矩阵的秩 学年论文
浅析矩阵的秩_罗雪梅[1]
![浅析矩阵的秩_罗雪梅[1]](https://img.taocdn.com/s3/m/842fdcd8c1c708a1284a445d.png)
辅导篇浅析矩阵的秩罗雪梅 孟艳双 郑艳琳(山东科技大学 济南 250031)1.引言线性代数的特点之一是其概念多、定理多,从而题目所涉及到的类型也多,给初学者带来很多困难。
本文以矩阵的秩为例,通过分析矩阵的秩在线性代数中的诸多作用,逐步加深对这一概念本质的理解,进而真正掌握矩阵的秩并能灵活地运用它解决各种有关问题。
定义1 矩阵A 中非零子式的最高阶数叫做矩阵A 的秩,记作R (A )。
从定义上看,一个矩阵的秩,就是一个数,但这个数在线性代数中的作用非同一般。
2.矩阵的秩在讨论方阵中的作用对于一个方阵A ,判断A 是否可逆及A 可逆时的一些特性,是线性代数中的重点之一。
矩阵的秩在此起着重要的作用。
定理1 设A ,B ,C 均为n 阶方阵,则有:(1)A 可逆 R (A )=n |A |≠0;(2)R (A )+R (B )-n ≤R (AB )≤min(R (A ),R (B ))(3)当R (A )=n 时,R (B A )=R (B A )=R (B );(4)当R (A )=n 时,若AB =C ,则B =A -1C ;若AB =O ,则B =O ;(5)若n ≥2,则A 的伴随矩阵A *的秩与A 的秩有如下关系:R (A *)=n 当R (A )=n1 当R (A )=n -10 当R (A )≤n -2 下面仅证(5)(其他结论一般教科书上都有):证明1)当R (A )=n 时,A 可逆,从而|A |≠0,由A A *=|A |I 两边取行列式得|A A *|=|A |·|A *|=|A |n ,因为|A |≠0,所以|A *|=|A |n -1≠0,故R (A *)=n 。
2)当R (A )=n -1时,A 中至少有一个n -1阶子式不为零,即A *中至少有一个元素不为零,所以R (A *)≥1;另由R (A )=n -1知|A |=0,从而A A *=|A |I =O ,由定理1知:R (A )+R (A *)≤n ,从而R (A )=n -1时R (A *)≤1,故R (A *)=1。
【方案】矩阵的秩及其应用.doc

山西师范大学本科毕业论文(设计) 矩阵的秩及其应用姓名杨敏娜院系数学与计算机科学学院专业数学与应用数学班级11510102学号1151010240指导教师王栋答辩日期成绩矩阵的秩及其应用内容摘要矩阵在高等代数的研究中占有极其重要的地位,矩阵的秩更是研究矩阵的一个重要纽带。
通过对矩阵的秩的分析,对判断向量组的线性相关性,求其次线性方程组的基础解系,求解非其次线性方程组等等都有一定的意义和作用。
论文第一部分介绍矩阵的概念,一般性质及秩的求法,这对之后介绍秩的应用有重要的铺垫作用。
第二部分再利用这些性质及定理解决向量组和线性方程组的有关问题。
第三部分研究矩阵的秩在解析几何应用中,着重用于判断空间两直线的位置关系。
在与特征值间的关系主要是计算一些复杂矩阵的值。
最后将矩阵的秩推广到特征值和其他与向量组有关的向量空间的应用。
本文主要对矩阵的秩相关定义定理进行总结和证明,并将其运用到一些具体事例中。
【关键词】矩阵的秩向量组线性方程组特征值解析几何The Rank of Matrix and the Application of the Rank ofMatrixAbstractThe matrix plays a very important role in the research on advanced algebra. The rank of matrix is an important link of matrix. The analysis of the rank of matrix determines the linear relation of vector group. And there are certain significance and role to solve some linear equations and non linear equations.First, the article introduces the concept of matrix, general nature and method for the rank of matrix, it plays an important role for the application of the rank. Second, use the properties and theorems of vector group to solve the problem of linear equations. Third, analysis the rank of matrix in geometry application, it focuses on the judgment of space position relationship of two lines. In the characteristics of value, it mainly calculates some complex matrix. Finally, the application of the rank of matrix is extended to Eigen value and other related vectors in vector space.This paper mainly summarizes the matrix rank and its related theorem, and applies it to some specific examples.【Key Words】rank of matrix vector group linear equations characteristic value Analytic geometry目录一、引言 (01)二、矩阵的秩 (01)(一)矩阵的秩的定义 (01)(二)矩阵的秩的一般性质及求法 (01)(三)求抽象矩阵的秩 (02)三、矩阵的秩的应用 (03)(一)矩阵的秩在判定向量组的线性相关性方面的应用 (03)(二)矩阵的秩在线性方程组方面的应用 (04)(三)矩阵的秩在解析几何方面的应用 (07)(四)矩阵的秩在特征值方面的应用 (07)(五)矩阵的秩在其他方面的应用 (08)四、小结 (09)参考文献 (10)致谢 (11)矩阵的秩及其应用学生姓名:杨敏娜 指导老师:王栋一、引言矩阵概念在代数的学习中是一个关键的分支,是研究线性代数的基石,矩阵的秩作为矩阵的核心内容,更是研究它的一个纽带。
浅谈矩阵的秩

目录摘要 (1)Abstract (1)前言 (1)1.矩阵的秩的概念 (1)2.秩的求法[]1 (2)2.1子式判别法 (2)2.2初等变换法 (2)3.矩阵的秩的应用 (2)3.1方程组与矩阵的秩 (2)3.1.1判断齐次线性方程组有非零解[]3 (2)3.1.2判断非齐次线性方程组的解 (3)3.1.3线性方程组有解 (3)3.2矩阵运算与矩阵的秩 (4)3.2.1加法 (4)3.2.2 乘法 (4)3.3可逆矩阵与矩阵的秩 (4)结束语 (5)参考文献 (5)浅谈矩阵的秩摘 要: 矩阵的秩,是矩阵最重要的数字特征之一。
矩阵的很多性质可以通过矩阵的秩来刻画。
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,求法及其应用。
关键词: 矩阵的秩;线性方程组;初等变换,可逆矩阵Matrix rankAbstract: Matrix rank, it is one of the most important characteristics of digital matrix. Many properties of matrix rank of the matrix to depict. Based on the matrix rank in higher algebra, the importance of system in this paper summarizes the basic properties of the rank of matrix, the calculation methods and their applications.Keywords : matrix rank; System of linear equations; Elementary transformation, reversible matrix.前言矩阵是数学中的一个重要的基本概念,也是应用数学研究的一个重要工具。
矩阵及其秩在高等代数中应用论文

矩阵及其秩在高等代数中的应用玲毓师高等专科学校数学教育摘要:在矩阵理论中,矩阵的秩是一个重要的概念。
它是矩阵的一个数量特征,而且是初等变换下的不变量。
矩阵的秩与矩阵是否可逆、线性方程组的解、极大无关组的情况等都有着密切的联系。
通过引用了大量的实例说明了矩阵及其秩是高等代数中的一个重要的概念,希望通过本文的介绍可以让读者对矩阵及其秩有更深的了解。
关键词:矩阵;秩;变换;可逆1 引言矩阵作为数学工具之一有其重要的实用价值,它常见于很多科学中,如:线性代数、线性规划、统计分析、以及组合数学等,而本文主要介绍其在高等代数中的应用。
高等代数是用辩证观点和严密的逻辑推理方法来体现的一门课程它常见于很多科学中, 矩阵作为数学工具之一有其重要的实用价值对其在高等代数中的应用概括为:求解一般的线性方程组,判定向量组的线性相关性,求极大无关组,化二次型为标准型,求规正交基,对称变换,正交变换的判断,欧氏空间中的积的表示。
这就使矩阵成为数学中一个极其重要而且广泛的工具.本文对矩阵的基本理论及其秩的应用进行具体阐述。
2矩阵的基本理论定义2.1 矩阵是一简化了的表格,一般地111212122212n n m m mn a a a a a a⎪ ⎪⎪⎪⎝⎭称为n m ⨯矩阵,它有m 行、n 列,共n m ⨯个元素,其中第i 行、第j 列的元素用ij a 表示.通常我们用大写黑体字母,,A B C表示矩阵.为了标明矩阵的行数m 和列数n ,可用m n A ⨯或()ijm na ⨯表示.矩阵既然是一表,就不能像行列式那样算出一个数来.定义2.2 所有元素均为0的矩阵,称为零矩阵,记作0.定义2.3 如果矩阵A 的行、列数都是n ,则称A 为n 阶矩阵,或称为n 阶方阵. 定义2.4 令A 是数域F 上一个n 阶矩阵.若是存在F 上n 阶矩阵B ,使得,AB BA I ==那么A 叫作一个可逆矩阵,而B 叫作A 的逆矩阵.用1A -来表示.定义2.5 主对角线上元素全为1的对角矩阵,叫做单位矩阵,记为I ,即10001001I ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭n ⨯1矩阵(只有一行)又称为n 维行向量;1⨯n 矩阵(只有一列)又称为n 维列向量.行向量、列向量统称为向量.向量通常用小写黑体字母a ,b ,x ,y 表示.向量中的元素又称为向量的分量.11⨯矩阵因只有一个元素,故视之为数量,即()a a =.定义2.6 把矩阵A 的行与列互换所得到的矩阵称为矩阵A 的转置矩阵,记为TA ,即111212122212n n m m mn a a a a a a A a a a ⎛⎫⎪⎪= ⎪⎪⎝⎭ ,112111222212m m T nnmn a a a a a a A a a a ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭若方阵A 满足TA A =,则称A 为对称矩阵.定义2.7n 阶矩阵有一条从左上角到右下角的主对角线.n 阶矩阵A 的元素按原次序构成的n 阶行列式,称为矩阵A 的行列式,记作A .定义2.8 设有n 阶方阵111212122212n n n n nn a a a a a a A a a a ⎛⎫⎪ ⎪= ⎪⎪⎝⎭的行列式A 有2n 个代数余子式ij A (j i ,=1,2,…,n ),将它们按转置排列,得到矩阵112111222212n n nnnn A A A A A A A *⎪ ⎪= ⎪ ⎪⎝⎭称A *为矩阵A 的伴随矩阵定义2.9 利用线性方程组的系数和常数项可以排成此表111211212222123n nm m m mnm a a a b a a a b aa a ab ⎛⎫⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭则此表称为线性方程组的增广矩阵.定义2.10 在一个s 行t 列矩阵中,任取k 行k 列(,)k s k t ≤≤.位于这些行列交点处的元素(不改变元素的相对位置)所构成的k 阶行列式叫作这个矩阵的一个k 阶子式. 定义2.11 向量组12{,,}n ααα的一个部分向量组12{,,}i i ir ααα叫作一个极大线性无关部分组(简称极大无关组)()i 12,,,i i ir ααα线性无关;()ii 每一,1,,,j j n α=都可以由12,,,i i ir ααα,线性表示. 定义2.12 设F 是一个数域,F 上n 元二次齐次多项式22212111222121213131,1(,,,)222n nn n n n n n q x x x a x a x a x a x x a x x a x x --=+++++++叫作F 上一个n 元二次型.定义2.13 R 上一个n 元二次型12(,,,)n q x x x 可以看成定义在实数域上n 个变量的实函数.如果对于变量12,,,n x x x 的每一组不全为零的值,函数值12(,,,)n q x x x 都是正数,那么就称12(,,,)n q x x x 是一个正定二次型.3 秩的基本理论定义3.1 一个矩阵中不等于零的子式的最大阶数叫作这个这个矩阵的秩.若一个矩阵没有不等于零的子式,就认为这个矩阵的秩为零.性质(1) ()0r A =,当且仅当A 是零矩阵. (2) ()r A n =,当且仅当0A ≠.(3) 设A 是m n ⨯矩阵,则()min(,)r A m n ≤. (4) (),()0,r A r kA ⎧=⎨⎩0k k ≠=(5) ()()A O A O r r r A r B BC B O B ⎛⎫⎛⎫==+ ⎪ ⎪⎝⎭⎝⎭.矩阵可以进行加法、减法、数乘、阶乘、伴随等一系列运算.而矩阵经过运算后所得到的新矩阵的秩往往也与原矩阵的秩有一定的关系.定理3.1 两矩阵和的秩不超过两矩阵秩的和,即:设,A B 均为m n ⨯矩阵,则()()()r A B r A r B +≤+推论3.1.1两矩阵差的秩不小于两矩阵秩的差,即:设,A B 均为m n ⨯矩阵,则()()()r A B r A r B -≥-推论3.1.2设12,,k A A A 均为m n ⨯矩阵,且12()()()1k r A r A r A ====,则12()k r A A A k +++≤定理3.2 矩阵的乘积的秩不超过各因子的秩.即:设A 是m n ⨯矩阵,B 是n s ⨯矩阵,则()min{(),()}r AB r A r B ≤定理3.3 设A 是m n ⨯矩阵,p 是m 阶可逆矩阵,Q 是n 阶可逆矩阵,则()()()()r A r PA r AQ r PAQ ===推论3.3.1设A 是m n ⨯矩阵,则()r A r =,当且仅当存在m 阶可逆矩阵p 和n 阶可逆矩阵Q ,使得000I A P Q ⎛⎫= ⎪⎝⎭.定理3.4 设,A B 均为n 阶方阵。
对矩阵的秩的有关理解及其在线性代数中的应用

对矩阵的秩的有关理解及其在线性代数中的应用摘 要:本文叙述了矩阵秩的几个等价定义,并且给出了几个相关秩的解法.通过例子来验证和探讨了矩阵秩在线性代数中的应用,这些知识对我们理解矩阵的本质,灵活运用矩阵的秩去分析相关问题有一定的意义和作用.关键词:矩阵的秩;秩的解法;秩的应用 On the Rank of Matrix relating to the understanding Extremelyin the Application of Linear AlgebraAbstract : This article describes several equivalent definitions of matrix rank, and gives the solution of some rank. Through example to verify that the discussion and application of matrix in linear algebra, this knowledge to our understanding of the nature of the matrix, flexible use of matrix rank to have a certain meaning and analysis of related problems. Key words : rank of matrix; rank method; the application of rank0 前言矩阵的理论是线性代数的理论基础。
而在矩阵的理论中,矩阵的秩是一个基本的理论概念,也是矩阵最重要的数量特征之一,他在初等变换下是一个不变量.它是反应矩阵固有特性的一个重要概念.矩阵作为线性代数的重要工具,已渗透到各章内容之中,并成为行列式、线性代数方程组、线性空间、欧氏空间和二次型的纽带,它把线性代数各章节贯串成为一个整体.而矩阵的秩几乎贯穿矩阵理论的始终,是矩阵一个重要的、本质的属性,在求方阵的逆、判断线性方程组是否有解以及有多少个解、判断向量组的线性相关性、求矩阵的特征值等方面,矩阵的秩都有着广泛的应用. 1 矩阵秩的概念首先给出矩阵秩的几个等价定义定义1 设s ,矩阵中不为0子式的最高阶数,即A 有r 阶子式不为0,任何1r +阶子式(如果存在的话)全为0,称r 为矩阵A 的秩。
矩阵及秩的应用论文

矩阵及秩的应用论文矩阵及秩是线性代数中的重要概念,广泛应用于各个学科领域。
在本文中,我将介绍几篇应用矩阵及秩的论文,并讨论它们在不同领域中的应用。
第一篇论文是《基于矩阵分解的推荐系统》。
推荐系统是现代互联网应用中的重要组成部分,用于给用户推荐个性化的内容。
该论文通过应用矩阵分解的方法,将用户-物品评分矩阵分解为两个低秩矩阵,从而实现对用户兴趣和物品特征的建模。
矩阵的秩较低意味着模型具有较好的泛化能力,能够在数据稀疏的情况下有效地进行预测,提高推荐准确度。
第二篇论文是《利用秩约束的图像修复方法》。
图像修复在计算机视觉领域中具有重要意义,用于修复受损的图像。
该论文利用矩阵的秩约束,将问题转化为一个低秩矩阵恢复问题。
通过求解最小秩恢复问题,可以在保持图像结构信息的前提下,还原受损的图像内容。
实验结果表明,该方法在图像修复任务中具有较好的效果。
第三篇论文是《基于矩阵分析的脑电信号分类方法》。
脑电信号是在脑部神经元活动产生的电流作用下测得的电生理信号,用于研究脑部功能和神经相关性。
该论文应用矩阵分析方法,将脑电信号分解为若干个矩阵成分,并利用矩阵的秩特性提取脑电信号的特征。
基于这些特征,可以实现对脑电信号的分类和识别,辅助脑部疾病的诊断和治疗。
第四篇论文是《基于大规模矩阵分解的社交网络分析方法》。
社交网络是人们之间相互联系和交互的网络结构,具有复杂的拓扑结构和丰富的节点属性。
该论文利用矩阵分解方法,将社交网络转化为低秩矩阵的表示,从而揭示其隐藏的结构和关系。
通过矩阵的秩特性,可以实现社交网络的社区发现、节点分类和链接预测等任务,为社交网络分析提供了有力的工具。
以上这些论文只是矩阵及秩应用的冰山一角,实际上,矩阵及秩在数据挖掘、图像处理、模式识别等许多领域都有重要应用。
矩阵的秩在这些应用中起到了关键的作用,它能够帮助我们理解和描述数据的结构、关系和特征,从而实现对数据的分析和处理。
随着技术的不断发展和研究的深入,矩阵及秩的应用还将不断扩展和拓展,为各个学科领域的研究和应用带来新的突破和进展。
矩阵秩的研究与应用毕业论文

百度文库-让每个人平等地提升自我3 矩阵秩的研究与应用[摘要]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,也是数学研究的一个重要工具。
矩阵理论是线性代数的主要组成部分,也是线性方程组的理论基础。
而在矩阵的理论中,矩阵的秩是一个基本概念,也是矩阵最重要的数量特征之一,它在初等变换下是一个不变量。
它反映矩阵固有特性的一个重要概念。
矩阵一旦确定秩也就确定了。
它是高等代数课程中的一个参考指标,其定义、性质、求法、应用等相关内容在高等代数中出现的极为频繁,作用较大。
本文首先介绍了矩阵秩的相关理论知识:即秩的几种不同定义,相关性质,以及矩阵秩的三种常见求法,并对三种求法做了一个简单的比较分析。
后面着重介绍了矩阵秩的应用部分,主要是其在线性代数中的应用和解析几何上的应用。
这里就不细说了,具体内容还得从文章中来了解。
[1][2][3][关键词]:矩阵的秩,定义,性质,求法,应用,高等代数。
百度文库-让每个人平等地提升自我4 矩阵秩的研究与应用1 前言矩阵在高等代数理论中极其重要并且应用广泛,它是线性代数的核心,而矩阵的秩作为研究矩阵的一个重要工具,其秩的理论研究非常重要。
更重要的是将它推广到实际应用中,那么我们目前在其应用方面的研究又达到了一个什么程度呢?本文主要是对矩阵秩的应用方面的一个总结,让学者对其有个更清晰的认识,使后面的学者对矩阵的学习更轻松,更全面。
矩阵方面的理论是非常重要的内容,历年来许多学者对它都有研究,而且其中的部分理论有了很广泛的应用,例如矩阵分析法在企业战略管理、营销活动、供应链管理技术、教学效率评价、射击训练效果评价等方面都起到举足轻重的作用;不仅在本文中的线性代数和解析几何中的理论上的应用,而且在其他领域上也有更实际贴切的应用。
如在控制论中,矩阵的秩可用来确定线性系统是否为可控制的,或可观的;此外,矩阵的秩在教学中还有更广泛的应用,如在测量平差中的应用。
理论指导实践,所以我着重选择了矩阵秩在理论上的应用的部分来进行探讨,其意义更加广泛且深远。
论文

若R(A) = R(B)<n,则有无数个解;
若R(A)≠R(B),则方程组无解。
5.结束语
矩阵的秩应用广泛,是矩阵中很重要的知识,深入理解这个内容很有必要,
也为学好矩阵知识打下牢固的基础。
【参考文献】
[1]张克新、邓乐斌《应用高等数学》高等教育出版社2010
在矩阵理论中,矩阵的秩是个重要概念。它是矩阵的一个数量特征,也是初等变换下的不变量。矩阵的秩与矩阵是否可逆,线性方程组的解的情况都有着密切联系。下面就来回顾矩阵的秩的定义、性质,并具体探讨它的求解:
1.矩阵的秩的预备知识:
定义1:矩阵 中不等于零的子式的最高阶数 ,叫做矩阵的秩,记为 .
定义2:矩阵的行秩就是矩阵的行向量组的秩, 矩阵的列秩就是矩阵的列向量组的秩.矩阵的行秩等于矩阵的列秩,并统称为矩阵的秩.
3.矩阵的秩的计算:
方法一:定义法
由定义1,矩阵的秩就是矩阵中不等于零的子式的最高阶数.根据这一定义,要求矩阵的秩,需计算行列式的各阶子式.从阶数最高的子式开始,一直找到不等于零的子式中阶数最大的一个子式.则这个子式的阶数就是矩阵的秩.
我们发现存在一个二阶子式,而任何三阶子式全为0,由定理1知:r(B)= 2.
例4.求下列矩阵
的秩.
解 设 的5个列向量依次为
由于对应分量不成比例,故线性无关.
而,,.故是 的列向量的极大线性无关组,所以秩.
4.矩阵秩的应用
矩阵秩的应用很广泛,这里只简单介绍它在线性方程组中的应用
(1)齐次线性方程组
若系数矩阵R = n,则有且仅有一个0解
若系数矩阵R < n,则有无数个解
(2)非齐次线性方程组,设系数矩阵A ,增广矩阵B
- 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)。
学院数学与信息科学学院专业信息与计算科学年级2009级姓名张晓函论文题目矩阵的秩指导教师彭玉成职称讲师成绩2009年5月25日学年论文成绩评定表目录摘要 (1)关键词 (1)Abstract (1)Keywords (1)引言 (1)1预备知识 (1)2矩阵的秩的性质 (2)3矩阵秩的计算 (4)4矩阵秩的应用 (8)5结束语 (9)参考文献 (9)矩阵的秩学生姓名:张晓函学号:20095034048数学与信息科学学院信息与计算科学系指导教师:彭玉成职称:讲师摘要:本文是关于求一个数字矩阵的秩的方法的初步探究.归纳总结了求矩阵秩的常用方法.关键词:矩阵;初等变换;子式;极大线性无关组Matrix rankAbstract:This article is about for a digital matrix rank of the preliminary inquiry method. Summarizes the commonly used method of matrix rankKeywords: matrix,elementary transformation, son,great linearly independent groups前言矩阵是贯穿线性代数的一块重要内容.而对矩阵秩的探究是我们学习矩阵的一个重要部分.也是我们判断线性方程组解的情形的重要手段.下面就来具体讨论、探究数字矩阵秩的求解方法.1.预备知识定义1.1:矩阵A中不为零的子式的最高阶数称为A的秩.记作()r A定义1.2:矩阵的行秩就是矩阵行向量的秩;矩阵的列秩就是矩阵列向量的秩.矩阵A中任意选定k行和k列,位于这些选定的行和列的交点定义1.3:在一个s n上的2k个元素按原来的次序所组成k级行列式,称为A的一个k级子式.定义1.4:向量组的极大线性无关组所含向量的个数称为这个向量组的秩.2.矩阵的秩的性质1)现在我们来研究矩阵的秩具有哪些性质,从而利用这些性质求矩阵的秩。
性质2.1矩阵的行秩与列秩相等.证 设所讨论的矩阵为111212122212n n s s sn a a a a a a A a a a ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭ , 而A 的行秩=r ,列秩=1r .为了证明r 1r =,我们先来证明1r r ≤.以12,,,s ααα 代表矩阵A 行向量组,无妨设12,,,r ααα 是它的一个极大线性无关组.因为12,,,r ααα 是线性无关的,所以方程110r r x x αα++=只有零解,也就是说,齐次线性方程组11121211222221122000r r r rn n rn r a x a x a x a x a x a x a x a x a x +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩ 只有零解.则这个方程组的系数矩阵112111222212r r n n rn a a a a a a a a a ⎛⎫⎪⎪⎪⎪⎝⎭的行秩≥r .因之在它的行向量中可以找到r 个线性无关的,譬如说,向量组()11211,,,r a a a ,()12222,,,r a a a ,…,()12,,,r r rr a a a线性无关.那么在这些向量上添加几个分量后所得的向量组()112111,,,,,r s a a a a ,()122222,,,,,r s a a a a ,…,()12,,,,,r r rr sr a a a a也线性无关.它们正好是矩阵A 的r 个列向量,有它们线性无关性可知矩阵A 的列秩1r 至少是r ,也就是说1r r ≥.用同样的方法可证1r r ≥.这样,我们就证明了行秩与列秩相等. 性质2.2 初等行(列)变换不改变矩阵的秩证 矩阵的初等行变换是把行向量组变成一个与之等价的向量组,而我们知道,等价的向量组都有相同的秩.因此,初等变换不改变举证的秩.同样的,初等列变换也不改变举证的秩.定理2.1一矩阵的秩是r 的充分必要条件是矩阵中有一个r 级子式不为零,同时所有1r +级子式全为零.3. 矩阵的秩的计算3.1方法一 初等变换分析:由性质2可知,矩阵经初等变换后,其秩不变.因此,可用初等变换求矩阵的秩.用初等变换求矩阵的秩,级可一用初等行变换,也可用初等列变换,也可交替进行把替个矩阵A 化为阶梯行矩阵.由于阶梯形矩阵的秩就是其非零行(列)数的个数,所以化得的阶梯形矩阵中非零行(列)数就是矩阵A 的秩. 3.1.1 已知11210224203061103001A -⎛⎫⎪-⎪= ⎪-⎪⎝⎭,求()r A . 解:对矩阵A 进行初等行变换化阶梯形1121011210112102242000000030413061103041000123030010300000000A ---⎛⎫⎛⎫⎛⎫⎪⎪⎪--⎪ ⎪ ⎪=→→ ⎪ ⎪ ⎪---⎪⎪⎪⎝⎭⎝⎭⎝⎭ 因为非零行的个数为3,故()r A 3=.注:此方法使用方便,不需要计算行列是,也不需要考察向量组的相关性,因此,是求秩最常用的方法. 3.2 方法二:计算子式法分析:由定义1,矩阵的秩就是矩阵中不等于零的子式的最高阶数.根据这一定义,要求矩阵A 的秩,需计算行列式的各阶子式.从阶数最高的子式开始,一直找到不等于零的子是中阶数最大色一个子式.则这个子式的阶数就是矩阵A 的秩. 3.2.1 设11210224203061121421A -⎛⎫⎪-- ⎪=⎪-⎪⎝⎭,求()r A .解:因为A 只有4行,所以A 的每4阶子式都取遍A 的4行;又因为A 有5列,所以每次取出4列按原来的顺序组成的4阶子是共有45C 5=个,它们是11212242030612142--=-11202240030612141--=11102220030112121---=-1212420036112421-=-12102420006111421---=-所以A 的所有4阶子式都等于零,在考虑A 的3阶子式,有一个3阶子式214200611o-≠- 所以由定理1可知,()r A 3=. 3.3 方法三:综合法综合使用初等变换和计算子式法秋菊在的秩的方法称为综合法.先对矩阵A 施行初等变换,将其化为比较简单的形式B (不必为阶梯形),然后用计算B 的子式的方法求出()()r A r B =.3.3.1 求下列矩阵141268261042191776341353015206A ⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭的秩 解:1412682000006104219176104219177634176341353015206353015206A ⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪=→ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭ 000006104219177634100001⎛⎫ ⎪⎪→ ⎪ ⎪⎝⎭B = 显然B 的所有4阶子式均为零,B 中有一个3阶子式不为零,故()()r A r B =. 3.4 方法四:求极大线性无关组法因为秩()A =A 的行秩=A 的列秩,而由定义3可知,向量组的极大线性无关组所函向量的个数.所以,求矩阵A 的秩可转化为求A 的行向量或列向量的极大线性无关组所含向量的个数.3.4.1 求下列矩阵6157141656411235184621086A -⎛⎫⎪-⎪= ⎪-⎪--⎝⎭的秩.解 设A 的5个列向量依次为12345,,,,ααααα()16,1,2,4α=- ()21,5,3,6α=- ()35,6,5,2α= ()47,4,1,10α=--- ()54,11,8,8α=由于12,αα对应分量不成比例,故12,αα线性无关.而321ααα=+, 412ααα=-, 5122ααα=+.故12,,αα是A 的列向量的极大线性无关组,所以秩()A 2=.4 矩阵的秩的应用矩阵的秩的应用很广泛,但由于目前所学知识的有限,现只讨论矩阵的秩在 齐次线性方程组中的应用.1.1.1求解齐次线性方程组12345123451234534520243023302520x x x x x x x x x x x x x x x x x x ++++=⎧⎪++++=⎪⎨--++-=⎪⎪+-=⎩解 对系数矩阵A 进行初等行变换12111243111213300252A ⎛⎫⎪ ⎪=→⎪---⎪-⎝⎭12111001110024200252⎛⎫⎪-- ⎪→⎪-⎪-⎝⎭12111001110006000070⎛⎫ ⎪-- ⎪⎪⎪⎝⎭12111001110001000000⎛⎫ ⎪-- ⎪→ ⎪⎪⎝⎭B =得到同解的方程组的系数矩阵为B ,则有()()3r A r B ==, 5n =, ()2n r A -=故此方程组有两个自由未知量,选主元所在的未知量为独立未知量.即134,,x x x 为独立未知量,25,x x 为自由未知量.得到同解方程组134********x x x x x x x x x ++=--⎧⎪-=⎨⎪=⎩取251,0x x ==和250,1x x ==得基础解系为1(2,1,0,0,0)η=- , 2(2,0,1,0,1)η=-于是 0Ax =的一般解为 1122k k ηηη=+(其中12,k k 为任意实数)5结束语通过对该部分知识的研究和总结,我对矩阵的求秩问题有了更深刻的认识.激发了我对矩阵这部分知识的学习兴趣,同时我也认识到随着对知识的深入学习,在不久的将来,矩阵的秩将运用到更广泛的领域.参考文献[1]北京大学数学系几何与代数教研室前代数小组.高等代数(第三版)[M ].北京:高等教育出版社,2003.[2]张学元.线性代数能力试题题解.华中理工大学出版社[M].2003.[3]俞正光.线性代数与空间解析几何学习指导:典型例题精析.北京:科学出版社[M].2003。