最新考研数学矩阵8大秩及其证明
矩阵秩的8大性质、重要定理以及关系
![矩阵秩的8大性质、重要定理以及关系](https://img.taocdn.com/s3/m/bd2a8ec414791711cd79170f.png)
矩阵秩的8大性质:②R(A T)-1?(A);③若A〜叭则R(A) = R(B);④若八Q可逆,则R(PAQ) = R(A). 下面再介绍几个常用的矩阵秩的性质:⑤nwc{R(A),R(E)IWR(A』)WR(A) + 特别地,当B = b为非零列向量时,有R(AX/?(A,fr)<J?(A) + L⑦R(AB)<min|K(A)t Z?(B)L(见下节定理7)⑧若釘4产O,则R(A) + R(B)£”.(见下章例13)设AB = O f若A为列满秩矩阵,则B-0.线性方程组的解:定理3 H元线性方程组A x=&(i)无解的充分必要条件是K(A)CR(A』);(ii)有惟一解的充分必要条件是R(A) = R(A,b)=n;(iii)有无限多解的充分必要条件是R(A) = R(A』)Cr?・定理4 n元齐次线性方程组Ax=OW零解的充分必要条件是R(A)Cm £35翹方聽AE鬧械酬髓件默⑷=R(A"定理6矩阵方程AX=B有繃充分必要条件是R(A) = R(A,B)・定理7 «AB = C,则R(C)Wmin|R(A),R(B)h向量组的线性相关性:定鰹1向跖能由向量组严心线憐示的充分必要桑件是3£阵A 珂的曲严心)的秩等于矩阵B =(爲卫2广』册』)的税.定理2向虽组B ;bJ“7 能由向蚩组A0叫…心 线性表示的充分必要条件是矩阵A = («i 严心)的秩等于矩阵(A,B)=(釦,…上捕,27啲秩,即 R(A} = R(A,B)・推论向輦组A :叭与向H 组B ;枷』ejE 等价的充分必要 条件是J?(A) = R(B)-J?(A,B)t其中A 和月是向僮组A 和B 所构成的矩阵”定理3设向悽组B :D ]』2「讪能由向證组A"1厲厂心线性表示. JMR(h 』w 讪KR 仏曲厂叫)阵A = g 曲严心)的秩小于向懂个数奶向咼组线性无关曲充分必要条件 是R ⑷二皿血“也线性相关成盲之,若向储组BA 也线性无关.(2) 7«个"维向虽组成的向量组,当维数«小于向虽个数加时一定銭牲相 关•特别地d+1个”维向量一定线性相关,(3) 设向量组人:叭』2,线性无关,而向量组线性 相关侧向虽b 必定理4,%线性相关的充分必要条件是它所构成的矩 定理5 (1)若向员组A :餌严心线性相关』IJ 向量组g 宀dJM *能由向鈕组A钱性表示,且表示式是惟一的.对比:矩阵A =(叭』加小,%)的秧等于矩阵B = 的税, 定理5线性方程组曲M 有解的充分必要憑件是R⑷= R(A ;b)?l定理2向虽组时血严血能由向量组A :釘』线性表示的 充分必要条件是矩阵4二(尙,伽「・,心)的秩等于矩阵= 儿7)的秩,即R(A) = R(A 』}.条件是定理1JSA 仙疋“5—线性表示的充分必要条件是推论 向量组A :%与向 组…出等价的充分必要R(A) = R(B) = R(A t B),其中A 和B 是向世组A 和B 所构成的矩阵・定理6矩阵方程AX=B 有解的充分必要条件是R(A) = R(A t B).组…心线性表示, 则ROM?严由)WR(a赳严叫)・nI AB = cl^ R(C)^min{R{A)~R(B) \ .定理4向卿小如严心黠相关的充分必要条件是它所构成的矩阵A = 「心)的秩小于向齢数用洞鞠黠无关的充分必璃件是R(A)n||能4 "元制ait方翻X0有鶴繃充分必要条瞬丽石~|觀5如騎次難方翻(13)的餓行贱D判侧粽黠方物(13)蹣粹龜定翡如果撅黠方翩(13)辭霸』陀的貓的式必腮.I。
矩阵秩重要知识点总结_考研必看复习课程
![矩阵秩重要知识点总结_考研必看复习课程](https://img.taocdn.com/s3/m/257f664dde80d4d8d15a4f7a.png)
] ]
b1
3 1
4 6
2
1
5
3
1 1
4 1 1 1
b3
a3
[b1 , a3 [b1 , b1
] ]
b1
[b2 [b2
, ,
a3 b2
] ]
b2
1
0
1 3
2 1
5
3
1 1
2
0
1
第二步单位化,令
精品文档
精品文档
1 e1 || b1 || b1
精品文档 一. 矩阵等价
行等价:矩阵 A 经若干次初等行变换变为矩阵 B 列等价:矩阵 A 经若干次初等列变换变为矩阵 B 矩阵等价:矩阵 A 经若干次初等行变换可以变为矩阵 B,矩阵 B 经若干次初等行变换可 以变成矩阵 A,则成矩阵 A 和 B 等价 矩阵等价的充要条件 1. 存在可逆矩阵 P 和 Q,PAQ=B 2. R(A)=R(B) 二. 向量的线性表示
Case1:向量 b 能由向量组 A 线性表示:
充要条件:
1.线性方程组 A x =b 有解
2.R(A)=R(A,b) Case2:向量组 B 能由向量组 A 线性表示 充要条件:
R(A)=R(A,B) 推论 ∵R(A)=R(A,B),R(B) ≤R(A,B) ∴R(B) ≤R(A) Case3:向量组 A 能由向量组 B 线性表示 充要条件:
R(B)=R(B,A) 推论 ∵R(B)=R(A,B),R(A) ≤R(A,B) ∴R(A) ≤R(B) Case4:向量组 A 和 B 能相互表示,即向量组 A 和向量组 B 等价 充要条件:
R(A)=R(B)=R(A,B)=R(B,A) Case5:n 维单位坐标向量组 能由矩阵 A 的列向量组线性表示 充要条件是:
考研基础复习(线代)矩阵
![考研基础复习(线代)矩阵](https://img.taocdn.com/s3/m/29acec323968011ca300919b.png)
进行分块矩阵的乘法运算时,注意: 进行分块矩阵的乘法运算时,注意: 左分块矩阵的列的分法 列的分法必须和右分块矩阵 左分块矩阵的 列的分法 必须和右分块矩阵 行的分法一致 一致. 的行的分法一致
一、矩阵的基本内容
——5、分块矩阵及其求逆 、
A1 O O A2 A= L L O O L O L O L L , O As
O O L As
可逆的充要条件是: A1 , A2 , L , As 都可逆,且: 都可逆, 可逆的充要条件是:
O
A2 1 L
A 1
O
O L O L L ; 1 O As L
一、矩阵的基本内容
——5、分块矩阵及其求逆 、
特别: 为可逆矩阵, 特别:若 A 、 B 为可逆矩阵,则:
对于分块对角阵: 对于分块对角阵:
阶方阵, 其中 Ai 为 ni 阶方阵,有: | A |=| A1 | | A2 | | As | .
一、矩阵的基本内容 ——5、分块矩阵及其求逆 、
A1 O O A2 A= L L O O
A11 O = L O
分块对角阵
L L L O
A O O B
1
A 1 = O
1
O 1 ; B
O A B O
1
O 1 = A
B 1 O ;
A C O B
A 1 = O
A 1 CB 1 1 ; B
一、矩阵的基本内容
——5、分块矩阵及其求逆 、
A O C B
1
A 1 = B 1 CA 1
( A M E ) ~ ( E M A 1 ) (行变换) ; 行变换)
A E ~ 1 E A
; (列变换) 列变换)
2021考研数学线性代数公式详解-矩阵
![2021考研数学线性代数公式详解-矩阵](https://img.taocdn.com/s3/m/d9308568daef5ef7bb0d3cbb.png)
B
=
l l I
...
l l -
BS
R叮 E
···
』 E 』
E
BE SE
则
B A 「
I
土
A
+-
B
I
--
l l
···
B A -
±
-
i
B R A A S r l ,, +····E寸- V S F -BEll--l
(2) 数与分块矩阵的乘法
II A11 A=I :
IIAsl
… AIr II
Il λ’"A ·-11
k个
矩阵的事满足下列运算规律
AkAt=Ak+t ,(Ak)1=A*1
5. 矩阵的转盟
(1 )定义 6
设
A
、EF= ,,.飞 G HYH m x n
r
t
t
-t t
t
nm向 . ..
12 a22 …
t t
am
am2 …
称
α 1 「
B I
n 叫
1
叫
2
-A Ta
,.‘、 a Hf- 、‘,, n x m
=t t t
(2)运算规律
1)结合律 λ(µ}A=(λµ. )A
2)分配律(λ +µ)A = λA+µA ,λ(A+B)=λA+λB
3.矩阵与矩阵的乘法 (1)定义
设 A=(马)时’B=(bij txn 则矩阵 A. B的乘积为AB=C=(cij)mxn , 其
中cij=ail bli+ai2b2i + … +%鸟 (i=I,2,··,m;j=1,2,···,n)
A n E’
1 I
矩阵的秩和解的存在定理
![矩阵的秩和解的存在定理](https://img.taocdn.com/s3/m/6bdc0f1231126edb6f1a10f1.png)
R( A) R( A, b) n R( A) R( A, b) n
方程组有无穷多组解
2018年10月22日12时18分
例6 讨论当t 为何值时,
( 1 t) x1 x2 x3 0, (1)有唯一解; x1 (1 t) x2 x3 3, (2)无解; x x (1 t) x t (3)有无穷多解,求通解. 2 3 1 解一:
2018年10月22日12时18分
设 A 经初等列变换变为B,
则 AT 经初等行变换变为BT , R( AT ) R( BT ), 且 R( A) R( AT ), R( B) R( BT ),
R( A) R( B ).
综上, 若 A 经有限次初等变换变为B( 即 A ~ B ), 则 R( A) R( B ).
3 2 1 1 例 A aij 1 2 3 2 其中 3 , 1 34 4 4 2 3 为一阶子式; 1 2 3 1 , 为二阶子式; 4 4 1 3 3 2 1 3 2 1 1 2 3 , 1 2 2为三阶子式. 4 4 2 4 4 3
(3) t 3时, R( A) R( B) 2 ,方程组有无穷多解
2018年10月22日12时18分
例6 讨论当t 为何值时,
( 1 t) x1 x2 x3 0, (1)有唯一解; x1 (1 t) x2 x3 3, (2)无解; x x (1 t) x t (3)有无穷多解,求通解. 2 3 1 解二:
1 0 r1 r3 1 t 1 r2 r1 B 1 1 t 1 3 r3 (1 t )r1 1 1 1 t t r3 r2
关于矩阵的秩的一些理论及应用
![关于矩阵的秩的一些理论及应用](https://img.taocdn.com/s3/m/dca1a74069eae009581becb0.png)
b1 b2 b
c1 c2 c
d1 d2 d
则有如下结论
(1)直线和平面相交 r ( A ) (2)直线和平面平行 r ( A ) (3)直线在平面上
r ( A) 3
2, r ( A ) 3
r ( A ) r ( A ) 2
够顺利完成,要特别感谢我的导师高学亮老师, 感谢各位系里老师的关心和帮助。
最后向所有关心和帮助过我的人表示我最真心的
感谢。
k 1 a1 k 2 a 2 ... k n a n 0
是否存在非
零解,又相当于判断其对应的系数矩阵 A 的秩是小于还
线性相关
R A n来自线性无关R A n
2 矩阵的秩在解方程组问题时的应用 齐次方程组解的判定
齐次方程组有非零解的充要条件是他的系数 矩阵的秩小于 n 非齐次线性方程组有解的充要条件是 若
1
, a 2 , a 3 , ..., a n
。
可以看出线性空间的维数和他的一组基所含向量的个数
是相等的,这样就把解决维数问题简化到了讨论向量的 个数,也就是讨论向量组的秩。
小结
矩阵的秩是高等代数中很重要的一个内容, 矩阵秩的应用也是非常广泛的,并且解决问题时
也简单明了,比如在判断向量组线性相关性的时
候,把复杂的表示问题,等价成求矩阵的秩,一 眼就能看出我们想要的结果。矩阵的秩还在一些
几何问题上得到巧妙的应用,将复杂的图形问题
变成了代数问题,只简单的求出方程组的解就可 以判断直线平面的位置关系。
致谢
大学本科的学习生活即将结束。在此,我要感谢 所有曾经教导过我的老师和关心过我的同学,他
们在我成长过程中给予了我很大的帮助。本文能
矩阵秩的相关结论证明及举例
![矩阵秩的相关结论证明及举例](https://img.taocdn.com/s3/m/731fd51f763231126edb11ed.png)
华北水利水电大学矩阵秩的相关结论证明及举例课程名称:线性代数专业班级:能源与动力工程(热动)101班成员组成:王威威联系方式:2014年12月30日一:摘要矩阵的秩是数学中一个极其重要并广泛应用的概念,是线性代数的一个重要研究对象,因此,矩阵的秩的结论作为线性代数的一个重要结论已经渗透到各章节之中,他把线性代数的内容紧紧联系在一起,矩阵的秩作为矩阵的一个重要本质属性则贯穿矩阵理论的始终,所以对矩阵秩的研究不仅能帮助我们更好地学习矩阵,而且也是我们学习好线性代数各章节的有力保证。
关键词:矩阵秩结论证明英文题目Abstract:Matrix rank is an extremely important and widely us ed in the mathematical concept, is an important res earch object of linear algebra, as a result, the c onclusion of the rank of matrix as an important co nclusion of linear algebra has penetrated into chapt er, associate the content of the positive linear al gebra and matrix of rank as an important essential attribute of the matrix, however, throughout the c ourse of the theory of matrix so that the study o f matrix rank can not only help us better learning matrix and chapter we learn good linear algebra Key words:matrix rank conclusion proof二:正文1:定义定义 1.11 在矩阵A=()m n ij a ⨯中任意取k 行k 列(1≤k ≤min(m,n)),位于这k 行k 列交点上的k*2个元素,按照他们在矩阵A 中的相应位置所组成k 阶行列式称为矩阵A 的一个k 阶子式。
一类矩阵的若干性质及其在考研数学中的应用(原创)
![一类矩阵的若干性质及其在考研数学中的应用(原创)](https://img.taocdn.com/s3/m/1edf24760740be1e640e9a57.png)
矩阵T αβ的若干性质及其在考研数学中的应用设向量βα,均为n 维非零列向量,记TαβA =。
通过对历年考研试题的研究发现,线性代数部分比较重视对矩阵A 性质的考查,而课本和相关考研辅导书对这些性质没有做系统的研究,从而导致考研学生在遇到相关题目时不知所措。
本文将研究矩阵A 的性质,并借助考研数学真题来说明这些性质的应用,进而强调掌握好这些性质的重要性。
1 矩阵),(00≠≠=βααβA T的性质性质1 矩阵),(00≠≠=βααβA T的秩为1。
证明:令()0αT ≠=n a a a ,,,21 ,()0βT≠=n b b b ,,,21 ,不妨设0≠i a ,则⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡→⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡→⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=00000021212112111212112111 n n n n n n n n n n n n i i i n b b b b a b a b a b b b b a b a b a b a b a b a b a b a b a b a b a b a A ⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡→00000000021 n b b b ,于是A 的秩为1。
性质2 A αβA n1T)(-=n 。
注意,αβT 就是A 的迹。
该性质利用矩阵乘法的结合律即可证明。
由于秩为1的矩阵总可以表示为矩阵A 的形式[1],因此上述性质也可推广到以下结论:推论1 秩为1的矩阵的n 次方等于该矩阵迹的n —1次方乘以这个矩阵本身。
性质3 当0≠=βα即T ααA =时,A 的全部特征值分别为0002,,,, α,其中唯一非零特征值对应的线性无关的特征向量为α。
证明:因为矩阵A 是实对称矩阵,所以它一定相似于一个对角阵⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=n 21λλλ Λ其中n λλ,,1 为A 的n 个特征值。
由性质1,1)(=A r ,又因为相似矩阵有相同的秩,故1)(=Λr ,从而可知n λλ,,1 中有一个不为零,其余都为零。
考研线代证明题
![考研线代证明题](https://img.taocdn.com/s3/m/d8119afbba4cf7ec4afe04a1b0717fd5360cb230.png)
考研线代证明题(原创版)目录1.考研线代证明题概述2.线性无关组的概念及求解方法3.矩阵的秩及其性质4.线性方程组的解法及性质5.考研线代证明题的解题技巧6.举例说明正文一、考研线代证明题概述线性代数是考研数学中的一个重要科目,其中证明题是考试中常见的题型。
这类题目要求考生具备扎实的线性代数基础知识和较强的逻辑推理能力。
本文将针对考研线代证明题进行分析和讨论,为考生提供一些解题思路和技巧。
二、线性无关组的概念及求解方法线性无关组是指一组向量线性无关,即任意一个向量都不能由其他向量线性表示。
线性无关组的求解方法主要有以下两种:1.高斯消元法:通过高斯消元法可以将线性方程组转化为阶梯形矩阵,从而找出线性无关组。
2.矩阵的秩:矩阵的秩定义为矩阵中线性无关向量的最大数目。
根据秩的定义,可以求出线性无关组。
三、矩阵的秩及其性质矩阵的秩是矩阵的重要性质之一,具有以下性质:1.矩阵的秩等于其转置矩阵的秩;2.方阵的秩等于其行列式;3.矩阵的秩等于其阶梯形矩阵的阶数;4.矩阵的秩等于其高斯消元法得到的阶梯形矩阵的非零行的数量。
四、线性方程组的解法及性质线性方程组是指由一组线性方程所组成的方程组。
求解线性方程组是线性代数中的基本问题之一。
常用的求解方法有高斯消元法、克莱姆法则等。
线性方程组的解具有以下性质:1.线性方程组有唯一解当且仅当其系数矩阵的秩等于增广矩阵的秩;2.线性方程组有无穷多解当且仅当其系数矩阵的秩小于增广矩阵的秩;3.线性方程组无解当且仅当其系数矩阵的秩小于增广矩阵的秩。
五、考研线代证明题的解题技巧1.熟悉基本概念和性质:熟练掌握线性无关组、矩阵的秩、线性方程组等基本概念及其性质,为解题打下坚实的基础。
2.善于利用已知条件:在解题过程中,要充分利用题目给出的已知条件,通过逻辑推理和数学运算,找到问题的关键所在。
3.化繁为简:在证明过程中,要尽量将问题化繁为简,通过变换和化简,将问题转化为更容易解决的形式。
线性代数矩阵的秩ppt课件
![线性代数矩阵的秩ppt课件](https://img.taocdn.com/s3/m/aff46a33178884868762caaedd3383c4ba4cb469.png)
BT ,从而 R(AT) = R(BT) . 1. 又 R(A) = R(AT) ,R(B) = R(BT),因此 R(A) = R(B) .
认 识 到 了 贫 困户贫 困的根 本原因 ,才能 开始对 症下药 ,然后 药到病 除。近 年来国 家对扶 贫工作 高度重 视,已 经展开 了“精 准扶贫 ”项目
显然,m×n 矩阵 A 的 k 阶子式共有
C
k m
C
k n
个.
概念辨析: k 阶子式、矩阵的子块、余子式、代数余子式
认 识 到 了 贫 困户贫 困的根 本原因 ,才能 开始对 症下药 ,然后 药到病 除。近 年来国 家对扶 贫工作 高度重 视,已 经展开 了“精 准扶贫 ”项目
a11 a12 a13 a 21 a 22 a 23 a 31 a 32 a 33
3 2 0 5 0
例:求矩阵
A
3
2
3
2 0 1
6 5
1
3
的秩,并求 A 的一个
1
6
4 1
4
最高阶非零子式.
认 识 到 了 贫 困户贫 困的根 本原因 ,才能 开始对 症下药 ,然后 药到病 除。近 年来国 家对扶 贫工作 高度重 视,已 经展开 了“精 准扶贫 ”项目
解:第一步先用初等行变换把矩阵化成行阶梯形矩阵.
认 识 到 了 贫 困户贫 困的根 本原因 ,才能 开始对 症下药 ,然后 药到病 除。近 年来国 家对扶 贫工作 高度重 视,已 经展开 了“精 准扶贫 ”项目
一、矩阵的秩的概念
定义: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 k2 个元素,不改变它们在 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.
考研数学《线性代数》考点知识点总结
![考研数学《线性代数》考点知识点总结](https://img.taocdn.com/s3/m/3ce1db92844769eae009edd4.png)
n
aki Akj
k 1
Dij
D, 0,
当i 当i
j, n
j;
或
k 1
aik
Ajk
Dij
D, 0,
当i 当i
j, j; 其中ij
1, 0,
当i j, 当i j.
1 1 1 1
范德蒙德 行列式:
x1 Dn x12
x2 x22
x3 x32
x n 1 1
x n 1 2
x n 1 3
xn xn2 = (xi x j ) .证明用数学归纳法.
A
0
A2
0
A11
,若
A
0 ,则 A1
As
0
A
1 2
0
A
1 s
性质: A A1 A2 As ,且 Ai 0 (i 1,2, , s) ,则 A 0 .
行向量:
α1T
A mn
α
T 2
,
α
T m
αiT (ai1, ai2, , ain )
列向量:
A (a1, a2 , , an )
线性方程组有解,称它相容;无解,就称 它不相容.
(iii)有无限多解的充分必要条件是 R( A) R( A, b) n .
线性方程组 Ax b 有解的充要条件是 R(A) R(A, b) .
n 元齐次线性方程组 Ax 0 有非零解的充要条件是 R(A) n .
矩阵方程 AX B 有解的充要条件是 R(A) R(A, B) .
定理 2: n 阶行列式可定义为 D (1)t a a p11 p2 2 apnn = (1)t a1p1 a2 p2 anpn .
1.D=DT,DT 为 D 转置行列式.(沿副对角线翻转,行列式同样不变)
2.5 矩阵的秩及其求法
![2.5 矩阵的秩及其求法](https://img.taocdn.com/s3/m/43a09f1e4431b90d6c85c7cf.png)
2 1
0 1
2
1 2 3 1 2 2 共有C 3 例如 设 A 4 6 5 4 , C 4 18 1 0 1 1 3 3 个二阶子式,有 C 4 C 3 4 个三阶子式。
1 2
而
3 5 为 A 的一个三阶子式。
D3 4 6
1 0 1
E
16
关于秩的一些结论(熟记): 规定: 零矩阵的秩为 0 . T R ( A ) R ( A ). (1) 根据行列式的性质, (2) A为m×n矩阵, 0 ≤R(A) ≤min { m , n } .
R(AB) R(A), R(AB) R(B),即 R(AB) min{R(A),R(B)}。 设A是 m n 矩阵, B是 n t 矩阵, 定理4 R( A) R( B ) n R( AB). 定理3 推论1 推论2 推论3 如果 A B = 0 则 R( A) R( B) n. 则 B = 0。 如果 R(A)= n, A B = 0
6
a 1 1 例3 设 A 1 a 1 如果 R A 3 , 求 a . 1 1 a 分析:R(A)<3,A所有的3阶子式为零, 即A的行列式为零。
解 R A 3 A 1 1 a 1 或 a 2
a 1 1 a 1 (a 2)(a 1) 0
1
12
Ex1.
求矩阵A 的秩,并求A 的一个最高阶非零子式。 解 先求A 的秩,对A 作初等行变换化为行阶梯形:
故R(A)= 3 。
再求A 的一个最高阶非零子式。
因R(A)= 3 ,知A 的最高阶非零子式为 3 阶, 易计算A 的前三行构成的子式
因此这个子式便是A 的一个最高阶子式。
考研数学-线性代数公式
![考研数学-线性代数公式](https://img.taocdn.com/s3/m/d6e07807a300a6c30c229fa1.png)
( ) = r ( A)
T
② c ≠ 0 时, r (cA) = r ( A) ③ r ( A ± B ) ≤ r ( A) + r (B ) ④ r ( AB ) ≤ min{r ( A), r (B )} ⑤ A 可逆时, r ( AB ) = r (B ) 弱化条件:如果 A 列满秩,则 γ ( AB ) = γ (B ) 证:下面证 ABx = 0 与 Bx = 0 同解。
c c1 α1 − − s α s 。 c c
④当 β → α 1 , , α s 时,表示方式唯一 ⇔ α 1 α s 无关 (表示方式不唯一 ⇔ α 1 α s 相关) ⑤若 β 1 , , β t → α 1 , , α s ,并且 t > s ,则 β 1 , , β t 一定线性相关。
等 价 关 系 : 如 果
α 1 ,α 2 ,,α s 与 β1 , β 2 ,, β t 互 相 可 表 示
α 1 ,α 2 ,,α s → ← β1 , β 2 ,, β t
记作 α 1 , α 2 , , α s ≅ 线性相关
β1 , β 2 ,, β t 。
s = 1 ,单个向量 α , xα = 0
证明:记 A = (α 1 , , α s ) , B = (β 1 , , β t ) , 则存在 s × t 矩阵 C ,使得
B = AC 。
Cx = 0 有 s 个方程, t 个未知数, s < t ,有非零解 η , Cη = 0 。
则 Bη = ACη = 0 ,即 η 也是 Bx = 0 的非零解,从而 β 1 , , β t 线性相关。 各性质的逆否形式 ①如果 α 1 , α 2 , , α s 无关,则 s ≤ n 。 ②如果 α 1 , α 2 , , α s 有相关的部分组,则它自己一定也相关。 ③如果 α 1 α s 无关,而 β → / α 1 , , α s ,则 α 1 , , α s β 无关。 ⑤如果 β 1 β t → α 1 α s , β 1 β t 无关,则 t ≤ s 。 推论:若两个无关向量组 α 1 α s 与 β 1 β t 等价,则 s = t 。 极大无关组 一个线性无关部分组 (I ) ,若 # (I ) 等于秩 α 1 , α 2 , α 4 , α 6 → (I ) , (I ) 就一定是极大无关组 ① α 1 , α 2 , , α s 无关 ⇔
关于矩阵秩的讨论PPT课件
![关于矩阵秩的讨论PPT课件](https://img.taocdn.com/s3/m/148cefe2ee06eff9aff8071a.png)
矩阵的秩在线性代数中的应用
1 矩阵的秩在解线齐次性方程方组解的程判定组问题时的应用
定理1 设有线性方程组 Ax B ,
(4.1)
其中A(aij)mn,X (x 1 ,x 2 ,...,x n )T ,B (b 1 ,b 2 ,...,b n )T则有:
(1) 线性方程组(4.1)有解 r(A )r(AB),即系数矩阵的秩
关于矩阵秩的讨论
学院:数学计算机学院 专业:数学与应用数学(师范) 年级:09级(1)班 学生: 王学丽 学号: FNS32010036 指导老师:纳艳萍
2021/3/9
授课:XXX
LOGO
研究的目的及意义
目的及意义
运用矩阵的秩可以解决很多的问题.线性代数 和解析几何中的一些问题都可以用它来刻画.为了 对它有更加深刻的理解,本论文对矩阵的秩进行了 讨论.
设 aa12xxbb12yycc12zzdd1,2.的系数矩阵为 A ,增广矩阵为 B ,
则
(1) 当 r(A)r(B)2时,平面 1 与 2 相交于一条直线;
(2)
当 r(B) 1 时,平面
与
1
2
重合;
(3) 当 r(A) 1 ,r(B) 2 ,平面 1 与 2 平行.
授课:XXX
矩阵的秩在解析几何中的应用
授课:XXX
矩阵的秩在解析几何中的应用
6 空间平面与直线之间的位置关系
定理6 设空间直线 L:A A12xxBB12yyCC12zzDD1200,.和平面的方程
分别是 :A 3xB 3y C 3zD 30 .
A1 B1 C1 A1 B1 C1 D1 设 AA2 B2 C2 , BA2 B2 C2 D2 .
满秩矩阵及矩阵满秩分解
![满秩矩阵及矩阵满秩分解](https://img.taocdn.com/s3/m/f3c07820f61fb7360b4c65d9.png)
满秩矩阵及矩阵满秩分解引言矩阵是数学中的一个重要的基本概念,是代数学的一个主要研究对象,也是数学研究和应用的一个重要工具.“矩阵”这个词是由西尔维斯特首先使用的,他是为了将数字的矩形阵列区别于行列式而发明了这个述语.而实际上,矩阵这个课题在诞生之前就已经发展的很好了.一 矩阵的秩定义1.1[1] 一个矩阵A 中不等于零的子式的最大阶数叫做这个矩阵的秩.记作rankA .利用定义1.1计算矩阵的秩运算量很大,故而给出矩阵秩的第二定义.定义1.2[2] 矩阵A 的秩等于A 的行秩,也等于A 的列秩,即行秩等于列秩.行秩指矩阵行向量组的秩,列秩指矩阵列向量组的秩.定理1.1 定义1.1和定义1.2等价.证明 设A 的秩为r ,则A 有不等于零的r 阶子式D .不妨设D 位于A 的左上角,设A 的前r 个列向量为12,,,r ααα.设12,,,r k k k ,使得11220(1)r r k k k ααα+++=考虑线性方程组11220(2)r r x x x ααα+++=因为(2)的系数矩阵12(,,,)r B ααα=中有一个不等于零的r 阶子式D ,所以B 的秩为r ,从而线性方程组的(2)只有零解.因此满足(1)式的120r k k k ====,也即证明了12,,,r ααα线性无关.设121,,,,r r j j j j αααα+是A 的任意1r +个列向量.考虑线性方程组121''''1210(3)r r j j r j r j x x x x αααα++++++=因为方程组(3)的系数矩阵),,,,(c 121+=r j jr j j αααα的秩小于1r +,所以(3)有非零解,也即有121(,,,,,,),r r n A ααααα+=()r rank rankA n r r ==+ααααα,,,,,,121 .二 满秩矩阵 2.1满秩矩阵的概念定义2.1.1 设()F M A n n ⨯∈上的一个矩阵,若n rankA =,则称A 为满秩矩阵. 定义2.1.2 设()()n m F M A n m ≠∈⨯上的一个矩阵,若m rankA =,则称A 为行满秩矩阵;若n rankA =,则称A 为列满秩矩阵.命题2.1.1 若()n n A M F ⨯∈上的一个满秩矩阵,则0det ≠A .命题2.1.2 若n m ⨯矩阵的m 个行向量线性无关,则称此矩阵为行满秩矩阵;若m n ⨯矩阵的n 个列向量线性无关,则称此矩阵为列满秩矩阵.例 2.1.1111210120111A ⎛⎫ ⎪⎪= ⎪⎪⎝⎭,则A 的三个列向量123111210,,,120111ααα⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭可知123,,ααα线性无关.由命题2.1.2可知,A 为列满秩矩阵,且3=rankA .而121111211001T A ⎛⎫⎪= ⎪ ⎪⎝⎭的三个行向量()()()'''1231211,1121,1001ααα===易知线性无关. 由命题2.1.2可知,T A 为行满秩矩阵,且3=T rankA .2.2满秩矩阵的性质性质2.2.1 设()()m n A M F m n ⨯∈≠上的一个矩阵,若A 为行满秩矩阵,则n m ≤;若A 为列满秩矩阵,则m n ≤.证法Ι 若A 为行满秩矩阵,则m rankA =,即存在A 的一个不为0的m 阶子式.当m n >,则A 不存在不为0的m 阶子式,故n m ≤.同理可证,若A 为列满秩矩阵,则m n ≤.证法Ⅱ 若A 为行满秩矩阵,则m rankA =,由命题2.1.2知,有m 个行向量线性无关;当m n >,则有n 个列向量线性无关.由此可得A 的行秩为m ,列秩为n .但这与“A 的行秩等于A 的列秩”矛盾,因此rankA m =,即n m ≤.同理可证,若A 为列满秩矩阵,则m n ≤.引理2.2.1[3] 设()()()(),,p n F M B n m F M A p n n m ≠∈≠∈⨯⨯那么:()()rankB rankA AB rank n rankB rankA ,m in ≤≤-+其中()AB rank n rankB rankA ≤-+称为“Sylvester 不等式”.性质2.2.2 设()()()(),,p n F M B n m F M A p n n m ≠∈≠∈⨯⨯若A 为列满秩矩阵,则()rankB AB rank =;若B 为行满秩矩阵,则()rankA AB rank =.证明 若A 为列满秩矩阵,则n rankA =,由“Sylvester 不等式”知()AB rank rankB ≤,再由引理2.2.1知()rankB AB rank ≤,从而()rankB AB rank =.同理可证,若B 为行满秩矩阵,则()rankA AB rank =.引理2.2.2 设()()n m F M A n m ≠∈⨯,则存在数域F 上非零的p n ⨯矩阵B ,使得0=AB 的充分必要条件为rankA n <.其逆否命题可表述为设()()n m F M A n m ≠∈⨯,则存在数域F 上非零的n p ⨯矩阵B ,使得0AB ≠的充分必要条件为.rankA n ≥定理2.2.1 设()()()(),,p n F M B n m F M A p n n m ≠∈≠∈⨯⨯且0≠B ,若()()B rank AB rank =,则A 为列满秩矩阵.证明 由于0B ≠,故()()0>=B rank AB rank ,从而0≠AB ,由引理2.2.2的逆否命题知n rankA ≥,又()()n m F M A n m ≠∈⨯,故n rankA ≤,从而n rankA =,即A 为列满秩矩阵. 定理2.2.2 设()()()(),,p n F M B n m F M A p n n m ≠∈≠∈⨯⨯且0A ≠,若()()A rank AB rank =,则B 为行满秩矩阵.证明 由于0A ≠,故()()0>=A rank AB rank ,从而0AB ≠,由引理2.2.2的逆否命题知n rankB ≥,又()()p n F M B p n ≠∈⨯,故n rankB ≤,从而n rankB =,即B 为行满秩矩阵.引理2.2.3[1] 设A 为n m ⨯矩阵,即,212222111211⎪⎪⎪⎪⎪⎭⎫⎝⎛=mn m m n n a a a a a a a a a A 通过行初等变换和第一种列初等变换能把A 化成如下形式,00000000001000100011,21,211,1⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=+++ rn r r n r n r c c c c c c B 进而再利用一系列第三种列初等变换能把B 化成如下形式,0000000000001000001000001⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛= r D 这里.,,0n r m r r ≤≤≥性质2.2.3 若A 为m n ⨯的列满秩矩阵,则存在n 行m 列的行满秩矩阵B ,使得n I BA =;若C 为m n ⨯的行满秩矩阵,则存在n 行m 列的列满秩矩阵D ,使得m I CD =.证明 因为A 为列满秩矩阵,显然n m ≥,由引理2.2.3知,则存在可逆的m 阶方阵P,0⎪⎪⎭⎫ ⎝⎛=n I PA将P 在n 行和1n +行之间划分成块,⎪⎪⎭⎫⎝⎛=Q B P 则B 为m n ⨯矩阵, Q 为()m n m ⨯-矩阵,则,0⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛=n I QA BA A Q B PA 知n I BA =.又由于rankA BA rank =)(,,n m rankB ≥≥而n rankB ≤知n rankB =,故B 为行满秩矩阵.同理可证,对于m n ⨯的行满秩矩阵C ,必存在n 行m 列的列满秩矩阵D ,使得m I CD = 性质2.2.4 设()()()()p n F M B p n F M A p n p n ≠∈≠∈⨯⨯,,且()()n m F M H n m ≠∈⨯上的一个列满秩矩阵,若HA HB =,则左消去律成立即A B =.证明 因为()()n m F M H n m ≠∈⨯,由HA HB =,()()()()p n F M B p n F M A p n p n ≠∈≠∈⨯⨯,,则0,HA HB -=即H(A-B)=0 设()n H ααα,,,21 =, 12i i i mi αααα⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭,1,2,3,,.i n =111212122212p p n n np a a a a a a A aa a ⎛⎫⎪⎪= ⎪ ⎪ ⎪⎝⎭, 111212122212,p p n n np b b b b b b B b b b ⎛⎫⎪ ⎪= ⎪ ⎪ ⎪⎝⎭从而有()0,,,22112222222121111212111121=⎪⎪⎪⎪⎪⎭⎫⎝⎛---------np np n n n n p p p p n b a b a b a b a b a b a b a b a b aααα, 故有111222()()()0(1,2,,),j j j j nj nj n a b a b a b j p ααα-+-++-==由于H 为列满秩矩阵,12,,,n ααα线性无关,从而()p j n i b a ij ij ,,2,1;,,2,1 ===即A B =.性质2.2.5 设()()()()p n F M B p n F M A p n p n ≠∈≠∈⨯⨯,,且()()n m F M H n m ≠∈⨯上的一个行满秩矩阵,若AH BH =,则右消去律成立即A B =.证明 因为()()n m F M H n m ≠∈⨯,又H 为行满秩矩阵,由性质2.2.3知必存在一列满秩m n ⨯矩阵S ,使得m I HS =;由条件知AH BH =,给等式两边同乘S 得到A B =.定理2.2.3 设A 为n m ⨯矩阵, r rankA =,则(1) 存在m 行r 列的列满秩矩阵H 和r 行m 列的行满秩矩阵L ,使得A HL =. (2) 若11L H HL A ==,其中H 与1H 为m 行r 列的列满秩矩阵,L 与1L 为r 行n 列的行满秩矩阵,则必存在非奇异矩阵P 使得111,L P L P H H -==.证明 (1)由于rankA r =,当r m =时,A I A m =是A 的一个满秩分解;当r n =时,nAI A =是A 的一个满秩分解;当{}n m r ,m in 0<<时,我们知道,可通过行初等变换将A 化000r I ⎛⎫⎪⎝⎭形式,也即存在m 阶可逆矩阵B 和n 阶可逆矩阵C 有()00,000rr r II A B C B I C ⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭令(),0,0r rI H B L I C ⎛⎫== ⎪⎝⎭则.A HL =(2)因为L 是r 行n 列的行满秩矩阵,所以由性质2.2.3知,存在n 行r 列的列满秩矩阵D ,使得m I LD =,于是在11L H L =,两边右乘D ,有D L H H 11=. 令D L P 1=知P 是r 阶方阵,下证P 可逆.由于H 是m 行r 列的列满秩矩阵,所以存在r 行m 列的行满秩矩阵A ,使n I AH =,从而()P AH AH I n 1==,所以P 是r 阶可逆矩阵.又因,,1111-==HP H L H HL故而.,1111L P L L HP HL --==三 矩阵的满秩分解 3.1矩阵满秩分解的概念定义3.1.1[4] 设()()n m F M A n m ≠∈⨯,0rankA r =>,若存在r m ⨯的列满秩矩阵P 和n r ⨯的行满秩矩阵G ,使得PG A =,则称此分解为矩阵A 的满秩分解.推论3.1.1 任意n m ⨯矩阵()0>rankA A 都存在满秩分解. 根据定理2.2.3显然易证.3.2初等变换法基于定理2.2.3,我们可以得知,对任意矩阵()0>rankA A 都能利用初等变换法进行满秩分解.初等变换法包括行初等变换和列初等变换.行初等变换有三种变换形式,1交换两行记作ij P ,表示将第i 行与第j 行交换;2某一行乘一非零常数记作()k D i ,表示给第i 行乘一非零常数k ;3某一行乘一非零常数加到另一行记作()k T ij ,表示给第j 行乘一非零常数k 加到第i 行.对应的初等矩阵为 1 交换两行;10111101⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛= ij P 2 第i 行乘一非零常数k();1111⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛= k k D i 3 第j 行乘一非零常数k 加到第i 行ij 11(k)=.011k T ⎛⎫ ⎪ ⎪ ⎪ ⎪⎪ ⎪ ⎪ ⎪ ⎪⎝⎭列初等变换也有三种变换形式,1变换两列记作'ij P ,表示将第i 列与第j 列交换;2给某一列乘一非零常数记作'()i D k ,表示给第i 列乘一非零常数k ;3给某一列乘一非零常数加到另一列记作'()ij T k ,表示给第j 列乘一非零常数k 加到第i 列.实际上,对任意一个矩阵()0>rankA A ,进行一系列相应行或列的初等变换后都可以化成 000rI ⎛⎫⎪⎝⎭ 形式;另外,给矩阵A 左乘或右乘若干个对应初等矩阵也可以将其化成000r I ⎛⎫⎪⎝⎭形式.例3.2.1 求矩阵1332A=2695-1-330⎛⎫ ⎪⎪ ⎪⎝⎭的满秩分解.解()()()()()()().000000100001000010000001000013000001000013001001000013001031000013002331260013002331260059622331033159622331'24'34'41'21123221313131221⎪⎪⎪⎭⎫⎝⎛−→−⎪⎪⎪⎭⎫ ⎝⎛−−→−⎪⎪⎪⎭⎫ ⎝⎛−−→−⎪⎪⎪⎭⎫⎝⎛−−→−⎪⎪⎪⎭⎫ ⎝⎛−−→−⎪⎪⎪⎭⎫ ⎝⎛−−→−⎪⎪⎪⎭⎫⎝⎛−−→−⎪⎪⎪⎭⎫ ⎝⎛−−→−⎪⎪⎪⎭⎫ ⎝⎛--=------P T T T T T T T A 则存在3阶可逆矩阵,P,125012013101010001100012001120010001100010011)1()2()2()1(31213212⎪⎪⎪⎭⎫⎝⎛---=⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛-⎪⎪⎪⎭⎫ ⎝⎛-⎪⎪⎪⎭⎫ ⎝⎛-=---=T T T T P存在4阶可逆矩阵,Q,0310010010003311001001001000000113000100001000110000100001010011000010000100031)3()1()3(24''34'41'21⎪⎪⎪⎪⎪⎭⎫⎝⎛---=⎪⎪⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎪⎪⎭⎫⎝⎛-⎪⎪⎪⎪⎪⎭⎫ ⎝⎛-⎪⎪⎪⎪⎪⎭⎫⎝⎛-=---=P T T T Q使得,000,0001212--⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛=Q I P A I PAQ 其中,0010010013001031,11103201111⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎭⎫⎝⎛-=--Q P (),000001221121----⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛=Q I I P Q I P A,113211001001111032011021⎪⎪⎪⎭⎫⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫⎝⎛-=⎪⎪⎭⎫ ⎝⎛=-I P H (),13001031001001001300103100100001012⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫ ⎝⎛==-Q I L 其中,2==rankL rankH进而得HL A =,其中H 为列满秩矩阵,L 为行满秩矩阵.3.3 一类特殊矩阵的满秩分解定义3.3.1[4] 设()()n m F M A n m ≠∈⨯,矩阵A 的行转置矩阵与列转置矩阵分别为()()(),11211222211211121⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=---n n n m m m mn m m R a a a a a a a a a a a a A11(1)121122(1)2221(1)2m1 =,a nn nn C mnm n m a a a a a a a a A a a a ---⎛⎫ ⎪ ⎪⎪ ⎪ ⎪⎝⎭若(),A A A A C R ==则称A 为行(列)对称矩阵.定理3.3.1[5] 设()()n m F M A n m ≠∈⨯,则,,n C m R AJ A A J A ==,其中m J 表示次对角线元素全为1,其余元素全为0的m 阶方阵; n J 表示次对角线元素全为1,其余元素全为0的n 阶方阵.证明 将矩阵A 按行、列分块为,121⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=-m m A αααα (),121n n A ββββ-=则,0001001001001000121121R m m m m m A A J =⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=--αααααααα()().0001001001001000121121C n nn n n A AJ ==⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=--ββββββββ行对称矩阵只有两种类型1当行对称矩阵行数为偶数行时,可表示为B JB ⎛⎫⎪⎝⎭;2当行对称矩阵行数为奇数行时,可表示为,B JB α⎛⎫ ⎪⎪ ⎪⎝⎭其中()(),n m F M B n m ≠∈⨯1()n M F α⨯∈,J 为次对角矩阵.列对称矩阵也有两种类型1当列对称矩阵列数为偶数列时,可表示为();B BJ 2当列对称矩阵列数为奇数列时,可表示为(),B BJ β其中m n()B MF ⨯∈定理3.3.2(行对称矩阵分解定理)设()()n m F M B n m ≠∈⨯的满秩分解为()()()(),,,2n r F M G n m F M F FG B n r n m ≠∈≠∈=⨯⨯,αβ=G (),1F M r ⨯∈β则① 行对称矩阵2()m n m B A M F J B ⨯⎛⎫=∈ ⎪⎝⎭的满秩分解为.m F A G J F ⎛⎫=⎪⎝⎭ ② 行对称矩阵(21)()m n m B A M F J B α+⨯⎛⎫ ⎪=∈ ⎪ ⎪⎝⎭的满秩分解为.m F A G J F β⎛⎫⎪= ⎪ ⎪⎝⎭证明 ①由条件知2(),(),m r r n m F M F G M F J F ⨯⨯⎛⎫∈∈ ⎪⎝⎭使得.m m m F FG B G A J F J FG J B ⎛⎫⎛⎫⎛⎫=== ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭②由条件知(21)()m r m F M F J F α+⨯⎛⎫ ⎪∈ ⎪ ⎪⎝⎭,n (),r G M F ⨯∈ 使.m m m F FG B G G A J F J FG J B ββα⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪=== ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭定理3.3.3(列对称矩阵分解定理)设()()n m F M B n m ≠∈⨯的满秩分解为B FG =,()(),r m F M F r m ≠∈⨯()(),n r F M G n r ≠∈⨯,αβ=F (),1F M r ⨯∈β则① 列对称矩阵()2()m n n A B BJ M F ⨯=∈的满秩分解为().n A F G GJ = ② 列对称矩阵()(21)()m n A B BJ M F α⨯+=∈的满秩分解为().n A F G GJ β=证明 ①由条件知()2(),()m r n r n G GJ M F F M F ⨯⨯∈∈()()()n n n F G GJ F G FGJ B BJ A ===②由条件知()(21)(),(),r n m r n G GJ M F F M F β⨯+⨯∈∈使得()()().n n n F GGJ F GF FGJ B BJ A ββα===四 总结首先,本文通过导入矩阵的秩,引出一类特殊矩阵——满秩矩阵,并深入研究了它的一些重要性质;特别地,给出了这些性质的详细证明以及强调了它们之间的联系.这样加深了我们对满秩矩阵的了解.其次,提出矩阵的满秩分解,重点介绍了一种矩阵满秩分解的方法——初等变换法,并通过举例对其进行了强化.这样帮助我们掌握了矩阵的满秩分解.最后,强调一类特殊矩阵满秩分解的形式,并对其展开了深入探讨.这部分作为对一般矩阵满秩分解内容的补充,有效地提高了我们分析矩阵满秩分解问题的能力.致谢本论文是在邵海琴老师的悉心指导下完成的,感谢邵老师对我的辛勤培育.从论文的立题到论文的撰写整个过程无不浸透着老师的心血,她广博的学识,严肃的科学态度,严谨的治学精神,灵活的思维方式,耐心细致的言传身教深深感染激励着我,将使我终身受益.导师不但在学习上给予我耐心细致的指导,在生活中也给了我莫大的关怀,这份师恩我将终身难忘.同时,我要感谢我们学院给我们授课的各位老师,正是由于他们的传道、授业、解惑,让我学到了专业知识,让我的大学生活丰富多姿.最后,感谢数应06四班的同学和我的舍友给予我的帮助.我为自己能够在这样一个温馨和谐的班级体中学习生活,深感愉快和幸福.参考文献[1]刘仲奎,杨永保.高等代数[M]. 北京:高教出版社,2005:74-75,111-112.[2]王萼芳,石名生.高等代数(第三版)[M].北京:高教出版社,2003:127-129.[3]张艳丽,刘洁晶.矩阵秩几个重要结论[J].河北:衡水学院学报,2008,10(1):60-61.[4]王金林.矩阵分解的方法[J].江西:南昌航空工业学院学报(自然科学版),2004,18(3):20-24.[5]袁晖坪.对称矩阵的满秩分解和正交对角分解[J].上海:上海理工大学学报,2007,29(3):72-79.。
3.2矩阵的秩与线性方程组有解的判定
![3.2矩阵的秩与线性方程组有解的判定](https://img.taocdn.com/s3/m/cebe2fea524de518964b7d69.png)
2 1 1 1 1 1 0 1 5
2 1 1 1 1 1 2 1 1 0 1 0 1 1 5 1 1 6
例3 解方程组
解
1 __ A 1 2 1 0 0
无解.
1 2 3 1 1 0
1 1 1 1 0 0 0 0 0 0 0 0
0 3 1 1 1 0 4 2 0 0 1 3 1 0 0 0 0 0 0 0
0 1 0 0
0 7 1 0 4 2 1 3 1 0 0 0
x1 1 x2 7 x5 x x3 2 4 x5 , 2 , x5任意(自由未知量) x 1 3 x 4 5
A 可逆 A 非奇异 |A| 0 A 满秩
A 的最高阶非零子式为|A| A 的标准形为E.
线性方程组有解的判定条件
一、线性方程组有解的判定条件
a11 x1 a12 x2 a1n xn b1 a x a x a x b 21 1 22 2 2n n 2 1. 线性方程组 am 1 x1 am 2 x2 amn xn bm x1 b1 x2 b2 X , b , 系数矩阵为 A (aij ) , x b 线性方程组可记为:AX b n n
一般地, 设线性方程 AX b 的增广矩阵为 : a11 a12 a1n b1 a21 a22 a2 n b2 行初等变换 Ab am1 am 2 amn bm
1 0 0 0 1 1 c r , r 1 0 0 0 0 0 0 0 0 0 c1,r 1 c1n c 2 , r 1 c 2 n cr ,n 0 0 0 d1 d2 dr d r 1 0 0
3-3 矩阵的秩和解的存在性定理 线性代数电子课件
![3-3 矩阵的秩和解的存在性定理 线性代数电子课件](https://img.taocdn.com/s3/m/4b0d0884a8114431b90dd8a5.png)
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;
矩阵的秩的运用PPT课件
![矩阵的秩的运用PPT课件](https://img.taocdn.com/s3/m/ad36f4bdb84ae45c3b358cf6.png)
aX1+ X2+X3=4 当a、b取何值时 X1+ bX2+X3=3 有唯一解?无解? X1+2bX2+X3=4 有无穷解?
解: 对增广矩阵作初等行变换化为阶梯型矩阵。
a1 1 4 A= 1 b 1 3
1 2b 1 4
1b 1 3 0 1 1-a 4-2a 0 0 ab-b 2ab-4b+1
A: 1 b 1 3 0 1 1-a 4-2a 0 0 ab-b 2ab-4b+1
3、向量组线性相关性的判断
• 由向量组A:a1,a2,...,am构成的矩阵A=(a1,a2,...,am) ① 向量组A线性相关的充要条件是R(A)<m; ② 线性无关的充要条件是R(A)=m。
例2:
设α1=(1,0,5,2),α2=(3,-2,3,-4),α3=(-1,1,t,3)线性相 关,求参数t。
α,α2,α3线性相关。
秩相关的公式:
• (1)转置后秩不变 • (2)r(A)<min(m,n),A是m*n型矩阵 • (3)r(kA)=r(A),k不等于0 • (4)r(A)=0 -> A=0 • (5)r(A+B)<=r(A)+r(B) • (6)r(A*B)<=min(r(A),r(B)) • (7)r(A)+r(B)-n<=r(A*B) • 特别的:A:m*n,B:n*s,A*B=0 -> r(A)+r(B)<=n • (8)P,Q满秩方阵(秩等于维数)->r(PA)=r(A)=r(AQ)=r(PAQ)
系数矩阵B: a 1 1 1 b1 1 2b 1
1.当ab-b≠0时,即a≠1且b≠0时,R(A)=R(B)=3,方程 组有唯一解。 2.当a=1,b=1/2时,R(A)=R(B)=2<3,方程组有无穷多解。 3.其他情况,也即当a=1,b≠1/2时,或b=0时, R(A)≠R(B),方程组无解。
矩阵的秩8个公式及证明
![矩阵的秩8个公式及证明](https://img.taocdn.com/s3/m/c882925ca9114431b90d6c85ec3a87c240288a84.png)
矩阵的秩8个公式及证明
矩阵的秩是线性代数中的一个重要概念,它描述了矩阵中线性无关的列(或行)的最大数量。
下面我将列举并证明矩阵的秩的八个公式。
1. 零矩阵的秩为0,证明很简单,因为零矩阵中没有非零的行或列。
2. 对角矩阵的秩等于非零对角元素的个数,证明也比较简单,因为对角矩阵中只有对角线上的元素可能非零,所以秩等于非零对角元素的个数。
3. 初等变换不改变矩阵的秩,初等变换包括交换矩阵的两行(列),用非零常数乘以矩阵的某一行(列),以及用一个非零常数乘以矩阵的某一行(列)加到另一行(列)上。
这些操作不改变矩阵的秩。
4. 行(列)等价的矩阵具有相同的秩,行等价指的是通过一系列的初等行变换可以相互转化的矩阵,列等价类似。
由于初等变换不改变矩阵的秩,所以行(列)等价的矩阵具有相同的秩。
5. 矩阵的秩不超过它的行数和列数中的较小值,这是因为矩阵
的秩描述的是矩阵中线性无关的列(或行)的最大数量,而这个数
量不可能超过矩阵的行数或列数。
6. 对于任意的矩阵A和B,秩(A + B) ≤ 秩(A) + 秩(B),证
明过程比较复杂,可以使用矩阵的行列式性质和秩的定义进行证明。
7. 对于任意的矩阵A和B,秩(AB) ≤ min(秩(A), 秩(B)),
证明过程比较复杂,可以使用矩阵的行列式性质和秩的定义进行证明。
8. 对于任意的矩阵A,秩(A) = 秩(A^T),这个公式的证明比
较简单,可以通过矩阵的转置操作和秩的定义进行证明。
综上所述,这是矩阵的秩的八个公式及其证明。
这些公式在线
性代数中具有重要的应用和意义。
- 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)。
考研数学矩阵的8大秩及其证明2009
()1
证明:根据矩阵秩的定义直接得出。
()2
证明:对矩阵A 任意添加列后变成矩阵(), A B ,则秩显然不小于()R A ,即: ()(), R A B R A ≥ 同理: ()(), R A B R B ≥
因而:()(){}(), , Max R A R B R A B ≤成立。
又设 ()(), R A r R B t ==,把, A B 分别做列变换化成列阶梯形~
~
, A B
1110
3
810
1100
1000⎛⎫
⎪
⎪ ⎪ ⎪ ⎪⎝⎭
如:就是列阶梯形
用~
~~
~
1
1
, r r a a b b 分别表示非全零列,则有:
()~
~~
()1~~
~
~~
()1
, 00, , , 0
0表示列变换表示列变换c r c c r A A a a A B A B B B b b ⎧⎛⎫−−−−−→= ⎪⎪⎪⎝⎭
⎛⎫
⇒−−→⎨ ⎪⎝⎭⎛⎫
⎪−−−−−→= ⎪⎪⎝⎭
⎩
由于初等变换后互为等价矩阵,故()~~, , R A B R A B ⎛⎫
= ⎪⎝⎭
而矩阵~~, A B ⎛⎫ ⎪⎝⎭只含有r t +个非全零列,所以:()()~~~~, , R A B r t R A B R A R B ⎛⎫⎛⎫
≤+⇒≤+ ⎪ ⎪⎝⎭⎝⎭。
综合上述得:()(){}()()(), , Max R A R B R A B R A R B ≤≤+
●特别地:如B b =为列向量,则()1R b ≡()()() , 1R A R A B R A ⇒≤≤+。
●如B E =,设()(), , m n m R A B R A E ⨯=, 则
()()() , , m n m m m n m m R A E R E m R A E m ⨯⨯≥≥=⇒=
()3
证明:
()()()()()()()()()()()()
2 , , , , , , A B B A B R A B B R A B R A R B R A B R A B B R A B R A B R A R B +→⇒+=−−−−→+≥=+≥+⇒+≤+由公式知
()4
证明:()1 设()()() ,AB C B AX C R A R A C R C =⇒=⇒=≥是的解
()()()()
()
()()()()()(){},min , T R B R B T
T
T
T
T
T
T
B A
C R B
R B
C
R C R B R C R C R AB R A R B n
==⇒=≥−−−−
−→≥⇒=≤≤又,
()2 设()(), m n n s R A r R B t ⨯⨯==
则A 的标准型为000r
m n E ⨯⎛⎫
⎪⎝⎭,B 的标准型为000t n s
E ⨯⎛⎫
⎪⎝⎭ 存在可逆矩阵, , , m s n n P Q P Q 使:
()()()()()111111
1
1
00 0
000000000000000n r n t r
t m n n s m n n s
r t r
t
m n n s m n n s m n n s m n n s
r t
r n t n n n n
n r t m E
E P AQ P BQ E E E E AB P Q P Q P M Q m m M Q P m m R AB R P -⨯-⨯⨯------⨯⨯⨯⨯⨯⨯⨯---⨯-⨯⎛⎫⎛⎫
== ⎪ ⎪⎝⎭⎝⎭⎛⎫⎛⎫⎛⎫⎛⎫⇒== ⎪ ⎪
⎪ ⎪⎝⎭⎝⎭⎝⎭⎝⎭⎛⎫
⎪
=−−−→= ⎪
⎝
⎭
⇒=分块()()()()11
00000000 000000 0000 n r n t r t n n s m n n s r t n n m n n s r t r n t r
t n r t m n n s E E M Q E E R M m m E E R m m -⨯---⨯⨯⨯⨯⨯⨯⨯⨯--⨯⨯⨯⎡⎤⎛⎫⎛⎫⎢⎥
⎪ ⎪⎝⎭⎝⎭⎣⎦
⎡⎤
⎛⎫⎛⎫=⎢⎥
⎪ ⎪⎝⎭⎝⎭⎣⎦⎡⎤⎛⎫⎛⎫⎛⎫⎢⎥ ⎪= ⎪ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎝⎭⎣⎦
=()()000r r t t r r t t r t E m E R R E m E R m ⨯⨯⨯⎛⎫
== ⎪⎝⎭
()()()()()()()()()()()()() --r t n n n n n n n n r t r t r t r t m M R M n M n r n t M m R m R m n n r n t r t n R A R B n R AB R m R A R B n ⨯⨯⨯⨯⨯⨯⨯⨯⨯≡--≥--=+-=+-⇒=≥+-注意到矩阵是满秩矩阵的子阵,。
考虑到极端情况:即中有行没有一个零元素,有列没有一个零元素,这时,中的零元素全部在矩阵中,从而使取得最小值,所以:
()5
证明:设()12, ,
, l B b b b =,则
()()()12, ,
, 0, 0,
, 00 1,2,
,l i A b b b Ab i l =⇒==
()()()()()()
()()12 0 0 ,., , , i l B l AX AX S R S n R A b S R B R b b b R S n R A R A R B n
===-∈⇒=≤=-⎡⎤⎣⎦⇒+≤ 上式说明的个列向量都是齐次方程的解。
如果的解空间为 其维数就是 显然,
()6
证明:分三种情况
(1)()R A n =,A 满秩、可逆,1
**0n A A A E A A
-=⇒=≠,*A 可逆,()*R A n =
(2)()1R A n =-,说明A 中至少有一个元素的代数余子式不为零,即存在
()**001ij A A R A ≠⇒≠⇒≥
又()1R A n =-,A 不可逆,则
()()()()****
0011
A A A R A R A n R A R A =⇒=⇒+≤⇒≤⇒=
(3)()1R A n <-时,由矩阵秩的定义知,A 得所有1n -阶子式为零0ij A ⇒≡ ()()**00T
ij A A R A ==⇒=
如()1R A n =-,则()()()*
*
110A R R A R A n n A ⎛
⎫=+=-+= ⎪⎝⎭。
()7证明:考察下列两个齐次方程组
(1)0
(2)
T A AX AX == 显然,(2)的解全部是方程(1)解,因此,(2)的基础解系包含于(1)的基础解系,即 ()()()()T T n R A n R A A R A A R A -≤-⇒≤ 另一方面
()()
()0000T
T T T A AX X A AX AX AX AX =⇒=⇒=⇔=
因此,(1)的基础解系包含于(2)的基础解系,即
()()()()
()()()()()
T T T T n R A n R A A R A A R A R A R A A R A R A A R A -≥-⇒≥∴≥≥⇒=
而()()()()T
T T T R AA R A
A R A A R A ⎡⎤===⎢⎥⎣⎦
()8证明:设()(), R A r R B s ==,则:
1
21
234341
21
2343
4
0000000
0000000000000000000000 0000000
00
0r r
s s r r
s s E E C C E A C C E C B C C C C E E E C
E C C E C C C C C ⎡⎤⎡⎤⎢
⎥⎢⎥⎡⎤⎢⎥⎢⎥−−−−−−→→⎢⎥⎢⎥⎢⎥⎣⎦
⎢⎥⎢⎥⎣⎦⎣⎦⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥→→→⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦初等行列混合变换()()()()()4440000000000
000000
00 0000
0 r
s r s r s r s E C E A E R R R E R E R C R E R E r t C B C ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦
⎡⎤⎢⎥⎡⎤
⎢⎥⇒==++≥+=+⎢⎥⎢⎥⎣⎦
⎢⎥⎣⎦
()()()()4 0 0 0 C A R R A R B C C B =⎛⎫≥+= ⎪⎝⎭
时等号成立时等号成立
下面3个关于秩的公式也常常使用。