矩阵的秩及其求法求秩的技巧

合集下载

矩阵秩的证明方法及技巧

矩阵秩的证明方法及技巧

矩阵秩的证明方法及技巧矩阵的秩是描述矩阵行(列)向量空间维数的重要指标,广泛应用在线性代数和矩阵理论中。

下面将介绍矩阵秩的定义、性质以及一些证明方法和技巧。

一、矩阵秩的定义和性质:1. 矩阵秩的定义:对于任意一个m×n矩阵A,它的秩(rank)定义为其所有非零行(列)向量的极大无关组的向量个数,即r(A) = r(A^T),其中A^T为A的转置矩阵。

2.矩阵秩的基本性质:a) r(A) ≤ min(m, n),即矩阵秩r(A)不会超过矩阵的行数m和列数n的较小值。

b)如果r(A)=m,即矩阵的秩与行数相等,则称矩阵为满秩矩阵。

c)两个矩阵的行等价(列等价),它们的秩相等。

d)对于一个n阶方阵A,如果A可逆,则r(A)=n,即满秩方阵。

e)若A和B为同型矩阵,则r(A+B)≤r(A)+r(B)。

二、矩阵秩的证明方法和技巧:1.行变换法证明矩阵秩:行变换可以通过初等行变换来实现,包括交换两行、行乘以一个非零常数、行加上另一行的k倍。

行变换不改变矩阵的秩,因此可以通过行变换来找到矩阵的极大无关组,从而确定矩阵的秩。

2.列空间法证明矩阵秩:列空间是由矩阵的所有列向量张成的向量空间,可以通过检查矩阵的列向量组是否线性无关来确定矩阵的秩。

如果列向量组线性无关,则矩阵的秩等于列向量组的向量个数;否则,删除线性相关的列向量,再次检查新的列向量组是否线性无关,直至找到一个线性无关的列向量组为止。

3.奇异值分解法证明矩阵秩:对于任意一个m×n矩阵A,可以进行奇异值分解为A=UΣV^T,其中U和V为正交矩阵,Σ为对角矩阵,其对角元素为矩阵A的奇异值。

矩阵A的秩等于非零奇异值的个数。

4.行列式法证明矩阵秩:矩阵A的秩等于其最高阶非零子式的阶数。

通过计算矩阵A的各个阶数的子式的行列式是否为零,可以确定矩阵的秩。

5.矩阵的分解法证明矩阵秩:常用的矩阵分解方法包括LU分解、QR分解和SVD分解等。

通过对矩阵进行适当的分解,可以得到新的矩阵形式,从而更容易确定矩阵的秩。

矩阵求秩方法

矩阵求秩方法

矩阵求秩方法
求矩阵的秩是线性代数中常见的问题,以下是关于矩阵求秩的10条方法及其详细描述:
1. 奇异值分解法:通过对矩阵进行奇异值分解,将矩阵变换为一个对角矩阵,其中非零元素的个数即为矩阵的秩。

2. 初等变换法:利用矩阵的初等行(列)变换,将矩阵化简为行简化阶梯型矩阵,其中非零行的个数即为矩阵的秩。

3. 极大线性无关组法:通过逐步选择矩阵中的列,构建一个极大线性无关组,其中向量的个数即为矩阵的秩。

4. 秩-零空间法:矩阵的秩与其零空间的维数之和为矩阵的列数。

可以通过计算矩阵的零空间 (null space) 的维数来求解矩阵的秩。

5. 行列式法:矩阵的行列式非零的最大子阵的阶数就是矩阵的秩。

6. 直接检验法:将矩阵转换为梯形矩阵或行阶梯矩阵,其中非零行的个数即为矩阵的秩。

7. 特征值法:矩阵的秩等于其特征值不为零的个数。

8. 与单位矩阵求秩法:通过将矩阵与单位矩阵进行连接,得到一个增广矩阵,进而将其化简为行简化阶梯型矩阵,其中非零行的个数即为矩阵的秩。

9. Gauss-Jordan消元法:通过高斯消元法和高斯约当消元法将矩阵化简为行简化阶梯型矩阵,其中非零行的个数即为矩阵的秩。

10. 极大线性无关组与生成组比较法:利用极大线性无关组与生成组的关系来求解矩阵的秩,其中生成组的个数等于矩阵的秩。

4_4矩阵的秩

4_4矩阵的秩

Page 6
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
又 A的 3 阶子式只有一个 A,且 A 0,
R( A) 2.
Page 7
3 2 2 1 0 3 1 2 5 0 例2 求矩阵 B 的秩. 0 0 0 4 3 0 0 0 0 0
关的列向量, 这说明A的列秩p r; 根据引理,A的极大无关列构成的矩阵一定有
一个非零的p阶子式, p r , 所以p r。 故
类似地,有r rA rAT AT的列秩 A的行秩。
Page 14
结论 若Dr 是矩阵A的一个最高阶非零子式,
则Dr 所在的r列即是列向量组的一个极大无关组, Dr 所在的r 行即是行向量组的一个极大无关组.
奇异矩阵为降秩矩阵.
Page 3
1 1 0 2 例如:矩阵 A 0 0 0 0 a1 (1,1, 3,1), a2
3 1 1 4 的行向量组是 0 5 0 0 (0, 2, -1, 4),
a3 (0, 0, 0, 5), a4 (0, 0, 0, 0) 可以证明 1 , 2 , 3 是A的行向量组的一个极大无关组.
3 2 2 2 1 3 ,求该矩阵的秩. 0 1 5
计算A的3阶子式,
1 3 2 3 2 2 1 2 2 0 , 0 2 1 00 2 3 2 , 1 3 0, 1 3 0, 0 2 0 1 2 0 5 0 1 5 2 1 5
0.
§4.4
矩阵的秩
一、矩阵秩的概念
二、矩阵秩的求法 0011 0010 1010 1101 0001 0100 1011

矩阵的秩及其求法矩阵秩求法演示文稿

矩阵的秩及其求法矩阵秩求法演示文稿

5 3 6
0
8
5
4
1 1 1 2
0 3 4 4 0 5 1 0
R(A) 2, 5 0, 1 0
5, 1
三、满秩矩阵 定义3 A 为 n 阶方阵时,
RA n, 称 A 是满秩阵,(非奇异矩阵)
RA n, 称 A 是降秩阵,(奇异矩阵) 可见:RA n A 0
RA n A ~ E
RA n A ~ En
例如 1 A 2 3
2 1 1
3 2 2
1 0 0
2 3 2
3 1 4 0 3 0
0 1 2
0 1 3
1 0 0
0 0
1 0 E 0 1
RA 3
A为满秩方阵。
关于矩阵的秩的一些重要结论:
定理5
R(AB) R(A), R(AB) R(B),即
对于满秩方阵A施行初等行变换可以化为单位阵E, 又根据初等阵的作用:每对A施行一次初等行变换, 相当于用一个对应的初等阵左乘A, 由此得到下面的 定理
定理3 设A是满秩方阵,则存在初等方阵
P1, P2,, Ps. 使得 Ps Ps1 , P2P1A E
对于满秩矩阵A,它的行最简形是 n 阶单位阵 E .
2 1 所构成的二阶子式为 D2 0 1
12 3 而 D3 4 6 5 为 A 的一个三阶子式。
1 0 1
显然, m n 矩阵 A 共有 cmk cnk 个 k 阶子式。
2. 矩阵的秩
定义2 设 A aij mn ,有r 阶子式不为0,任何r+1阶
子式(如果存在的话)全为0 , 称r为矩阵A的秩,
0 1
2 3
4 6
求 RA.
1 1 1 2

线性代数§3.3矩阵的秩

线性代数§3.3矩阵的秩

设A为n阶可逆方阵. 因为| A | 0, 所以, A的最高阶非零子式为| A |, 则R(A)=n.
故, 可逆方阵A的标准形为单位阵E, 即A E. 即可逆矩阵的秩等于阶数. 故又称可逆(非奇异)矩 阵为满秩矩阵, 奇异矩阵又称为降秩矩阵. 1 2 2 1 1 2 4 8 0 2 , b , 例5:设 A 2 4 2 3 3 3 6 0 6 4 求矩阵A和矩阵B=(A | b)的秩. 分析: 设矩阵B的行阶梯形矩阵为B=(A| b), 则A就是A的行阶梯形矩阵. 因此可以从B=(A| b)中同时考察出R(A)及R(B).
性质6: R(A + B) R(A) + R(B). 证明: 设A, B为mn矩阵, 对矩阵(A+B ¦ B)作列变 换: ci – cn+i (i =1,2, · · · , n)得, (A+B ¦ B) (A+O ¦ B) B) R(A) + R(B). 于是, R(A+B) R(A+B ¦ B) =R(A+O ¦ 性质7: R(AB) min{R(A), R(B)}. 性质8: 若AmnBnl =O, 则R(A)+R(B) n . 这两条性质将在后面给出证明. 例7: 设A为n阶方阵, 证明R(A+E)+R(A–E) n . 证明: 因为(A+E)+(E–A)=2E, 由性质6知, R(A+E)+R(E–A)R(2E)=n, 而R(E–A)=R(A–E), 所以 R(A+E)+R(A–E) n .
§3.3 矩阵的秩
一、矩阵秩的概念
由上节讨论知: 任何矩阵Amn, 总可以经过有限次 初等行变换把它们变为行阶梯形矩阵和标准形矩阵. 行阶梯形矩阵中非零行的行数, 也就是标准形矩阵中 的数字r 是唯一确定的. 它是矩阵理论中非常重要的数 量关系之一——矩阵的秩. 定义: 在mn矩阵A中任取 k 行 k 列( km, kn ), 位于这 k 行 k 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, 被称为矩阵A 的k阶子式. k C k 个. mn矩阵A的k阶子式共有 C m n

线性代数-矩阵的秩

线性代数-矩阵的秩

设A
=
2 −2 3
−4 4 −6
8 −2 0
−036 , b
=
2 43
求矩阵A及矩阵B = ( A b)的秩. 解 分析:设 B 的行阶梯形矩阵为 B~ = ( A~,b~),
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 2 − 1 1
故 R(AT A) = R(A).
又由于 B 也可经一次初等变换变为 A, 故也有 R(B) ≤ R( A).
因此 R( A) = R(B).
经一次初等行变换矩阵的秩不变,即可知经 有限次初等行变换矩阵的秩仍不变.
设A经初等列变换变为 B,也有R( A) = R(B).
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 ),
6 11
则这个子式便是A 的一个最高阶非零子式.
设 n 阶可逆矩阵 A, A ≠ 0, ∴ A 的最高阶非零子式为 A, R( A) = n, 故 A 的标准形为单位阵 E, A ~ E.
可逆矩阵的秩等于阶数 ,故称可逆矩阵 为满秩矩阵. 奇异矩阵为降秩矩阵 .
1 − 2 2 − 1 1
例5
− 2 0 1 5

13 02 −2 0
1 0
3 = 2 ≠ 0, 2
计算A的3阶子式,
−2
1 3 2 1 −2 2
− 1 = 0, 0 2 3 = 0, 0 − 1 3 = 0,
1
−2 0 5 −2 1 5
3 −2 2
2 − 1 3 = 0, ∴ R(A) = 2.
015
1 3 − 2 2 另解 对矩阵 A = 0 2 − 1 3 做初等变换,

求矩阵的秩的三种方法

求矩阵的秩的三种方法

求矩阵的秩的三种方法矩阵是线性代数中的一个重要概念,它由一个数域中的矩形阵列组成,是线性变换的一种表现形式。

矩阵的秩是矩阵的重要性质之一,它可以告诉我们矩阵中行向量或列向量之间的关系。

在实际应用中,求解矩阵的秩是非常常见的问题。

本文将介绍矩阵的三种求解秩的方法。

方法一:高斯消元法高斯消元法是求解矩阵秩的一种基础方法。

对于一个矩阵A,如果它的秩为r,则A必然存在一个大小为r的非零行列式。

我们可以通过对矩阵A进行初等行变换将矩阵转化为行简化阶梯矩阵,然后统计矩阵中非零行的个数来确定矩阵的秩。

具体步骤如下:1. 对矩阵A进行高斯列变换,将A转化为行简化阶梯矩阵形式。

2. 统计矩阵中非零行的个数,即为矩阵的秩。

对于下面的矩阵A,我们可以通过高斯消元法求解矩阵的秩:$$A=\begin{bmatrix}1 &2 & 3\\4 &5 & 6\\7 & 8 & 9\end{bmatrix}$$按照高斯消元法的步骤对A进行初等行变换,得到行简化阶梯矩阵:方法二:矩阵的列空间对于一个矩阵A,其列空间是由A中所有列向量所张成的向量空间。

矩阵的秩等于它的列空间的维度。

我们可以先求解矩阵A的列空间的维度,然后确定矩阵A的秩。

具体步骤如下:2. 取矩阵A中与非零列对应的列向量,将它们作为张成列空间的一组基。

3. 求解列空间的维度,即为矩阵A的秩。

阶梯矩阵中非零列的位置分别是1和2,因此取A中的第1列和第2列作为列空间的一组基。

可以看出,这组基中存在一个线性关系:第2列 = 2*第1列。

矩阵A的列空间实际上只由A中的第1列张成,其维度为1,因此矩阵A的秩为1。

总结:本文介绍了求解矩阵秩的三种方法:高斯消元法、矩阵的列空间和矩阵的行空间。

对于一般的矩阵,三种方法的求解结果并不一定相同。

但无论采用哪种方法,都能够有效地求解矩阵的秩。

还有一些特殊的矩阵,它们的秩具有一些特殊性质:1. 对于一个n阶矩阵A,如果它是一个可逆矩阵,那么它的秩为n。

矩阵的秩及求法

矩阵的秩及求法

矩阵的秩及求法矩阵是线性代数中重要的概念,它有许多重要的性质和应用。

其中,矩阵的秩可以用来描述一个矩阵的性质,是矩阵理论中的重要概念之一。

本文将介绍矩阵的秩及求法。

1. 矩阵的秩矩阵的秩是描述矩阵线性无关的最大列数或行数,可以用来判断矩阵的特征和性质。

矩阵的秩可以分为列秩和行秩,两者是相等的。

当矩阵的行秩或列秩为r时,称该矩阵的秩为r,用rank(A)表示。

矩阵的秩可以看作是矩阵中某个部分的线性独立数量,它可以影响到方程组的解的数目,同时也可以影响到矩阵的行列式的值,因此矩阵的秩是矩阵理论中非常重要的一个概念。

求矩阵的秩是矩阵理论中常见的问题之一,有许多的求法。

下面我们将介绍几种常用的求法。

2.1 高斯消元法高斯消元法是求解矩阵秩的一种常用方法。

具体操作步骤如下:1)将矩阵A转化为行阶梯形矩阵U。

2)计算矩阵U中非零行的数量,这个数量就是矩阵A的秩。

例如,对于如下的矩阵:$$\left[ \begin{matrix}1&2&1\\2&2&-1\\-1&-1&2\end{matrix} \right]$$非零行的数量为3,因此该矩阵的秩为3。

2.2 奇异矩阵判定法奇异矩阵是指矩阵的行列式为0的矩阵。

如果一个矩阵是奇异矩阵,则其秩为小于矩阵的维数。

因此,我们可以通过判断矩阵的行列式是否为0来快速判定矩阵是否是奇异矩阵。

其行列式可以计算得到:$det(A)=-1$,因此该矩阵不是奇异矩阵,秩为3。

2.3 矩阵的基变换法我们可以进行列基变换,将其转化为:3. 总结矩阵的秩是描述矩阵线性无关的最大列数或行数。

我们可以通过高斯消元法、奇异矩阵判定法、矩阵的基变换法等方法来求解矩阵的秩。

在实际问题中,矩阵的秩有着重要的应用价值,例如矩阵的逆矩阵等。

3.2 矩阵的秩

3.2 矩阵的秩

非零元为对角元素的3阶行列式
2 0 0 1 3 0 3 2 = 4
24 0,
B =
返回
2 0 0 0
1 3 0 0
下页
0 1 0 0
3 2 2 5 . 3 0

首页
上页
从例 1可知, 对于一般的矩阵, 当行数与列数
首页
上页
返回
下页
结束

二、初等行变换法求秩
1 3 1 2 例2.求矩阵 A= 2 1 2 3 的秩。 3 2 1 1 1 4 3 5 1 3 1 2 1 3 1 2 1 3 1 2 0 7 4 7 0 7 4 7 2 1 2 3 解:A= , 0 7 4 7 0 0 0 0 3 2 1 1 0 7 4 7 0 0 0 0 1 4 3 5 所以R(A)=2。
2 2 6
1

3
1
1 1
4 5 1

+3
8

r3 r 2
1 0 0
2 4 0
上页
1
+3
5
返回
4 1 1
下页 结束 铃
首页
因为R(A)=2,
所以
5 = 0, = 5, 即 1 = 0, = 1.
1 0 0
首页 上页 返回
2 4 0
下页
1
+3
5
结束
4 1 1

课堂练习 P58 29
30
首页
上页
返回
下页
结束

矩阵秩的本质
A 的秩 R(A) 就是 A 中不等于 0 的子式的最高阶数.

线性代数-1.矩阵的秩及其求法

线性代数-1.矩阵的秩及其求法

1
例2 设 A 为 n 阶方阵且 r (A)=n 2,求 r (A*).
解 由 r ( A) n 2 知:A的所有n 1阶子式全为零, 故 A* 0,从而r ( A*) 0.
a 1 例3 设A 1 1 1 1 1 a 1 1 ,若r ( A) 3,求a. 1 a 1 1 1 a
矩阵的秩及其求法
1. 利用定义求矩阵的秩
利用定义求矩阵的秩就是利用矩阵的子式或行列式是 否为零来确定矩阵的秩. 例1 设A (aij ) nn 为非零矩阵,Aij为aij的代数余子式,
若aij=Aij,求r ( A).
解 因为A 0,所以至少有一个元素aij 0;
将 | A | 按第 i 行展开,有
1 0 2 例5 设 A 为 4 3 阶矩阵且 r (A) 2 , B 0 2 0 . 求 r (AB). 1 0 3
r3 r1
解 因为 B
1 0 2 0 2 0 , 0 0 5
所以 r ( B) 3,即 B 为满秩阵,
2 | A | aij Aij aij 0, j 1 j 1 n n
故 r ( A) n.
注:我们一般在两个地方用到Aij;一是行列式按行(列)展开; 另一个是A *; 若在A *中用,这时题目常常与求逆有关.
A aij
33
* T O,aij Aij 0, A ____ . aij Aij A A .
-3 由于 A 的 3 阶子式 1 1
1 -3 1
1 1 =-16 0, r ( A) 3,故a 3. -3
一般地,若
a b b b b a b b An b b b a

3-4矩阵的秩

3-4矩阵的秩
向量组 α1 , α 2 ,L , α n 称为矩阵A的列向量组.
α1
α2
αj
αn
高等代数
类似地 , 矩阵A = (a ij )m×n 又有m 个n维行向量
a 11 a 21 M A= a i1 M a m1
a a a
12 22
M
i2
M
a
m2
L 2n M L a in M L a mn L
个线性无关的行向量, 是r个线性无关的行向量, 则该向量组的延伸组 个线性无关的行向量
(a11 , a21 ,L , ar 1 , ar +1,1 ,L , a s1 ),L ,(a1r , a2 r ,L , arr , ar +1,r ,L , a sr )
也线性无关. 于是矩阵A的列秩 也线性无关. 于是矩阵 的列秩 r1 ≥ r . 同理可证 r1 ≤ r. 所以 r1 = r .
高等代数
a11 0 A= L 0
a12 ′ a22 L ′ an 2
L L L L
a1n ′ a2 n = a11 L ′ ann
′ a22 L ′ an 2
L L L
′ a2 n L a′ nn
ai 1 ′ 其中 (0, ai′2 ,L , ain ) = α i − α1 , i = 2,L , n a11
a11 x1 + a12 x 2 + L + a1n xn = 0 a21 x1 + a22 x2 + L + a2 n xn = 0 LLLLLLLLLL = 0 a x + a x +L + a x = 0 r2 2 rn n r1 1

矩阵的秩与运算

矩阵的秩与运算

矩阵的秩与运算
一·矩阵秩的求法
求矩阵的秩主要有三种方法;(1)定义
法,利用定义寻找矩阵中非零子式的最高
阶数。

(2)初等变换法,对矩阵实施初等行变
换,将其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;(3)标准
形法,求矩阵的标准形,l的个数即为矩阵
的秩。

二·矩阵的秩与行列式
对于一个方阵A,如何判断它是
否可逆,除了根据它的行列式是否为零,还
可以根据方阵秩的大小来判断。

比如方阵A(nn)
其秩R, ,若R < n,则显然矩阵行列式为零,不可逆;
若R = n ,则矩阵行列式不为零,矩阵可逆。

三·矩阵的秩与线性方程组
1齐次的
齐次线性方程组
●系数矩阵R = n ,则有且仅有一个0解
●系数矩阵R < n,则有无数个解。

2非齐次的
费齐次线性方程组,设系数矩阵A ,增广矩阵B
●若R(A) = R(B) = n ,则有且仅有一个解;
●若R(A) = R(B)<n,则有无数个解;
●若R(A)≠R(B) ,则方程组无解。

四·矩阵的秩与二次曲面
说二次曲面,其实就是与二次型的关系。

有定义知道,
二次型的秩定义为其矩阵的秩,这就为解决二次曲面问题找到了一个可转移的办法。

正所谓遇难则变,变则通。

道家之言,诚哉大哉!!
下面将具体举例阐述,二次型总可以经线性变换成CY化为标准形(比如合同变换),而且,同的非退化线性变换化为不同的标准形,但这些标准形中所含平方项的个数是相同的,所含平方项的个数就等于二次型的秩,也就是矩阵的秩。

高等数学第三章课件-矩阵的秩

高等数学第三章课件-矩阵的秩

定理2 设 A = (aij )n×n , 则 R( A) = n ⇔ | A |≠ 0 R( A) < n ⇔ | A |= 0
(满秩矩阵) (降秩矩阵)
k 级子式
定义 在一个 s×n 矩阵 A 中任意选定 k 行 k 列
(1 ≤ k ≤ min(s,n)) , 位于这些行和列的交点上的 k 2
就是A行(列)向量组的一个极大无关组.

⎛1 1 1 ⋯ 1⎞
⎜ ⎜
a1
a2
a3

an
⎟ ⎟
设 A = ⎜ a12 a22 a32 ⋯ an2 ⎟ , 其中 a1 , a2 ,⋯, an
⎜ ⎜





⎟ ⎟
⎜ ⎝
a s−1 1
a s−1 2
a s−1 3

a s−1 n
⎟ ⎠
互不相同, 且 s ≥ n,求 R(A).
所以方程组 x1α1 + x2α2 + ⋯ + xrαr = 0 只有零解.

⎧ ⎪ ⎨
aa11⋯21xx1⋯1 ++⋯aa22⋯21xx⋯22++⋯⋯⋯⋯++⋯aa⋯rr12xx⋯rr ==
0 0
⎪ ⎩
a1n
x1
+
a2n
x2
+

+
arn xr
=
0
(2)
只有零解. 由引理1,方程组(2)的系数矩阵
定理3 矩阵 A的秩为 r 的充要条件是 A中有一 个 r 级子式不等于0,且所有 r + 1 级子式等于0.

① R( A) ≤ r ⇔ A的所有 r + 1级子式等于0; R( A) ≥ r ⇔ A有一个 r 级子式不为0.

2.5 矩阵的秩

2.5 矩阵的秩
Байду номын сангаас
可逆矩阵, O 为什么? r r . 1 2 I r2 O O O
返回
2 0 0 0 2 0 0 0
2 4 2 6 2 2 0 0 1 1 0 0
1 2 1 3 1 0 1 0
1 0 5 1
r2 2 1 0 r3 r2 0 r4 3r2 0
R( A) 2,
R( B ) 3.
返回
A
m n
A
m n
A
m n
推论 对任意矩阵A, R(PA)=R(AQ)=R(PAQ)=R(A), 其中P, Q分别为可逆矩阵. 证 因为Q可逆,存在初等矩阵E1, …, Et使得 Q= E1• • • Et,
AQ =A E1• • • Et,
即 AQ 为A经列初等变换所得. 故 R(AQ)= R(A). 同理可证其他.
显然对任意矩阵A, A的秩唯一,但其最高阶非零 子式一般不唯一.
返回
例1 求矩阵的秩:
1 (1) A 2 1 2 ; ( 2) B 2 1 4 2 1 8 ; ( 3) C 2 1 3 2 4 6 4 8 2 1 2 0
解 (1)、(2) 易
O P1 I r2 O O P2 Q2 O O
I r1 O O O O P2 O
O Q2
A 所以,秩 O
I r1 O O O O 秩 B O
返回
三、矩阵的标准形(分解)
定理2
对任意矩阵A , 都存在可逆矩阵P , Q 使得
m n m m n n
I PAQ O
r

矩阵的秩

矩阵的秩

这个数就是矩阵的秩.
但是由于这个数的唯一性
化为阶梯形方程. 尚未证明, 因此下面用另一种方法给出矩阵的秩的
定义.
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
由矩阵秩的定义可得: (1)若矩阵 A 中有一个 s 阶子式不为零,则
R(A) ≥ s;若 A 中所有 t 阶子式全为零,则R(A) < t.
(2)若 A 为 m n 矩阵,则 0 ≤ R(A) ≤ min{ m , n } . (3) R(AT) = R(A) .
(4)设 A 为 n 阶方阵,则当 | A | 0 时 R(A) = n , 当 | A | = 0 时 R(A) < n . 可见,可逆矩阵的秩等于 矩阵的阶数,不可逆矩阵的秩小于矩阵的阶数. 因此
ri rj ri rj
证明 先证明: 若先证明: 若 A 经一次初等行变换 A 经一次初等行变换变为
R(A) 设 R(A) 设 R(A) = r, 且 阶子式 Dr 阶子式 Dr 0 R(B). R(A) = R(B). = r, 且 A 的某个 rA 的某个 r 0.
ri k ri k
例 8 设 A 为 n 阶方阵,证明
R(A + E) + R(A – E) ≥ n .
例 9 证明:若 Amn Bnl = C,且 R(A) = n ,, 例 9 证明:若 Amn Bnl = C,且 R(A) = n
则 R(B) = R(C) .

矩阵的秩求法

矩阵的秩求法

矩阵的秩是矩阵中的一个重要概念,它表示矩阵中线性无关的行或列的最大数量。

矩阵的秩可以用多种方法求解,以下是其中的两种常见方法:
1. 高斯消元法:高斯消元法是一种常用的求解线性方程组的方法,也可以用来求解矩阵的秩。

具体步骤如下:
(1)将矩阵进行初等行变换,使矩阵变成行阶梯形矩阵,即每一行的非零元素都在该行的左侧。

(2)统计行阶梯矩阵中非零行的数量,即为矩阵的秩。

2. 矩阵的奇异值分解法:矩阵的奇异值分解是一种将矩阵分解为三个矩阵的方法,其中一个矩阵是对角矩阵,其对角线上的元素为奇异值。

矩阵的秩等于奇异值不为零的数量。

具体步骤如下:
(1)对矩阵进行奇异值分解,得到三个矩阵U、S、V,其中S是对角矩阵,其对角线上的元素为奇异值。

(2)统计S中非零元素的数量,即为矩阵的秩。

需要注意的是,矩阵的秩可以通过行秩和列秩来求解,它们的值相等。

同时,矩阵的秩也可以通过计算矩阵的特征值来求解,但这种方法比较复杂,不常用于实际计算。

求矩阵的秩有下列基本方法(1)用初等变换.即用矩阵的初等行(.

求矩阵的秩有下列基本方法(1)用初等变换.即用矩阵的初等行(.

(2) XA B
~
A 初等列变换
B
E BA1
X
BA1
或者
初等行变换
~ ( AT BT)
( E (AT )1BT )
X T (AT )1BT X BA1
例 3.设
A
103
0 1 1
104 , 且AX
A
2 X , 求矩阵X .
解:AX A 2X (A - 2E)X A
X
(A - 2E)1 A
1 1 1 1 1 0 1 0
A~
1
1 3
2 1 2
1 1 3
2 11
~
0
0 0
1 0 0
0 0 0
0
0 1
从而得方程组的通解为
x1 1
x
x2 x3 x4
k
0 1 0
(k为任意常数)
当a 2 时,把系数矩阵A化为行最简矩阵为
A~
1
1
1 3
1 2 1 2
1 1 2 3
1 2
1 a 3
2 a1
~
0 0 0
1 2 5
0 a 1
0
1 a23
1 1 1 1
~
0
0 0
1 0 0
0 a 1
0
1
a
0
2
当a 1 or a 2 时,R( A) 4,此时方程组
有非零解,可仿照解法一求出它的通解。
四、解矩阵方程的初等变换法
(1) AX B
初等行变换
~ (A B)
(E A1B) X A1B
1 1 1 1 1 1 1 1
解一:A
1 1

线性代数:矩阵的秩

线性代数: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 .
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
定义 2 设在矩阵 A 中有一个不等于 0 的 r 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 .
2 4
1 1 8 0 2 4 2 3 3 6 0 6 4 2
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
解 Q B是一个行阶梯形矩阵, 其非零行有 3行, 是一个行阶梯形矩阵,
∴ B 的所有 4 阶子式全为零 .
2 1 3 而 0 3 2 ≠ 0, 0 0 4
∴ r ( B ) = 3.
1 例3 已知 A = 0 2 1 3 = 2 ≠ 0, 解 Q 0 2
3 2 2 2 1 3 ,求该矩阵的秩. 求该矩阵的秩. 0 1 5
因此 D r ≠ 0,从而 r ( B ) ≥ r . 分三种情况讨论: 当A → B时,分三种情况讨论:
(1)Dr中不含第 i行; (2)Dr中同时含第 i行和第 j行; (3)Dr中含第 i行但不含第 j行;

2.6 矩阵的秩

2.6  矩阵的秩

A 中阶数大于 r 的子式必等于零 .
A 中不等于零的子式的阶 数 r 秩 R( A) . 1 2 3 例如,矩阵 A 2 4 6 4 8 12 0, 在 A 中显然有不等于 0 的1 阶子式 2,所有2阶子式都为 此时, R( A) 1. 2 即为矩阵 A的最高阶非零子式 ,
因 R( A) 2 , 故A的行阶梯形矩阵只能有两个非零行. 而B的2,3行都不为零,因此必有一行会被消成零. 0 8 5 4 k 0 3 4 4 0 0 0 0 或 0 3 4 4 l 0 8 5 4 0 0 0 0 5 0 5 即 1 0 1
行最简形矩阵: 行阶梯形矩阵; 非零行的第一个非零元为1, 且这些非零元所在的列的其他元素都为0
行阶梯形矩阵的秩
行阶梯形矩阵中非零行的行 数就是该矩阵的秩

3 2 2 1 0 3 1 2 5 0 求矩阵 B 的秩. 0 0 0 4 3 0 0 0 0 0

R( A E ) R( E A) ,故 R( A E ) R( A E ) n
三、小结
1. 矩阵秩的概念
2. 求矩阵秩的方法 (1)利用定义 (即寻找矩阵中最高非零子式的阶数); (2)初等变换法 定理2.5:初等变换不改变矩阵的秩。
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,行 阶梯形矩阵中非零行的行数就是矩阵的秩).

在 A 中,
1 2
2 3
0.
且 A 0, 又 A的 3 阶子式只有一个 A,
R( A) 2.
行阶梯形矩阵的秩
行阶梯形矩阵: 任意一行的第一个非零元素所在的列中, 在这个非零元素的下方全为0。 特点: 可画出一条阶梯线,线的下方全为0; 每个台阶只有一行,台阶数即为非零行的行数,阶梯线 的竖线(每段竖线的长度为一行)后面的第一个元素为 非零元,也就是非零行的第一个非零元。
  1. 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. 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. 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)。

第五节:矩阵的秩及其求法
一、矩阵秩的概念
1. k 阶子式
定义1 设 在A 中任取k 行k 列交叉处元素按原相对位置组成的 阶行列式,称为A 的一个k 阶子式。

例如 共有 个二阶子式,有 个三阶子式 矩阵A 的第一、三行,第二、四列相交处的元素所构成的二阶子式为 而 为 A 的一个三阶子式。

显然, 矩阵 A 共有 个 k 阶子式。

2. 矩阵的秩
定义2 设 有r 阶子式不为0,任何r+1阶子式(如果存在的话)全为0 , 称r为矩阵A的秩,记作R (A)或秩(A )。

规定: 零矩阵的秩为 0 .
注意:(1) 如 R ( A ) = r ,则 A 中至少有一个 r 阶子式 所有 r + 1 阶子式为 0,且更高阶子式均为 0,r 是 A 中不为零的子式的最高阶数,是唯一的 .
(2) 有行列式的性质, (3) R(A) ≤m , R (A ) ≤n , 0 ≤R (A ) ≤min { m , n } .
(4) 如果 An ×n , 且 则 R
( A ) = n .反之,如 R ( A ) = n ,则
因此,方阵 A 可逆的充分必要条件是 R ( A ) = n .
二、矩阵秩的求法
1、子式判别法(定义)。

例1 设 为阶梯形矩阵,求R(B )。

解 由于 存在一个二阶子式不为0,而任何三阶子式全为0,则 R(B ) = 2.
结论:阶梯形矩阵的秩=台阶数。

例如
()
n m ij a A ⨯={}),m in 1(n m k k ≤≤⎪⎪⎪⎭⎫ ⎝⎛----=110145641321A 182423=C C 43334=C C 10122--=D 1015643
213-=D n m ⨯k n k m c c ()
n m ij a A ⨯=0,
r D ≠()().
T R A R A =0,A ≠0.A ≠⎪⎪⎪⎭⎫ ⎝⎛=000007204321B 02021≠⎪⎪⎪⎭⎫ ⎝⎛=010*********A ⎪⎪⎪⎭⎫ ⎝⎛=001021B ⎪⎪⎪⎭⎫ ⎝⎛=100010011C 125034000D ⎛⎫ ⎪= ⎪ ⎪⎝⎭21235081530007200000E ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭
()3=A R ()2=B R ()3=C R ()2
R D =()3R E =
一般地,行阶梯形矩阵的秩等于其“台阶数”—— 非零行的行数。

例2 设 如果 求 a . 解
或 例3 则
2、用初等变换法求矩阵的秩
定理2 矩阵初等变换不改变矩阵的秩。

即 则 注: 只改变子行列式的符号。

是 A 中对应子式的 k 倍。

是行列式运算的性质。

求矩阵A 的秩方法:
1)利用初等行变换化矩阵A为阶梯形矩阵B
2)数阶梯形矩阵B非零行的行数即为矩阵A 的秩。

例4

解 R(A ) = 2
⎪⎪
⎪⎭
⎫ ⎝⎛=a a a A 111111(),3<A R ()3<A R a
a a A 11111
1=0
)1)(2(2=-+=a a 1=∴a 2
-=a ⎪⎪⎪




⎝⎛
=K K K K A 111111111111()3=A R =K 3-()31111
1113(
1)(3)
111111K A K K K K K
=+=-+B A →)
()(B R A R =j i r r ↔.1i r k .2j i kr r +.3⎪⎪⎪


⎝⎛-----=211163124201A ().
A R −−→−-1
22r r A ⎪⎪⎪⎭⎫
⎝⎛----211021104201⎪⎪⎪⎭

⎝⎛--→000
0211
04201
例5
三、满秩矩阵
定义3 A 为 n 阶方阵时,
称 A 是满秩阵,(非奇异矩阵) 称 A 是降秩阵,(奇异矩阵) 可见: 对于满秩方阵A施行初等行变换可以化为单位阵E , 又根据初等阵的作用:每对A施行一次初等行变换,相当于用一个对应的初等阵左乘A,
由此得到下面的定理. 定理3 设A 是满秩方阵,则存在初等方阵 使得
对于满秩矩阵A,它的行最简形是 n 阶单位阵 E .
例如
A 为满秩方阵。

关于矩阵的秩的一些重要结论:
定理5 R (AB ) R (A ), R(AB) R (B ), 即R(AB ) mi n{R(A),R (B )}
设A 是 矩阵,B 是
矩阵, 性质1 性质2 如果 A B = 0 则 性质3 如果 R (A )= n, 如果 A B = 0 则 B = 0。

性质4 设A ,B 均为 矩阵,则 例8 设A 为n 阶矩阵,证明R(A+E)+R(A-E )≥n
证: ∵ (A +E )+(E-A)=2E μλμλ,2,6352132111,求)(且设=⎪⎪⎪⎭⎫ ⎝⎛--=A R A ⎪⎪⎪⎭⎫ ⎝⎛--=6352132111μλA ⎪⎪⎪⎭⎫ ⎝⎛----+-→458044302111μλ⎪⎪⎪⎭⎫ ⎝⎛----+-→015044302111μλλ,2)(=A R 1,5==∴μλ01,05=-=-∴μλ(),
n A R =(),
n A R <()0
≠⇔=A n A R .,,,21s P P P E A P P P P s s =-121, ()E A n A R ~= ()n E A n A R ~⇔=⎪⎪⎪⎭⎫ ⎝⎛=213212321A ⎪⎪⎪⎭⎫ ⎝⎛----→320430321⎪⎪⎪⎭⎫ ⎝⎛→320110001E
=⎪⎪⎪⎭⎫ ⎝⎛→100010001()3=∴A R ≤≤≤
n m ⨯t n ⨯).
()()(AB R n B R A R ≤-+.
)()(n B R A R ≤+n m ⨯).
()()(B R A R B A R +≤±
∴ R(A+E)+ R( E-A )≥R(2E)=n 而R( E-A )=R(A-E )
∴ R(A+E)+R(A-E)≥n。

相关文档
最新文档