矩阵秩的性质及矩阵秩与矩阵运算之间的联系
第3章 矩阵及其运算
第3章 矩阵及其运算 3.1 基本要求、重点难点 基本要求： 1．1．掌握矩阵的定义. 2．2．掌握矩阵的运算法则. 3．3．掌握伴随矩阵的概念及利用伴随矩阵求逆矩阵的方法. 4．4．掌握矩阵秩的概念及求矩阵秩的方法. 5．5． 掌握初等变换和初等矩阵的概念，能够利用初等变换计算矩阵的秩，求可逆矩阵的逆矩阵. 6．6．掌握线形方程组有解得判定定理及其初等变换解线形方程组的方法. 重点难点：重点是矩阵定义，矩阵乘法运算，逆矩阵的求法，矩阵的秩，初等 变换及线性方程组的解. 难点是矩阵乘法，求逆矩阵的伴随矩阵方法. 3.2 基本内容 3.2.1 3.2.1 重要定义 定义3.1 由n m ?个数)2,1;,2,1(n j m i a ij ==组成的m 行n 列的数表成为一个m 行n 列矩阵，记为 ????????????mn m m n n a a a a a a a a a 2122221 11211 简记为A n m ij a ?=)(，或A )(ij a =,n m A ?,mn A 注意行列式与矩阵的区别： （1） （1） 行列式是一个数，而矩阵是一个数表. （2） （2） 行列式的行数、列数一定相同，但矩阵的行数、列数不一定相 同. （3） （3） 一个数乘以行列式，等于这个数乘以行列式的某行（或列）的所有元素，而一个数乘以矩阵等于这个数乘以矩阵的所有元素. （4） （4） 两个行列式相等只要它们表示的数值相等即可，而两个矩阵相等则要求两个矩阵对应元素相等. （5） （5） 当0||≠A 时，||1A 有意义，而A 1 无意义.
n m =的矩阵叫做阶方阵或m 阶方阵.一阶方阵在书写时不写括号，它在 运算中可看做一个数. 对角线以下（上）元素都是0的矩阵叫上（下）三角矩阵，既是上三角阵， 又是下三角的矩阵，也就是除对角线以外的元素全是0的矩阵叫对角矩阵.在对角矩阵中，对角线上元素全一样的矩阵叫数量矩阵；数量矩阵中，对角线元素全是1的n 阶矩阵叫n 阶单位矩阵，常记为n E （或n I ），简记为E （或I ），元素都是0的矩阵叫零矩阵，记为n m 0?，或简记为0. 行和列分别相等的两个矩阵叫做同型矩阵，两个同型矩阵的且对应位置上的 元素分别相等的矩阵叫做相等矩阵. 设有矩阵A =n m ij a ?)(，则A -n m ij a ?-=)(称为A 的负矩阵. 若A 是方阵，则保持相对元素不变而得到的行列式称为方针A 的行列式，记 为||A 或A Det . 将矩阵A 的行列式互换所得到的矩阵为A 的转置矩阵，记为T A 或A '. 若方阵A 满足A A T =，则称A 为对称矩阵，若方阵A 满足A A T -=，则称A 为反对称矩阵. 若矩阵的元素都是实数，则矩阵称为实矩阵.若矩阵的元素含有复数，则称矩 阵为复矩阵，若A =n m ij a ?)(是复矩阵，则称矩阵n m ij a ?)(（其中ij a 为ij a 的共轭矩阵，记为A n m ij a ?=)(. 定义3.2 对于n 阶矩阵A ，如果存在n 阶矩阵B ，使得E BA AB ==，则 称方阵A 可逆，B 称为A 的逆矩阵，记做1-=A B . 对于方阵A n m ij a ?=)(，设ij a 的代数余子式为ij A ，则矩阵 *A ????????????=nm n n n n A A A A A A A A A 2122212 12111 称为A 的伴随矩阵，要注意伴随矩阵中元素的位置. 定义3.3 设有矩阵A ，如果： （1） （1） 在A 中有一个r 阶子式D 不为零.
矩阵的秩与行列式的几何意义
矩阵的秩与行列式的几何意义 这里首先讨论一个长期以来困惑工科甚至物理系学生的一个数学问题，即，究竟什么是面积，以及面积的高维推广（体积等）？ 1 关于面积：一种映射 大家会说，面积，不就是长乘以宽么，其实不然。我们首先明确，这里所讨论的面积，是欧几里得空间几何面积的基本单位：平行四边形的面积。平行四边形面积的定义，几何上说是相邻两边边长乘以他们之间的夹角的正弦。 然而为了应对更一般情形和更高维度的数理问题，我们有必要把面积的定义推广开来。注意到以下事实： 面积是一个标量，它来自于（构成其相邻边）两个矢量。因此，我们可以将面积看成一个映射： 其中V就是一个矢量，V*V代表两个矢量的有序对；f就是面积的值。 下面我们将说明这个映射是一个线性映射。 从最简单的例子出发。如果第一个矢量是（1，0），第二个矢量是（0，1）；也就是说，两个矢量分别是X和Y轴上的单位正向量，那么由这两个矢量张成的四边形就是一个正方形，其面积根据定义，就是长乘以宽=1*1=1。 因此有：
如果我们把第一个矢量”缩放“a倍，面积将会相应是原来的a倍；把第二个矢量“缩放”b倍，面积也会成为原来的b倍。如果同时缩放，很显然，面积将会变成原面积的ab倍。这表明，面积映射对于其两个操作数（矢量）的标量积是各自线性的，如下： 最后，我们要说明，面积映射对于其操作数（矢量）的矢量加法也是线性的。因为矢量加法操作的本身是线性的，那么其面积映射理应对此也是一个线性映射。这里我们打算从几个实际的例子出发，说明映射的加法线性性的后果。 显然（两个共线矢量所张成的平行四边形还是一条线，因此面积为0）： 假定面积映射是一个关于矢量加法的线性映射，那么我们有： 注意计算过程中用到了上面的结论。这说明：
关于矩阵秩的证明
关于矩阵秩的证明 -----09数应鄢丽萍 中文摘要 在高等代数中,矩阵的秩是一个重要的概念。它是矩阵的一个数量特征，而且在初等变换下保持不变。关于矩阵秩的问题,通常转化为矩阵是否可逆,线性方程组的解的情况等来解决。 所谓矩阵的行秩就是指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，由于矩阵的行秩与列秩相等，故统称为矩阵的秩。向量组的秩就是向量组中极大线性无关组所含向量的个数。 关键词：初等变换向量组的秩极大线性无关组
约定用E 表示单位向量，A T 表示矩阵A 的转置，r(A)表示矩阵A 的秩。在涉及矩阵的秩时，以下几个简单的性质： （1） r(A)=r(A T ); （2） r(kA)=? ??=≠0 00 )(k k A r （3） 设A,B 分别为n ×m 与m ×s 矩阵，则 r(AB)≤min{r(A),r(B),n,m,s} (4) r(A)=n,当且仅当A ≠0 (5) r ???? ??B O O A =r(A)+r(B)≤r ??? ? ??B O C A (6) r(A-B)≤r(A)+r(B) 矩阵可以进行加法，数乘，乘法等运算，运算后的新矩阵的秩与原矩阵的秩有一定关系。
定理1：设A,B 为n ×n 阶矩阵，则r(A+B)≤r(A)+r(B) 证: 由初等变换可得 ???? ??B O O A →???? ??B A O A →???? ??+B B A O A 即???? ??E E O E ???? ??B O O A ???? ??E E O E =??? ? ??+B B A O A 由性质5可得 r ???? ??B O O A =r ??? ? ??+B B A O A 则有r(A)+r(B)≥r(A+B) 定理2（sylverster 公式）设A 为s ×n 阶矩阵，B 为n ×m 阶矩阵，则有r(A)+r(B)-n ≤r(AB) 证：由初等变换可得 ???? ??O A B E n →? ??? ??-AB O B E n →???? ??-AB O O E n 即? ??? ??-s n E A O E ??? ? ??O A B E n ? ??? ? ?-m n E O B E ＝???? ??-AB O O E n 则r ???? ??O A B E n =r ??? ? ??-AB O O E n 即r(A)+r(B)-n ≤r(AB)
行(列)满秩矩阵的性质及其应用
摘要 本文将行（列）满秩矩阵的性质与可逆矩阵（即满秩矩阵）的相关性质进行比较，归纳出行（列）满秩矩阵在解线性方程组、矩阵秩的证明及矩阵分解等方面的若干应用，使其不受方阵的正方性限制，而应用起来又与可逆矩阵相差无几。 关键词：可逆矩阵；行(列)满秩矩阵；矩阵的秩；线性方程组
Abstract This article will row (column) the nature of the full rank matrix and invertible matrix (i.e. full rank matrix) properties of comparison, induction travel (column) full rank matrix in solving linear equations, the proof of matrix rank and some applications of matrix decomposition, etc.to make it without being limited by a phalanx of tetragonality, and used up and reversible. Key words: Invertible matrix; Row (column) full rank matrix; Matrix rank; The System of linear equations.
目录 1 引言 (1) 2 预备知识 (2) 3 可逆矩阵的性质及其应用 (3) 4 行（列）满秩矩阵的性质 (5) 5 行（列）满秩矩阵的若干应用 (11) 5.1 在矩阵秩的证明中的应用 (11) 5.2 在齐次线性方程组中的应用 (12) 5.3 在非齐次线性方程组中的应用 (15) 5.4 在几类特殊矩阵分解方面的应用 (17) 参考文献 (20)
矩阵的秩的相关不等式的归纳小结
矩阵的秩的相关不等式的归 纳小结 -标准化文件发布号：（9556-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
矩阵的秩的相关不等式的归纳小结 林松 （莆田学院数学系，福建，莆田） 摘要：利用分块矩阵，证明一些矩阵的秩的相关不等式，观察矩阵在运算后秩的变化，归纳出常见的有关矩阵的秩的不等式，由此引出等式成立的条件。 关键词：矩阵的秩，矩阵的初等变换 引言：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。利用分块矩阵，把子式看成元素，可将高阶矩阵的运算化为较低阶矩阵的运算，也为矩阵的秩的一些常见不等式的证明带来了方便。本文将讨论矩阵的秩的一些常见不等式，并由此引出一些秩的不等式等号成立的等价条件。 一基本的定理 1 设A是数域P上n m ?矩阵，于是 ?矩阵，B是数域上m s 秩（AB）≤min [秩（A），秩（B）]，即乘积的秩不超过个因子的秩 2设A与B是m n ?矩阵，秩（A±B）≤秩（A）+秩（B） 二常见的秩的不等式 1 设A与B为n阶方阵，证明若AB = 0，则 r(A) + r(B) ≤ n 证：设r(A) = r,r(B )= s,则由AB = 0，知，B的每一列向量都是以A为系数方阵的齐次线性方程组的解向量。 当r = n时，由于该齐次方程组只要零解，故此时 B = 0，即此时r(A) = n，r(B) = 0,结论成立。 当r〈 n 时，该齐次线性方程组的基础解系中含n-r个向量，
从而B 的列向量组的秩≤n-r,即r （B ）≤ n-r 所以 r(A) + r(B) ≤ n 2设A 为m n ?矩阵，B 为n s ?矩阵，证明不等式r(AB)≤r(A)+r(B)-n 证：设E 为n 阶单位矩阵， S E 为S 阶单位方阵，则由于 000S E B A AB A E E E B ??????= ? ? ?-?????? 而 0S E B E ?? ?-?? 可逆，故 r(A)+r(B) ≥ 秩 0A E B ?? ? ?? =秩 0A AB E ?? ???=秩 0 0AB E ?? ??? =r(AB)+r(E) =r(AB)+n 从而r(AB) ≥ r(A) + r(B) - n 3设A ，B 都是n 阶方阵，E 是n 阶单位方阵，证明 秩（AB-E ）≤秩（A-E ）+秩（B-E ） 证：因为0A E B E B E --?? ? -??00B E ?? ???00AB E B E -?? = ?-?? 故秩（AB-E ）≤秩00AB E B E -?? ?-??≤秩0A E B E B E --?? ?-?? =秩（A-E ）+秩（B-E ） 因此 秩（AB-E ）≤秩（A-E ）+秩（B-E ） 4 设A ，B ，C 依次为,,m n n s s t ???的矩阵，证明 r(ABC) ≥ r(AB) + r(BC) - r(B)
第3讲矩阵的秩与矩阵的初等变换.
§1.3 矩阵的秩与矩阵的初等变换 主要问题：1. 自由未知数个数的唯一性 2. 相抵标准形的唯一性 3. 矩阵秩的性质 4. 满秩矩阵的性质 一、矩阵的秩 定理矩阵用初等行变换化成的阶梯形矩阵中，主元的个数（即非零行的数目）唯一。 定义矩阵A 用初等行变换化成的阶梯形矩阵 中主元的个数称为矩阵A的秩，记为秩（A）或r（A）例求下述矩阵的秩 2 1 0 3 12 3 1 2 1 01 A 4 1 6 3 58 2 2 2 6 16
2 1 0 3 1 2 3 1 2 1 0 1 A 4 1 6 3 5 8 2 2 2 6 1 6 R4 ( 1)R1 2 1 0 3 1 2 R3 ( 2)R1 R2 ( 1)R1 1 2 2 2 1 1 0 3 6 9 3 4 0 1 2 3 2 8 1 2 2 2 1 1 R2 R1 2 1 0 3 1 2 0 3 6 9 3 4 0 1 2 3 2 8 1 2 2 2 1 1 R2 ( 2)R1 0 5 4 7 3 4 0 3 6 9 3 4 0 1 2 3 2 8 1 2 2 2 1 1 R2 R4 0 1 2 3 2 8 0 3 6 9 3 4 0 5 4 7 3 4
所以秩(A) = 4 o | 性质 (1) 秩(A) = 0当且仅当 A = 0 ⑵秩(A m n ) min{ m , n} (3)初等行变换不改变矩阵的秩。 定义设A 是n 阶方阵。若秩(A) = n ,则称A 是满秩方阵；若 秩(A) < n ,则称A 是降秩方阵。 定理 满秩方阵只用初等行变换即可化为单位 方阵。 R 4 ( 5)R 2 R 3 3R 2 1 2 2 2 1 0 1 2 3 2 0 0 0 0 3 1 8 20 0 0 6 8 13 44 01 0 0 6 8 13 44 0 0 0 0 3 20 R 3
矩阵的秩及其求法求秩的技巧
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 =
矩阵的秩与行列式的几何意义
矩阵的秩与行列式的几何意义 2016年7月16日16:39:30 1 关于面积：一种映射 大家会说，面积，不就是长乘以宽么，其实不然。我们首先明确，这里所讨论的面积，是欧几里得空间几何面积的基本单位：平行四边形的面积。平行四边形面积的定义，几何上说是相邻两边边长乘以他们之间的夹角的正弦。 然而为了应对更一般情形和更高维度的数理问题，我们有必要把面积的定义推广开来。注意到以下事实： 面积是一个标量，它来自于（构成其相邻边）两个矢量。因此，我们可以将面积看成一个映射： 其中V就是一个矢量，V*V代表两个矢量的有序对；f就是面积的值。 下面我们将说明这个映射是一个线性映射。 从最简单的例子出发。如果第一个矢量是（1，0），第二个矢量是（0，1）；也就是说，两个矢量分别是X和Y轴上的单位正向量，那么由这两个矢量张成的四边形就是一个正方形，其面积根据定义，就是长乘以宽=1*1=1。 因此有： 如果我们把第一个矢量”缩放“a倍，面积将会相应是原来的a倍；把第二个矢量“缩放”b倍，面积也会成为原来的b倍。如果同时缩放，很显然，面积将会变成原面积的ab倍。这表明，面积映射对于其两个操作数（矢量）的标量积是各自线性的，如下：
最后，我们要说明，面积映射对于其操作数（矢量）的矢量加法也是线性的。因为矢量加法操作的本身是线性的，那么其面积映射理应对此也是一个线性映射。这里我们打算从几个实际的例子出发，说明映射的加法线性性的后果。 显然（两个共线矢量所张成的平行四边形还是一条线，因此面积为0）： 假定面积映射是一个关于矢量加法的线性映射，那么我们有： 注意计算过程中用到了上面的结论。这说明： 也就是说，交换相互垂直操作数矢量的顺序，面积映射取负。孰正孰负取决于认为的定义。一般，我们把X轴单位矢量在前，Y轴单位矢量在后，从X轴到Y 轴张成的一个平行四边形的面积，取做正号。 1.1 右手定则 由此我们引入右手定则。注意右手定则只在三维空间中有效。如果以X正方向为首，Y正方向为尾，右手定则告诉我们，纸面向外是面积的正方向；如果反过来，那么纸面向内就是该面积的正方向，与规定的正方向相反，取负号。那么面积正负号的几何意义就明显了。 由此，我们不难得到平面内任意两个矢量所张成的平行四边形的面积（*）： 我们不难看到，所谓面积就是一个2x2矩阵的行列式：
矩阵的秩的性质
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 r a n k A r a n k =，)()()(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 ??≥+ ???
(线性代数)矩阵秩的8大性质、重要定理以及关系
矩阵秩的8大性质: ①A,宀)冬mini加小I ; ③若A?叭则R(A) = K(B)j ④若可逆?则R(PAQ) = R(A), 下面再介绍几个常用的矩阵秩的性质： ⑤maxi R( A )>R(B)|^J R(A t B)^J R(A) + P (B), 特别地，当 B = b为非零列向量时，有 R(A)MR(A』)MR(A)+ 1. ⑦R(AB)^min{K(A)t K(B)|,(见下节定理7) ⑧若A…B“二0,则R(A) + R(B)Mm(见下章例13) 设AB= O■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解方gAX=￡有解的充分必要条件是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 j￡^A=(a H fl J1? 《高等代数与解析几何》概念复习 第一章向量代数 （向量（vector）），（向量的长度（模）），（零向量（zero vector）），（负向量），（向量的加法（addition）），（三角形法则），（平行四边形法则），（多边形法则），（减法），（向量的标量乘积（scalar multiplication））,（向量的线性运算），线性组合（linear combination），线性表示，线性相关（linearly dependent），线性无关（linearly independent），（原点（origin）），（位置向量（position vector）），（线性流形（linear manifold）），（线性子空间（linear subspace））；基（basis），仿射坐标（affine coordinates），仿射标架（affine frame），仿射坐标系（affine coordinate system），（坐标轴（coordinate axis）），（坐标平面），（卦限（octant）），（右手系），（左手系），（定比分点）；（线性方程组（system of linear equations）），（齐次线性方程组（system of homogeneous linear equations）），（行列式（determinant））；n维向量，向量的分量（component），向量的相等，和向量，零向量，负向量，标量乘积，n维向量空间（vector space），自然基，（行向量（row vector）），（列向量（column vector））；单位向量（unit vector），直角坐标系（rectangular coordinate system），直角坐标（rectangular coordinates），射影（projection），向量在某方向上的分量，（正交分解），（向量的夹角），内积（inner product），标量积（scalar product），（数量积），（方向的方向角），（方向的方向余弦）；外积（exterior product），向量积（cross product），（二重外积）；混合积（mixed product，scalar triple product） 第二章行列式 （映射（mapping）），（象（image）），（一个原象（preimage）），（定义域（domain）），（值域（range）），（变换（transformation）），（单射（injection）），（象集），（满射（surjection）），（一一映射，双射（bijection）），（原象），（映射的复合，映射的乘积），（恒同映射，恒同变换（identity mapping）），（逆映射（inverse mapping））；（置换（permutation）），（n阶对称群（symmetric group）），（对换（transposition）），（逆序对），（逆序数），（置换的符号（sign）），（偶置换（even permutation）），（奇置换（odd permutation））；行列式（determinant），矩阵（matrix），矩阵的元（entry），（方阵（square matrix）），（零矩阵（zero matrix）），（对角元），（上三角形矩阵（upper triangular matrix）），（下三角形矩阵（lower triangular matrix）），（对角矩阵（diagonal matrix）），（单位矩阵（identity matrix）），转置矩阵（transpose matrix），初等行变换（elementary row transformation），初等列变换（elementary column transformation）；（反称矩阵（skew-symmetric matrix））；子矩阵（submatrix），子式（minor），余子式（cofactor），代数余子式（algebraic cofactor），（范德蒙德行列式（Vandermonde determinant））；（未知量），（方程的系数（coefficient）），（常数项（constant）），（线性方程组的解（solution）），（系数矩阵），（增广矩阵（augmented matrix）），（零解）；子式的余子式，子式的代数余子式 矩阵，行列式, 秩, 相关计算： 例 ： 已知矩阵211121112A ?? ?= ? ??? ，且A 与矩阵X 满足112AXA XA I --=+，求X 。 例：已知3阶方阵 123023003A ?? ?= ? ??? ，计算行列式 6A I *+。 例：已知32212232,26223A B ?? -?? ? == ? ?-?? ? ?? ，求行列式 10 2A B - 例： 证明：若n 阶方阵A ,B ,C 满足：AB =AC ,B ≠C ，则A 不满秩。 例： 举例说明：由AB =AC ,A ≠0不能导出B =C 。 例 对于n 阶方阵A, 求证: r(A n )=r(A n+1) 例 A 和伴随阵的秩的关系。 方程组及其求解： 例： 对下列线性方程组 ??? ??=++=++=++2 321 3213211a ax x x a x ax x x x ax 试讨论：当a 取何值时，它有唯一解？无解？有无穷多解？并在有无穷多解时求其通解。（用导出组的基础解系表示通解） 例：已知线性方程组 123123123123121(1)2(1)3 ax x x x x ax x x x a x x a x -++=-?? ++=-?? ++=-??-+++=-? 问参数a 取何值时，上述方程组无解？有唯一解？有无穷多解 例： 已知A 是n m ?矩阵，m n >，m A =)(r ，B 是)(m n n -?矩阵， m n B -=)(r ，且 0=AB 。证明：B 的列向量组为线性方程组0=AX 的一 个基础解系。 例：设有齐次线性方程组 （I ） 12312300 ax x x x ax x ++=?? ++=? （II ） 1230x x ax ++= （III ） 1231231 23000 ax x x x ax x x x ax ++=?? ++=??++=? 已知方程组（I ）的解都是方程组（II ）的解， （1）证明：方程组（I ）与方程组（III ）的同解； （2）证明：方程组（III ）有非零解； （3）求参数a 的值。 例：已知4阶方阵43214321,,,),,,,(αααααααα=A 均为4元列向量，其中432,,ααα线性无关，3212ααα-=。 二、矩阵的秩 1．定义2.10 m×n阶矩阵A的行秩、列秩，统称为矩阵A的秩，记作r(A) 注1°0≤r(A)≤min 2°r(A)=m称A为行满秩矩阵 r(A)=n称A为列满秩矩阵 行满秩或列满秩，统称为满秩矩阵。 3°看例1，只要将A化为阶梯形，知道行秩即可得矩阵的秩，即 由B的行向量值，知道行秩为2，∴ 2．矩阵秩的判断定理 引 n个n维向量的相关与无关，可以通过构成的n阶行列式是否为零来判断。 矩阵的秩是否也可以通过矩阵中元素构成的行列式来讨论呢？这就是下面要阐述的判断定理。 (1)矩阵A的k阶子式 行列式的k阶子式的概念同样可以运用到矩阵上来。即： 在矩阵中，任取k行，k列，位于这些行列交叉处的个元素按原来顺序组成的一个k阶行列式N，称为矩阵A的一个k阶子式。 (2)引理 矩阵A有r阶子式不为零，则r(A)≥r 证明 不妨设A的前r行、r列构成的r阶子式 则 …… 线性无关 又为，，…，增维所得。 由“无关增维仍无关”，则线性无关。 ∴ r(A)≥r (3)定理2.12 证明 1°设 ∴ A的行向量中一定有r个线性无关，设为，由其构成矩阵 则的列秩为r，必有r个列向量线性无关。不妨设线性无关 所以 即至少有一个r阶子式不为0。 2°仅证 r+1阶子式都为0 设有r+1阶子式不为0，由引理r(A)=r+1，矛盾。 首先所有r+1阶子式都为0， 由行列式展开定理，任意大于r+1阶的子式也为0。 有r阶子式不为0 由引理r(A)≥r 如果，由“ ”的证明必有阶子式不为0，矛盾。 ∴ * 一个矩阵通过初等变换，化阶梯形来确定矩阵的秩的方法，可以从定理2.12处再次找到依据。 看例1 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a 1，…,a s. 设A经过1型初等行变换变成矩阵B， 则B的行向量组是a 1，…,a i ,ka i +a j ,…,a s .显然a 1 ，…,a i ,ka i +a j ,…,a s 可以 由a 1，…,a s 线性表处。由于a j =1*(ka i +a j )-ka i ,因此a 1 ，…,a s 可以由 a 1，…,a i ,ka i +a j ,…,a s 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。 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（），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、， 4、设A是矩阵，B为矩阵，则 5、设A是矩阵，P,Q分别是s,n阶可逆矩阵，则 6、设A是矩阵，B为矩阵，且AB=0，则 7、设A是矩阵，则 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， 则方程组有惟一非零解，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，惟一解， 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、 12、 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，设A经过初等变换j+i*k变成矩阵B，则B 的行向量组是，显然， 可由线性表出，由于，因此也可由线性表出，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，型和型初等变换亦使所得矩阵的行向量组与原矩阵等价， 第四章 自测题 一、 判断题 1. A ,B 是n 阶方阵，则. （ ） ))((22B A B A B A ?+=? 2. A ,B 是n 阶方阵，则BA AB =. （ ） 3. A ,B 是n 阶方阵，则B A B A +=+. （ ） 4. A ,B 是n 阶可逆方阵， 且BA AB =,则. （ ） 111)(???=B A AB 5. A 是可逆方阵，则1*≤A ，其中是*A A 的伴随矩阵. （ ） 6. a 是一个数，是n 阶单位矩阵，则n E n n E a aE = . （ ） 7. 若A 是幂零矩阵 （即）则正整数k A k ,0=A ＝0. （ ） 8. A 是退化方阵， 则,(是0*=AA *A A 的伴随矩阵). （ ） 9. A ,B 是n 阶方阵,若,则0=AB 0=A 或0=B . （ ） 二、填空题 1．设A 是矩阵，n m ×B 是矩阵，则s n ×AB 是_____行_____列矩阵. 2．阶方阵n A 可逆的充分必要条件是A 的行列式A =_____可逆时=_____. 1?A 3．，则?????? ????????=6416412793184211111A A 的秩为_____. 4．A ,B 为可逆方阵，则方阵的逆方阵=_____. ??????? ?=00B A C 1?C 5．设A ,B 是阶方阵，如存在可逆矩阵,使n Q P ,B PAQ =，则A 与B 的秩_____. 6．，，则)2,0,1(=A ???? ????????=345B AB =_____,BA =_____. 7．，则=_____. 12)(2+?=λλλf ???? ??????=211210001A )(A f 8．A 是n 阶方阵，是*A A 的伴随矩阵，则=_____. *AA * * * * 学院 学生毕业论文 （ 2012 届） 题目（中文）矩阵的秩的性质与应用 （英文）The properties and applications of matrix rank 专业：数学与应用数学班级：姓名：学号: 指导教师： ****学院教务处制 ****学院教务处制 诚信声明 我声明，所呈交的毕业论文是本人在老师指导下进行的研究工作及取得的研究成果.据我查证，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，我承诺，论文中的所有内容均真实、可信. 毕业论文作者签名：签名日期：年月日 摘要：本文探讨了矩阵的秩的不变性，矩阵秩的Sylvester与 Frobenius 不等式及其等式成立的条件及应用，矩阵秩与矩阵运算的关 系，与矩阵可逆的关系，与向量组的线性相关、与零特征值代数重数的关系等一些性质．从而得到矩阵的秩在线性代数方面，解析几何，概率论等中的应用． 关键词：矩阵秩；矩阵秩不变性；矩阵秩不等式；矩阵秩恒等式； 线性方程组；零特征值代数重数；齐次线性方程组 Abstract: This article discuss the invariant of matrix rank, Sylvester and Frobenius inequality and the condition of its equality, and the relationship of matrix operations and matrix rank, the relation ship of invertible matrix and matrix rank, and the vectors of linear correlation, and zero Eigen valu e algebra and heavy number relation and so on. Thus we can obtain the rank of matrix’s applicatio n in linear algebra, analytic geometry, probability theory and so on. Keyword: matrix rank; invariance of matrix rank; rank of matrix inequalities; rank of matrix equal ities; linear equations; zero Eigen value algebra and heavy number; homogeneous linear equations . 目录 1 矩阵秩的性质 (2) 1.1矩阵的秩的不变性.......................................................................................... 2 1.2 矩阵的秩的一些基本性质........................................................................... 7 1.3矩阵的秩与矩阵的运算.................................................................................. 7 1.4 关于矩阵的秩的一些不等式等式及其应用................................................. 8 1.5 矩阵的秩与可逆........................................................................................... 12 矩阵的秩与特征值有什么关系 为讨论方便，设A为m阶方阵。 证明：设方阵A的秩为n，因为任何矩阵都可以通过一系列初等变换，变成形如 1 0 ... 0 0 0 1 ... 0 0 ………………… 0 0 ... 1 0 0 0 ... 0 0 ………………… 0 0 ... 0 0 的矩阵，称为矩阵的标准形（注：这不是二次型的对称矩阵提到的标准形）。本题讨论的是方阵，就是可以通过一系列初等行变换的标准形为主对角线前若干个是1；其余的是若干个0以及除对角线以外的元素都是0。 设A的标准形为B。 因为“m×m阶矩阵构成的数域P上的线性空间”与“该线性空间上的全体线性变换在数域P上的线性空间”同构。所以研究得到线性空间的性质可以照搬到线性变换空间上应用，从同构的意义上说，他们是“无差别”的。（由于线性变换符号的字体不能单独以花体字体区别，所以用形如“线性变换A”，表示线性变换用形如“矩阵A”，表示线性变换的矩阵） 前面知识应该提到的内容： 一系列初等矩阵的乘积是非退化的，初等变换不改变矩阵的秩，初等变换是可逆的。所以矩阵B的秩（1的个数），就是矩阵A的秩，就是n。因为可逆且不改变秩，所以讨论矩阵B的情况，可以应用到矩阵A上。我们随即看到，如果线性变换B（或者说矩阵B）的秩是n，则线性变换B就是对线性空间的前n个基做恒等映射（因为基向量组没有秩序，我们取前n个不会有原则性的问题），后m-n个基做零变换，所构成的线性变换，线性变换B的特征多项式是(λ-1)^n，就可以快速找到n个线性无关的特征向量，这些特征向量直接取线性空间的前n 个基就可以了。 我们得到的结论是，线性变换B秩是多少，就一定找到有多少个线性无关的特征向量。因为一个特征向量只能属于一个特征值，所以有多少个线性无关的特征向量，就有多少个特征值（不管你的特征值是不是一样）。这里有n个1，都是一样的（从特征多项式也知道有n个重根）。因为非退化的线性替换不改变空间的维数，不改变矩阵的秩。 下面我们解释重根为什么按重数计算，对矩阵B做初等行变换，第i行乘以数域P上的数k≠1（当然，如果k=1纯属脱裤子放屁），我们的特征多项式变为(λ-1)^(n-1)*(λ-k)，其它初等变换相应类推。 借用学物理的思维，一个变换莫测的关系中，寻找守恒量是什么？这个是有意义的。而做这样的非退化的线性变换变换，虽然特征值会随之改变，但是守恒量是一定能找到n个线性无关的特征向量，其个数就是矩阵B（线性变换B）的秩是不变的。这样我们就发现了守恒量，至于属于不同特征向量的特征值是否相等，纯属巧合，无意义。有多少个碰巧相等的都无所谓，有多少个相等（相当于特征多项式的几次方），就当然重复计算。矩阵的秩与矩阵的运算
矩阵,行列式, 秩, 相关计算
子式和秩的关系
矩阵的秩的性质以及矩阵运算和矩阵的秩的关系
矩阵的秩的性质
矩阵的秩与矩阵的运算自测题
矩阵的秩的性质与应用论文1
矩阵的秩与特征值有什么关系