量相等，记为
定义3 向量 （a1+b1,a2+b2,…,an+bn）
称为 与 的和，记为 。称向量
m1 j1
向量组1,2 ,s 中每一个向量都可以经向量组
1, 2 , p 线性表出。因而，向量组 1,2 ,s 可以经向量组 1, 2 , p 线性表出。
湖南科技大学 吴晓勤
23
向量组的等价具有下述性质：
(1)反身性：向量组1,2 ,s与它自己等价；
1 一个向量线性相关=0;无关 0. 2 两个向量线性相关对应元素成比例;无关对应
向量组的秩
， 10
,
0 0
和向量组
1 0
， 10
，11
0 0 1
0 0 1
都是向量组
1 0
， 10 ,
0 0
，11
最大无关组。
0 0 1 1
由定义不难得出以下结论：
1.如果一个向量组的秩是 r ,那么此向量组的任意 r 个线性无关
的向量都可以是它的一个最大无关组。由此即知，一个向量组 的最大无关组不唯一。 2.向量组线性无关的充分必要条件是向量组的秩等于该向量组 所含向量的个数；向量组线性相关的充分必要条件是向量组的 秩小于该向量组所含向量的个数。
1
2 0
从而可知 R( A) 3 即向量组 1,2 ,3,4 的秩等于3 。
又因为向量组 1,2 ,4 构成的矩阵经初等行变换可以变成
1 1 1
1 1 1
r2 2r1
1 1 1
(1
,
2
,
4
)
2 2 3
1 3 6
1 61
rr4332rr11
0 0 0
3 5 3
1 3 3
实用线性代数
向量组的秩
1.1 向量组的最大无关组与秩 1.2 向量组的秩与矩阵的秩 1.3 向量空间的基与维数
1.1 向量组的最大无关组与秩
定定义义3.31.010 如果在向量组 A :1,2, 1, 2 ,, r 满足条件：
⑴ 向量组 1,2 ,,r 线性无关，
,n 中有 r 个向量
⑵ 向量组A中任意 r 1个向量（如果存在的话）都线性相关。
例如 向量组
1
A
:
a1
0
,
0
0
a2
3.3向量组的秩与矩阵的秩
定义3.设A是一个矩阵，称A的行向量组的秩为 A的行秩；称A的列向量组的秩为A的列秩。
定理4.矩阵的初等变换不改变矩阵的行秩和列秩.
a1,1
证明：设AFra biblioteka2,1
M
a1,2 L a2,2 L ML
am
,1
am,2
L
a1,n
a2,n
M
am
,n
(1)首先证明矩阵的初等行变换不改变矩阵的行秩
类似可证：矩阵的初等列变换不改变矩阵的 列秩。
(2)证明矩阵的初等行变换也不改变矩阵的列秩
设A：1, 2, …, r, r+1, …, n是矩阵A的列向 量组，无妨说：1, 2, …, r是A的极大线性无关
组. P是一个m阶的初等方阵
B：P1, P2, …, Pr, Pr+1, …, Pn
依据定理3得知：
定义2. 设A是一组n维向量，1, 2, …, r是A的
一个极大线性无关组。称r为A向量组的秩, 记为R(A).
推论2:若向量组A和向量组B等价, 则R(A) = R(B)
证明：设1, 2, …, r是向量组A的一个极大线性 无关组；1, 2, …, s是向量组B的一个极大线性
无关组.
由于1, 2, …, r与A等价； A与B等价，同 时B与1, 2, …, s等价，所以1, 2, …, r与1, 2, …, s等价
组，简称极大无关组。
定理1.设有n维向量组A：a1, a2, …, as和B：b1, b2, …,bt .若A组向量线性无关，并且A组向 量可以被B组向量线性表出，则必然有 s t.
证明: (反证法)设不然，即s > t
a1 c1,1b1 c2,1b2 L ct,1bt 无妨说：a2 c1,2b1 c2,2b2 L ct,2bt
矩阵的秩及其应用
矩阵的秩及其应用摘要：本文主要介绍了矩阵的秩的概念及其应用。
首先是在解线性方程组中的应用，当矩阵的秩为1时求特征值；其次是在多项式中的应用，最后是关于矩阵的秩在解析几何中的应用。
对于每一点应用，本文都给出了相应的具体的实例，通过例题来加深对这部分知识的理解。
关键词：矩阵的秩； 线性方程组； 特征值； 多项式引言：阵矩的秩是线性代数中的一个概念，它描述了矩阵的一个数值特征。
它是矩阵 的一个重要性质。
在判定向量组的线性相关性，线性方程组是否有解，求矩阵的特征值，在多项式、空间几何中等多个方面都有广泛的应用。
由于矩阵的秩的重要作用和地位，需要我们认真学习。
1．矩阵的秩及其求法1.1矩阵的秩的定义定义1.1.1[1] 矩阵A 的行（列）向量组的秩称为矩阵A 的行（列）秩。
定义1.1.2[2] 矩阵的列向量组（或行向量组）的任一极大线性无关组所含向量的个数称为矩阵的秩。
定义1.1.3[1] 设在矩阵A 中有一个不等于零的r 阶子式，且所有的1r +子式（如果存在的话）全等于零，则称矩阵A 的秩为r ，记为()r A r =或秩()A r =。
零矩阵的秩规定为零。
注：由定义可以看出(1)若A 为n m ⨯矩阵，则()r A m ≤，也()r A n ≤，即()min{,}r A m n =(2) ()()T r A r A = ,()()r kA r A = ,k 为非零数 1.2 矩阵的秩的求法定义法和初等变换法是我们常用的求矩阵的秩的两种方法，下面就来比较一 下这两种方法。
方法1 按定义例1.2.1 求矩阵A =⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--41311221222832的秩 解 按定义3解答，容易算出二阶子式12232-0≠，而矩阵的所有三阶子式1312122832--=0，43112122232-=0，41312212283--=0，4111222282-=0 所以()2r A =方法2 初等变换法引理1.2.1[1] 初等变换不改变矩阵的秩。
3向量组与矩阵的秩
矩阵的初等行变换都是可逆的,且其逆变换也是
同类的初等行变换。
返回 上一页 下一页
定理12
如果矩阵A经过有限次初等行变换变为B,则A
的行向量组与B的行向量组等价,而A的任意k个列向量
与B中对应的k个列向量有相同的线性关系。 例 求下列向量组
的一个极大线性无关组与秩。 解 作
返回
上一页
下一页
所以 为一个极 大无关组，且秩等于3。
量变成n维向量组 (1)如果 那么 (2)如果 那么 证
也线性相关。 线性无关， 也线性无关。
对列向量来证明定理。
返回
上一页
下一页
如果
线性相关,就有一个非零的s1矩阵X,使
因此,
也线性相关,即(1)式成立。
利用(1)式,用反证法容易证明(2)式也成立。
返回
上一页
下一页
引理1 如果n阶方阵A的行列式等于零,那么A的行(列) 向量组线性相关。 定理6 n维向量组 是矩阵
和
为两向量组，其中
即 是对 各分量的顺序进行重 排后得到的向量组，则这两个向量组有相同的线 性相关性。
证 对任意的常数k1,k2,…,ks，
返回 上一页 下一页
上两式只是各分量的排列顺序不同，因此
当且仅当
所以
和
有相同的线性相关性。
返回 上一页 下一页
定理5
在r维向量组 。 线性相关，
的各向量添上n-r个分
返回 上一页 下一页
数a1,a2,…,an称为这个向量的分量。ai称为这个
向量的第i个分量或坐标。分量都是实数的向量
称为实向量；分量是复数的向量称为复向量。
n维行向量可以看成1×n矩阵，n维列向量也常 看成n×1矩阵。 设k和l为两个任意的常数， 量，其中 为任意的n维向
(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。
向量组的秩2.3
个向量都可由向量组 II 线性表示 , 则称向量组 I 可由向
量组II线性表示; 如果向量组I与向量组I可以相互线性
表示, 则称向量组I与向量组II等价.
“等价”满足如下性质 ： （1） 任何向量组必然与自身等价；
（2）向量组I与向量组II 等价 II 与I等价； （3）向量组I与组II 等价，且II 与III 等价 I与III 等价.
例3.求如下向量组的秩
1 ( 3,1,6,4)T , 2 ( 2,2,3,5)T ， 3 (1,5,6,8)T .
16
解
构造矩阵 A [ 1， 2， 3 ]，只需求出r ( A) 即可. 2 1 2 5 3 1 1 3 2 5 2 1 A 6 3 6 2 1 2 4 5 8 4 5 8 2 5 1 2 5 0 1 4 4 16 可见 r ( A) 2， 0 0 3 12 0 3 12 0 0 0 r ( 1， 2， 3 ) 2 .
（ 1 ）1 (0,0,0)T ， 2 (0,0,0)T （ 2 ）1 (0,0,0)T ， 2 (1,0,0)T ， 3 (0,1,0)T （ 3 ）1 (1,0,0)T ， 2 (0,1,0)T ， 3 (0,0,1)T （ 4 ）1 (1,0,0)T ， 2 (1,2,0)T ， 3 (1,2,3)T
注 (1)只含零向量的向量组不 存在极大无关组
规定其秩为 0；
(2)任何非零向量组的秩均 大于0. 即有：
0 r ( 1 , 2 , , s ) s
（3）线性无关的向量组的秩=向量的个数。
(4)在秩为r的向量组中,任意r个线性无关 向量都是这个向量组的极大无关组.
- 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)。
1 2 1 2 1 r3 r2 0 1 0 3 1 r4 r2 0 0 0 0 0 0 0 0 0 0 容易看出上述行阶梯形矩阵的秩等于2, 因此R(A)=2.
2017年12月23日星期六 Spring 2010, 17ppt 14
定义 2.8 设有向量组T, 如果:
1 0 2 3 5 设A 2 6 2 0 2 , 3 6 0 4 3
求A 的列向量组的一个最大无关组及A 的其余列向量 用它们线性表示的表达式。 解
对A 施行初等行变换变为行阶梯形矩阵。
行变换 1 0 2 0 5 A ~ 0 1 1 0 2, 0 0 0 1 0
a11 |A|= ... a12 ... ... a1n ... ... a 21 a 22 ... a 2n an1 a n2 ... a nn
2017年12月23日星期六 Spring 2010, 17ppt 3
定义2.6 矩阵A中不为零的子式的最高阶数称为矩阵 A的秩(rank),记为R(A).
1 行变换 0 a1 , a2 , a4 ~ 0 0 1 1 0 0 1 1 , 1 0
R(a1 , a2 , a4 ) 3, 故a1 , a2 , a4线性无关.
2017年12月23日星期六 Spring 2010, 17ppt
22
为把a3 , a5用a1 , a2 , a4 线性表示，
所以R( A) 2,因此向量组a1, a2线性无关.
2017年12月23日星期六
Spring 2010, 17ppt
7
推论2.1 任意m(m>n)个n维向量线性相关.
（注：由于没有m阶子式，故R(A)<m）
推论2.2 m个n维向量线性无关的充要条件是由它们组成 的m n矩阵的秩为m(m n).
(1)在T中r个向量1 , 2 , r 线性无关; (2)T中任意r 1个向量(如果有的话)都线性相关.
则称1 , 2 , r是向量组T的一个最大线性无关向量组, 简称最大无关组,数r称为向量组T的秩.
定理2.7 : 矩阵的秩等于它的行（列）向量组的秩。
2017年12月23日星期六
2017年12月23日星期六
Spring 2010, 17ppt
10
定义2.7
设A为m n矩阵，若A满足下列三个条件：
1 a11 , a22 , , amm以下的元全为零； 2 每一行的第一个非零元前面的零元个数大于前一行这种
零元的个数；
3 如果某一行的元全为零，则以下所有行的元全为零。
1 2 1 0 可验证: R(A)=2,这里A的2阶子式 D 1 1 因此,包含D的两个向量 1 ,2线性无关,
1 ,2 ,3 ,4中任意3个向量都线性相关。
2017年12月23日星期六 Spring 2010, 17ppt 9
有没有更简单的方法来计算矩阵的秩？
实际上我们有：矩阵的初等变换并不改变矩阵的 秩，因为初等变换不改变行列式是否为零的性质。 因此，可以将矩阵通过初等变换先化成行阶梯型 矩阵，就可较快求出矩阵的秩。
2017年12月23日星期六
Spring 2010, 17ppt
16
2 1 1 1 1 1 2 1 A= 4 6 2 2 3 6 9 7
2 1 4 0 4 0 9 0
0 1 1 1 0 0 0 0
0 4 0 3 1 3 0 0
例:讨论下列向量组: (1):a1 (1, 1,1), a 2 (2,1, 1), a 3 (4, 1,1). (2) : a1 (1, 1, 2), a 2 (1,3, 4)的线性相关性.
分析：
1 1 2 (2)设A ,由于矩阵A中有一个2阶子 1 3 4 1 1 式D2 2 0, 1 3
多媒体教学课件
华南农业大学理学院应用数学系
2017年12月23日星期六 Spring 2010, 17ppt 1
第2.3节 向量组与矩阵的秩
如何判断向量组是否线性相关？
2017年12月23日星期六
Spring 2010, 17ppt
2
A (aij ) mn 矩阵,在A中任取k行k列,由这些行列相交 处的元素按原来的相对位置构成的k阶行列式,称为 A的k阶子式,若A是一个n阶方阵,则只有一个n阶子 式,就是A的行列式
(1)在T中有r个向量1 , 2 ,
一个向量组的最大无关组一般不是唯一的，但由引理2.1可 以保证它们都含有相同个数的向量.
2017年12月23日星期六
Spring 2010, 17ppt
19
练 习
1.
2017年12月23日星期六
Spring 2010, 17ppt
20
2 1 1 1 1 1 2 1 2. 设矩阵 A 4 6 2 2 3 6 9 7
Spring 2010, 17ppt 21
1 0 A~ 0 0
1 2 1 4 1 1 1 0 , 0 0 1 3 0 0 0 0
知R(A) = 3, 故列向量组的最大无关组含3个向量。 而三个非零行向量的非零首元在1、2、4三列， 故 a1, a2, a4 为列向量组的一个最大无关组。 这是因为
Spring 2010, 17ppt
15
例2.7 : 求下列向量组的一个最大无关组，并把 其它向量用此最大无关组线性无示。 1＝（2，1，4，3）; 2＝（-1，1，-6，6）;
3＝（-1，-2，2，-9）; 4＝（1，1，-2，7）; 5＝（2，4，4，9）;
解：把它们按列排成矩阵A，对A施初 等行变换化为行最简型矩阵 2 1 1 1 1 1 2 1 A= 4 6 2 2 3 6 9 7 2 1 4 0 4 0 9 0 0 1 0 1 1 0 0 0 0 0 4 3 1 3 0 0
分析 : 利用定理2.4, 那么 1 -1 1 1 -1 1 (1)设A= 2 1 -1 ,由于A中只有一个3阶子式,即|A|= 2 1 -1 0 4 -1 1 4 -1 1 因此R( A) 3, 故a1 , a2 , a3线性相关.
2017年12月23日星期六 Spring 2010, 17ppt 6
2 4 , 4 9
求矩阵A 的列向量组的一个最大无关组，并把不属 于最大无关组的列向量用最大无关组线性表示。 解 对A 施行初等行变换变为行阶梯形矩阵。
1 行变换 0 A ~ 0 0
2017年12月23日星期六
1 2 1 4 1 1 1 0 , 0 0 1 3 0 0 0 0
推论2.3 n 个n维向量线性无关（相关）的充要条件 是由它们组成的矩阵行列式不等于0(等于0).
2017年12月23日星期六
Spring 2010, 17ppt
8
定理2.5 矩阵A的秩等于r的充要条件是A中有r 个行 向量线性无关，且任意r+1个行向量（如果存在）线 性相关。
1 1 矩阵A 2 1 2 1 3 3 1 2 1 1 2 1 1 5 1 2 3 0
在A中，容易看出一个2阶子式 A的三阶子式只有一个
1 2 2 3
0
A
经计算可知
A 0
因此R（A）=2。
2017年12月23日星期六 Spring 2010, 17ppt 5
定理2.4 : m n矩阵A的m个行向量线性相关的 充要条件是R(A)<m.
例:讨论下列向量组: (1):a1 (1, 1,1), a 2 (2,1, 1), a 3 (4, 1,1). (2) : a1 (1, 1, 2), a 2 (1,3, 4)的线性相关性.
对n阶方阵, 如果
| A | 0
则称A为满秩矩阵; 否则，称A为降秩矩阵. 另外，零矩阵的秩为0.
2017年12月23日星期六
Spring 2010, 17ppt
4
如果矩阵A中有一个r阶子式不为0，而所有的r+1阶子 式都为0，则矩阵A的秩等于r.
例 求矩阵的秩
解
1 2 3 A 2 3 5 4 7 1
1 0 T T T 因为(1 , 2 , 4 ) 0 0
0 1 0 0
0 0 1 0
故1 , 2 , 4线性无关,由以上行最简形矩阵 可知:3 1 2 , 5 41 3 2 3 4 .
2017年12月23日星期六 Spring 2010, 17ppt 17
把 A 再变成行最简形矩阵。 1 行变换 0 a1 , a2 , a3 , a4 , a5 ~ 0 0
即得a3 a1 a2 ,
0 1 1 1 0 0 0 0
0 4 0 3 , 1 3 0 0
a5 4a1 3a2 3a4 .
3.
s中的每一个向量都可以 由向量组1 , 2 , r 线性表示,则称向量组1 , 2 s可以由向量组1 , 2 , r 线性表示.
定义2.9:如果向量组1 , 2
如果向量组1 , 2
s与向量组1 , 2 , r
可以互相线性表示,则称这两个向量组等价.
2017年12月23日星期六
Spring 2010, 17ppt
12
定义：非零行的第一个非零元为1，且这些非零元1所在 列的其它元素都为零的行阶梯型矩阵称为行最简矩阵。
1 0 0 0
0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 ， 0
1 0 0 0 0 1 0 1 都是行最简矩阵。 0 0 1 4 0 0 0 0
2017年12月23日星期六