矩阵的秩及其求法-求秩的技巧

合集下载

求矩阵的秩的三种方法实用2份

求矩阵的秩的三种方法实用2份

求矩阵的秩的三种方法实用2份求矩阵的秩的三种方法 1矩阵的`运算:矩阵的最基本运算包括矩阵加(减)法,数乘和转置运算。

被称为“矩阵加法”、“数乘”和“转置”的运算不止一种。

给出m×n矩阵 A 和B,可定义它们的和 A + B 为一m×n 矩阵,等i,j 项为(A + B)[i, j] = A[i, j] + B[i, j]。

举例:另类加法可见于矩阵加法。

若给出一矩阵A 及一数字c,可定义标量积cA,其中(cA)[i, j] = cA[i, j]。

例如这两种运算令M(m, n, R) 成为一实数线性空间,维数是mn.若一矩阵的列数与另一矩阵的行数相等,则可定义这两个矩阵的乘积。

如A 是m×n 矩阵和B 是n×p矩阵,它们是乘积AB 是一个m×p 矩阵,其中(AB)[i, j] = A[i, 1] * B[1, j] + A[i, 2] * B[2, j] + . + A[i, n] *B[n, j] 对所有i 及j。

例如此乘法有如下性质:(AB)C = A(BC) 对所有k×m 矩阵A, m×n 矩阵 B 及n×p 矩阵 C (“结合律").(A + B)C = AC + BC 对所有m×n 矩阵 A 及 B 和n×k 矩阵 C ("分配律")。

C(A + B) = CA + CB 对所有m×n 矩阵 A 及 B 和k×m 矩阵 C ("分配律")。

要注意的是:可置换性不一定成立,即有矩阵A 及B 使得AB ≠ BA。

对其他特殊乘法,见矩阵乘法。

求矩阵的秩的三种方法 2矩阵的运算:矩阵的最基本运算包括矩阵加(减)法,数乘和转置运算。

被称为“矩阵加法”、“数乘”和“转置”的运算不止一种。

给出m×n 矩阵 A 和B,可定义它们的和 A + B 为一m×n 矩阵,等i,j 项为(A + B)[i, j] = A[i, j] + B[i, j]。

高等代数3.4 矩阵的秩

高等代数3.4 矩阵的秩

由引理,这个方程的系数矩阵
a11 a21 ar1
a12

a1n
a22 a2n

ar 2 arn

,
的行秩 r . 因此在它的行向量中可以找到 r 个是
线性无关的,不妨设为
(a11, a21,, arபைடு நூலகம்) , (a12 , a22 ,, ar2 ) ,
x11 + x22 + … xrr = 0
只有零解,这也就是说,齐次线性方程组
a11x1 a21x2 ar1xr 0 ,

a12
x1


a22 x2 ar2 xr

0
,
a1n x1 a2n x2 arn xr 0 ,
只有零解.
ain
)

i

ai1 a11
1
,
i 2,, n .
由 | A | = 0 可知 n - 1 级矩阵
a22 a2n


an 2 ann
的行列式为零. 根据归纳法假定,这个矩阵的行向
量组线性相关. 因而向量组
2

a21 a11
1
,
3

a31 a11
1
, ,n

an1 a11
1
线性相关,这就是说,有不全为零的数 k2 , … , kn
使
k2
( 2

a21 a11
1)



kn
( n

an1 a11
1)

0
.
改写一下,有

矩阵的秩

矩阵的秩

若r ( A) m, 则称A为行满秩;
若r ( A) n, 则称A为列满秩.
若r ( A) m n, 则称A为满秩.
(2) r( AT ) r( A) ; r(kA) r( A) ( k 0 ); (3) 若 A 有一个 r 阶子式不为零,则 r( A) r ;
若 A 的所有 r 1 阶子式全为零,则r( A) r ; (4) 对于 n 阶方阵 A 而言,有 r( A) n | A | 0 ;
10
2 1 0 3 2
例3
求矩阵
B
0 0
0
3 0
1 0
2 4
5 3
的秩.
0 0 0 0
解 B是一个阶梯形矩阵,其非零行有3行,
r(B) 3 .
11
3 2 0 5 0
例4

A
3 2 1
2 0 6
3 1 4
6 5 1
413, 求 矩 阵 A 的 秩 .

A
r1 r4
1 3 2
类似有矩阵的初等列变换 .
矩阵的初等行变换和初等列变换合称为矩阵的 初等变换.
定理 矩阵的初等变换不改变矩阵的秩. 证略. 7
阶梯形矩阵
若矩阵的每行第一个非零元的下方及左下方全为零,
则称之为阶梯形矩阵.
例如, 2 3 2 0 4
0 1 2 5 0
0 0
0 0
7 0
1 0
3 0
1 2 0 0 2
§2.6
1
一、矩阵的秩的概念
定义 在一个 m n 矩阵 A 中任意选定 k 行 k 列(k , min{ m , n}) 位于这些选定的行和列的交点上的k 2 个元
素按原来的顺序所组成的 k 阶行列式,称为 A 的一个 k 阶 子式.

矩阵的秩的运算法则

矩阵的秩的运算法则

矩阵的秩的运算法则矩阵的秩是线性代数中一个重要的概念,它可以帮助我们判断矩阵的性质和解决一些实际问题。

在矩阵的秩的运算中,有一些基本的法则和规则,下面我将为大家介绍一下。

首先,我们需要明确什么是矩阵的秩。

矩阵的秩是指矩阵中线性无关的行或列的最大个数。

换句话说,矩阵的秩就是矩阵中非零行或非零列的最大个数。

我们用r(A)表示矩阵A的秩。

接下来,我们来看一下矩阵的秩的运算法则。

首先是矩阵的加法。

如果两个矩阵A和B的秩相等,即r(A) = r(B),那么它们的和矩阵A + B的秩也相等,即r(A + B) = r(A) = r(B)。

这个法则告诉我们,矩阵的秩在加法运算中是保持不变的。

其次是矩阵的乘法。

如果两个矩阵A和B相乘,那么它们的秩满足以下关系:r(AB) ≤ min{r(A), r(B)}。

也就是说,两个矩阵相乘后的秩不会超过原矩阵的秩的较小值。

这个法则告诉我们,矩阵的秩在乘法运算中是有限制的。

再次是矩阵的转置。

如果矩阵A的秩为r(A),那么它的转置矩阵A^T的秩也为r(A^T) = r(A)。

这个法则告诉我们,矩阵的秩在转置运算中是保持不变的。

最后是矩阵的行变换。

对于一个矩阵A,我们可以进行一系列的行变换,如交换两行、某一行乘以一个非零常数、某一行加上另一行的若干倍等。

这些行变换不会改变矩阵的秩。

也就是说,经过行变换后的矩阵与原矩阵的秩相等。

综上所述,矩阵的秩的运算法则包括矩阵的加法、乘法、转置和行变换。

在矩阵的加法中,秩保持不变;在矩阵的乘法中,秩有一定的限制;在矩阵的转置中,秩保持不变;在矩阵的行变换中,秩也保持不变。

矩阵的秩的运算法则在线性代数的学习和应用中起着重要的作用。

通过运用这些法则,我们可以更好地理解和分析矩阵的性质,解决实际问题。

同时,这些法则也为我们提供了一些计算矩阵秩的方法和技巧,使我们能够更加高效地进行矩阵的秩运算。

总之,矩阵的秩的运算法则是线性代数中的重要内容,它们帮助我们理解和分析矩阵的性质,解决实际问题。

求矩阵的秩的步骤

求矩阵的秩的步骤

矩阵秩的计算方法:将矩阵A按初等行数变换为梯形矩阵B,梯形矩阵B的非零行数即为矩阵A的秩。

在线性代数中,矩阵A的列秩是A的线性独立列数的最大值,类似地,行秩是A的线性独立的水平行数的最大值,一般说来,如果将矩阵看作行向量或列向量,则秩是这些行向量或列向量的秩,即包含在最大不相关群中的向量的个数。

矩阵秩的性质;
1.矩阵的行秩、列秩、秩均相等。

2.初等变换不改变矩阵的秩。

3.矩阵Rab<=min{Ra,Rb}乘积的秩。

4.如果p和q是可逆矩阵,则r(PA)=r(A)=r(AQ)=r(PAQ)。

5.当r(A)<=n-2时,最高阶非零子公式的阶数<=n-2,n-1阶子公式为零,而伴随矩阵中的每个元素都是n-1阶子公式加一个符号,所以伴随矩阵是零矩阵。

6.当r(A)<=n-1时,最高阶非零子公式的阶数为<=n-1,因此n-1
阶子公式可能不为零,因此伴随矩阵可能为非零(等号成立时伴随矩阵必须为非零)。

矩阵秩的定义以及求法

矩阵秩的定义以及求法

矩阵秩的定义以及求法好的,以下是为您创作的关于“矩阵秩的定义以及求法”的科普文章:---当我们听到“矩阵秩”这个词时,可能会觉得它像个神秘的密码,让人摸不着头脑。

但别担心,让我们一起来揭开它神秘的面纱。

想象一下,你正在参加一场盛大的派对。

派对上的人们站成了一排排、一列列,形成了各种各样的队形。

这些队形就像是矩阵,而矩阵的秩,就好比是这个队形的“稳固程度”或者说“独特程度”。

比如说,大家站成了一排整齐的直线,这是一种比较简单、平凡的队形。

但如果大家一会儿组成一个三角形,一会儿又组成一个复杂的多边形,那这种队形就显得更加独特和有“内涵”。

在矩阵中,秩就是用来衡量这种“独特性”和“复杂程度”的指标。

那么,从数学的角度来说,矩阵的秩到底是什么呢?简单来讲,矩阵的秩就是矩阵中线性无关的行向量或者列向量的最大个数。

有点抽象?没关系,我们来举个例子。

假设有一个矩阵:\[\begin{pmatrix}1 &2 &3 \\2 & 4 & 6 \\3 & 6 & 9\end{pmatrix}\]我们可以通过一系列的操作来求它的秩。

首先,我们发现第二行是第一行的 2 倍,第三行是第一行的 3 倍。

这就意味着第二行和第三行都可以由第一行通过线性组合得到。

所以,真正“独立”、“有个性”的行向量只有第一行。

因此,这个矩阵的秩就是 1。

那怎么求矩阵的秩呢?通常有两种常见的方法,一种是通过初等行变换把矩阵化为行阶梯形,另一种是利用矩阵的行列式。

初等行变换就像是给矩阵做“整形手术”,把它变得更加“标准”和“好看”,直到我们能一眼看出它的秩。

而行列式呢,如果一个矩阵的行列式不为零,那么它的秩就等于它的行数(或者列数)。

矩阵的秩在现实生活中有很多神奇的应用。

比如说在通信领域,信号的传输和处理就常常涉及到矩阵的秩。

想象一下手机信号在空间中传播,这些信号可以用矩阵来表示,而矩阵的秩就能帮助工程师们判断信号的稳定性和有效性,从而优化通信质量,让我们的通话更加清晰,网络更加流畅。

第三节矩阵的秩


1 0 3 6
1 2 3 4 1 0 5 1
r2 2 r1 r3 2 r1
r4 3 r1
1 0 0 0
2 0 0 0
2 4 2 61 2 1 3r2 2 r3 r 2
r4 3 r2
1 0 0 0 1 0 0 0
1 2 r2 r3 3 0 ~ r1 2 r 2 0 0
0 1 0 0
1 3 2 3 0 0
0 0 1 0
16 9 1 9 , 1 3 0
最后一个行阶梯形矩阵具有下述特性: 每一个非零行的第一个非零元素均为1,且含这些元素的 列的其它元素都为0. 这个矩阵称为矩阵A的行最简形
4 3 1 0
1 1 5 5
4 1 3 0
r1 r4 r2 r4 r3 2 r1 r4 3 r1
1 0 0 0
6 4 12 16
4 3 9 12
1 1 7 8
1 11 12 4
矩阵I称为A的标准形,其特点是:I的左上角是一个r 阶单位阵 ( r R ( A )), 其它元素都是0. 可见若 A ~ B , 则A与B有相同的标准形.
特别地,当A为n阶方阵且 A 0 时, 可知 R ( A ) n , 故A的标准形为单位阵E,即 A ~ E . 因此称行列式值 不为零的方阵为满秩方阵; 称行列式值为零的方阵为 降秩方阵
从这个行阶梯形矩阵不仅可看出矩阵的秩. 继续施行 初等行变换,还可化为最简单的形式:
1 0 0 0 2 3 0 0 1 2 0 0 0 2 3 0 2 1 1 0
1 1 r2 0 3 ~ 1 r3 3 0 0

矩阵的秩


与列秩相等.
3. 矩阵的秩 把矩阵的行秩和列秩统称为矩阵的秩.
首页 上页 下页 返回 结束
13
二、矩阵的秩与行列式的关系
1. 齐次线性方程组有非零解的充要条件
定理 5
n n 矩阵
a11 a21 A a n1
a12 a22 an 2
a1n a2 n ann
, ar 2 , ar 1,2 ,
, as 2 ) ,
,(a1r ,
, arr , ar 1,r ,
也线性无关. 它们正好是矩阵 A 的 r 个列向量, 由
它们的线性无关性可知矩阵 A 的列秩 r1 至少是 r , 也就是说 r1 r . 用同样的方法可证 r r1 . 这样就证明了行秩
ar 1 xr 0 , ar 2 xr 0 , arn xr 0 ,
11
只有零解. 由引理,这个方程组的系数矩阵
首页 上页 下页 返回 结束
a11 a12 a1n
a21 a22 a2 n
ar 1 ar 2 , arn
的行秩 r . 因此在它的行向量中可以找到 r 个是 线性无关的,不妨设为
a11 x1 a12 x2 a x a x 21 1 22 2 a s1 x1 a s 2 x2
的系数矩阵
a1n xn 0 , a2 n xn 0 , a sn xn 0
首页 上页 下页 返回 结束
(1)
7
a11 a21 A a s1
显然, 1 , 2 线性无关, 再来讨论1 , 2 , 3的线性相
关性. 设有数 k1, k2 , k3 , 使

第2节 矩阵的秩


1 2 3 例1 求矩阵 A 2 3 5 的秩. 4 7 1 1 2 解 在 A 中, 0. 2 3
又 A 3 阶子式只有一个 A , A 0, 的 且
R( A) 2.
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
ˆ ˆ 若Dr 0, 因 Dr 中不含第 i 行知 A 中有不含第 i 行的 r 阶非零子式, R( B) r .
ˆ 若Dr 0, 则 D r Dr 0, 也有 R( B ) r .
若A经一次初等行变换变为 B,则 R( A) R( B).
又由于B也可经一次初等变换变为A, 故也有 R( B) R(A).
综上, 若A 经有限次初等变换变为B( 即A ~ B), 则R( A) R( B).
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.
3 2 0 5 0 3 2 3 6 1 , 求矩阵A 的 例4 设 A 2 0 1 5 3 1 6 4 1 4 秩,并求A 的一个最高阶非零子式.
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, 不可逆矩阵的秩小于阶 数n, 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 0 2 4 8 2 例5 设A ,b 2 4 2 3 3 3 6 0 6 4

第一章 第五讲 矩阵的秩

第五讲 矩阵的秩矩阵的秩是线性代数中又一重要概念,它描述了矩阵的一个重要的数值特征:在判定线性方程组是否有解,向量组的线性相关性,求矩阵的特征向量以及在多项式、空间几何等多个方面都有广泛的应用。

本讲我们主要了解矩阵秩的概念及其与方程组各类型解的关系。

5.1.1 矩阵秩的定义在第二讲中,我们通过矩阵的初等行(列)变换定义了矩阵的行(列)阶梯形、矩阵的行(列)最简形以及矩阵的标准形。

其中矩阵行(列)阶梯形与矩阵行(列)最简形可以不唯一,但矩阵的标准形唯一。

因此,下面就利用矩阵标准形的唯一性来给出矩阵秩的概念。

定义5.1 对于给定的m n ⨯矩阵A ,它的标准形(-)(-)(-)(-)rr n r m r r m r n r m nE OF O O ⨯⨯⨯⨯⎛⎫=⎪⎝⎭由数r 完全确定,我们称数r 为矩阵m n A ⨯的秩(rank ),记作()R A 。

其中, r E 是r 阶单位矩阵;其余都是零矩阵。

注:(1) 零矩阵的秩为零:()0R O =;(2) 矩阵的秩就是矩阵标准形中左上角单位矩阵的阶数。

(3)对于n 阶方阵A ,当()R A n =时,称A 为满秩矩阵。

当()R A n <时,称A 为降秩矩阵.例5.1 求矩阵111610121210A ⎛⎫⎪=-- ⎪ ⎪-⎝⎭的秩。

解 先将A 通过初等变换化为标准形111610121210A ⎛⎫ ⎪=-- ⎪ ⎪-⎝⎭2131111601280306r r r r --⎛⎫⎪−−−→ ⎪ ⎪⎝⎭323111601280026r r -⎛⎫ ⎪−−−→ ⎪ ⎪⎝⎭111601280013⎛⎫ ⎪→ ⎪ ⎪⎝⎭12312101201280013r r r ---⎛⎫ ⎪−−−→ ⎪ ⎪⎝⎭13232100101020013r r r r +-⎛⎫⎪−−−→ ⎪ ⎪⎝⎭()4142433312,3100001000010c c c c c c E O -⨯--⎛⎫ ⎪−−−−−→= ⎪ ⎪⎝⎭可看出,矩阵A 的标准形中左上角是3阶单位矩阵,所以()3R A =. 矩阵秩有如下性质 性质5.1 ()()TR A R A =; 性质5.2 }{0()min ,R A m n ≤≤;性质5.3 如果n 阶方阵A 可逆,则()R A n =;(可逆矩阵也称为满秩矩阵)性质5.4 {}()min (),()R PA R P R A ≤; 当P 可逆时,()()R PA R A =;若 P Q 、都可逆,且有PAQ B =,则()()R A R B =.性质5.5 max {}(),()(|)()+()R A R B R A B R A R B ≤≤;特别地,当B 为列矩阵时,有max {}(),()(|)()+1R A R B R A B R A ≤≤;性质5.6 ()()();()()().r A B r A r B r A B r A r B +≤+-≥-性质5.7 设A 为m n ⨯矩阵且()R A r =,则A 的任意S 行组成的矩阵B ,有().r B r s n ≥+-下面只证明性质5.3和性质5.4,其余的性质请学生自证。

  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:矩阵的秩及其求法之樊仲川亿创作
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


nmijaA


),min1(nmkk

43334CC

1015643213
D
nm


nmijaA

0,rD
()().TRARA
0,A0.A
( A ) = n ,则
因此,方阵 A 可逆的充分需要条件是 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)。

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
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 .


例3

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。

02021
010010100321A001021B


100010011C125034000D





21235
08153
00072
00000

E








aaaA1111
11


,3AR


3AR

1a
2a


3AR
K3

BA
)()(BRAR

ji
rr.1
i
rk.2
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求

R(A) = 2
例5
三、满秩矩阵
定义3A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:

ji
krr.3

.AR


,2,6352132111,求)(且设ARA


,nAR


,nAR


0AnAR

EAPPPPss121,
定理5R(AB)R(A),R(AB)R(B),即R(AB)min{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
∴R(A+E)+ R( E-A )≥ R(2E)=n
而 R( E-A )=R( A-E )
∴ R(A+E)+R(A-E)≥n


nm
tn

).()()(ABRnBRAR
.)()(nBRAR

nm
).()()(BRARBAR

相关文档
最新文档