第三章,矩阵,08-矩阵的秩及相关性质

第三章,矩阵,08-矩阵的秩及相关性质

玩转线性代数(20)矩阵的秩的笔记,相关证明以及例子见原文

秩的定义1

设矩阵 A m ∗ n A_{m*n} Am∗n,称其标准形中单位矩阵子块的阶数为矩阵A的秩,记为 R ( A ) R(A) R(A)

最高阶非零子式

设在矩阵A中有一个r阶子式 D ≠ 0 D \neq 0 D=0,且所有r+1阶子式(如果存在的话)全等于0,那么D称为矩阵A的最高阶非零子式。

定理

设 A r ∼ B A^r \sim B Ar∼B,则A与B中最高阶非零子式的阶数相等

秩的定义2

由定理得定义2:一个矩阵的秩为它的最高阶非零子式的阶数

秩的性质

首先要了解判断矩阵的秩的依据有三点:

1、矩阵的秩为最高阶非零子式的阶数;

2、矩阵的秩为行阶梯的非零行数或列阶梯的非零列数或标准形中单位矩阵的阶数;

3、初等变换不改变矩阵的秩.

性质1

零矩阵的秩是零

性质2

若 A ≠ 0 A\neq0 A=0则 R ( A ) ≥ 1 R(A)\geq1 R(A)≥1

性质3

若A为m*n矩阵,则 0 ≥ R ( A ) ≥ m i n { m , n } 0\geq R(A)\geq min\{m,n\} 0≥R(A)≥min{m,n}

性质4

若 A = ( B ∗ ∗ ∗ ) A= \begin{pmatrix} B & * \\* & * \end{pmatrix} A=(B∗∗∗)是一个分块矩阵,B是A的子块,则 R ( A ) ≥ R ( B ) R(A)\geq R(B) R(A)≥R(B)

性质5

若 A m ∗ n A_{m*n} Am∗n中有一个s阶非零子式,则 R ( A ) ≥ s R(A)\geq s R(A)≥s;若 A m ∗ n A_{m*n} Am∗n中所有t阶子式都为0,则 R ( A ) < t R(A)\lt t R(A)<t

性质6

对任意矩阵A,有 R ( A T ) = R ( A ) R(A^T)=R(A) R(AT)=R(A)

性质7

( A 0 0 B ) \begin{pmatrix} A & 0 \\0 & B \end{pmatrix} (A00B)是一个分块矩阵,A、B是其子块,则 R ( A 0 0 B ) = R ( A ) + R ( B ) R\begin{pmatrix} A & 0 \\0 & B \end{pmatrix}= R(A) + R(B) R(A00B)=R(A)+R(B)

性质8

( A 0 B 0 ) \begin{pmatrix} A & 0 \\ B & 0 \end{pmatrix} (AB00)是一个分块矩阵,A、B是其子块,则 R ( A 0 B 0 ) ≤ R ( A ) + R ( B ) R\begin{pmatrix} A & 0 \\ B & 0 \end{pmatrix}\leq R(A) + R(B) R(AB00)≤R(A)+R(B)

性质9

对任意m*n矩阵A,B,无论对其进行加、减、横排、竖排,其秩均不超过 R ( A ) + R ( B ) R(A) + R(B) R(A)+R(B)

性质10

分块矩阵 ( A , B ) (A,B) (A,B)、 ( A B ) \begin{pmatrix} A \\ B \end{pmatrix} (AB)、 ( A 0 B 0 ) \begin{pmatrix} A & 0 \\ B & 0 \end{pmatrix} (AB00)的秩都满足 ≥ m a x ( R ( A ) , R ( B ) ) \geq max(R(A), R(B)) ≥max(R(A),R(B))

性质11

若 A ∼ B A \sim B A∼B则 R ( A ) = R ( B ) R(A)=R(B) R(A)=R(B)

性质12

若 A m n B n l = C A_{mn}B_{nl}=C AmnBnl=C且 R ( A ) = n R(A)=n R(A)=n,则 R ( B ) = R ( C ) R(B)=R(C) R(B)=R(C),可得若B行满秩,则 R ( A ) = R ( C ) R(A)=R(C) R(A)=R(C)

证:

只证明列满秩的情况,因 R ( A ) = n R(A)=n R(A)=n,知A行最简形矩阵为 ( E n O ) m ∗ n \begin{pmatrix} E_n \\ O \end{pmatrix}_{m*n} (EnO)m∗n,并且有m阶可逆矩阵P,使 P A = ( E n O ) PA=\begin{pmatrix} E_n \\ O \end{pmatrix} PA=(EnO),于是
P C = P A B = ( E n O ) B = ( B O ) PC=PAB=\begin{pmatrix} E_n \\ O \end{pmatrix}B=\begin{pmatrix} B \\ O \end{pmatrix} PC=PAB=(EnO)B=(BO)

知 R ( C ) = R ( P C ) R(C)=R(PC) R(C)=R(PC),而 R ( B O ) = R ( B ) R\begin{pmatrix} B \\ O \end{pmatrix}=R(B) R(BO)=R(B),故
R ( C ) = R ( B ) R(C)=R(B) R(C)=R(B)

本例中的A为列满秩矩阵,当A为方阵时,列满秩矩阵就成为满秩矩阵,也就是可逆矩阵。因此,本例的结论当A为方阵时B和C就是等价关系,当然秩相等。

性质12的推论

若 A m n B n l = O A_{mn}B_{nl}=O AmnBnl=O,且 R ( A ) = n R(A)=n R(A)=n,则B=O(矩阵乘法的消去律)

相关推荐
短视频矩阵源码定制14 小时前
矩阵系统软件哪家好?2025年选型指南与深度品牌剖析
线性代数·矩阵
云茧14 小时前
【数学基础(二)】向量、矩阵、行列式与线性变换
线性代数·矩阵
无风听海14 小时前
神经网络之PPMI矩阵
人工智能·神经网络·矩阵
短视频矩阵源码定制1 天前
矩阵系统源码推荐:技术架构与功能完备性深度解析
java·人工智能·矩阵·架构
AI Chen1 天前
【矩阵分析与应用】【第5章 梯度分析与最优化】【5.2.2 矩阵迹的微分计算示例d(tr(U))=tr(dU)证明】
矩阵·
短视频矩阵源码定制1 天前
矩阵系统全面解析:构建智能营销体系的核心引擎
java·人工智能·矩阵·aigc·视频
知识搬运工人2 天前
传统卷积神经网络中的核心运算是卷积或者矩阵乘,请问transformer模型架构主要的计算
矩阵·cnn·transformer
前端炒粉3 天前
18.矩阵置零(原地算法)
javascript·线性代数·算法·矩阵
AI Chen3 天前
【矩阵分析与应用】【第1章 矩阵与线性方程组】【1.6.2.2 迹的循环置换性质】
矩阵·
大千AI助手3 天前
HOSVD(高阶奇异值分解):高维数据的“解剖术”
人工智能·线性代数·矩阵·张量·svd·hosvd·高阶奇异值分解