矩阵的秩及其求法-求秩的技巧

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)。

矩阵求秩的方法
求矩阵的秩的几种方法：
1、通过对矩阵做初等变换（包括行变换以及列变换）化简为梯形矩阵求秩。

此类求解一般适用于矩阵阶数不是很大的情况，可以精确确定矩阵的秩，而且求解快速比较容易掌握。

2、通过矩阵的行列式，由于行列式的概念仅仅适用于方阵的概念。

通过行列式是否为0则可以大致判断出矩阵是否是满秩。

3、对矩阵做分块处理，如果矩阵阶数较大时将矩阵分块通过分块矩阵的性质来研究原矩阵的秩也是重要的研究方法。

此类情况一般也是可以确定原矩阵秩的。

4、对矩阵分解，此处区别与上面对矩阵分块。

例如n阶方阵A，R分解（Q为正交阵,R为上三角阵）以及Jordan分解等。

通过对矩阵分解，将矩阵化繁为简来求矩阵的秩也会有应用。

5、对矩阵整体做初等变换(行变换为左乘初等矩阵，列变换为右乘初等矩阵)。

此类情况多在证明秩的不等式过程有应用，技巧很高与前面提到的分块矩阵联系密切。

扩展资料：
矩阵的秩是线性代数中的一个概念。

在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数。

通常表示为r(A)，rk(A)或rank A。

在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数目。

类似地，行秩是A的线性无关的横行的极大数目。

通俗一点说，如果把矩阵看成一个个行向量或者列向量，秩就是这些行向量或者列向量的秩，也就是极大无关组中所含向量的个数。

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。

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 1015643213-=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 ()2R 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。

求矩阵的秩的简便方法
以下是 6 条关于求矩阵的秩的简便方法：
1. 嘿，你知道吗，有一种方法就像在矩阵的世界里点亮一盏明灯，那就是通过观察行与行之间的关系呀！比如说，看这矩阵[1 2 3; 2 4 6; 3 6 9]，是不是一眼就能发现有些行之间存在倍数关系呀，这就能帮我们快速找到秩啦！
2. 哇塞，还有一种神奇的方法呢，那就是利用行列式呀！就好比在迷宫中找到关键的钥匙。

像矩阵[1 0 0; 0 2 0; 0 0 3]，它的行列式不为零，那它的秩不就是 3 嘛，是不是超简单！
3. 嘿呀，还有一个妙招，那就是化简矩阵呀！把它变得像剥洋葱一样清晰。

就像[2 4 6; 1 2 3; 3 6 9]，经过化简后，一下子就能看出秩来啦，你不觉得很神奇吗？
4. 告诉你哦，通过子矩阵也能找到秩呢！就好像在一堆拼图里找到关键那几块。

例如矩阵[1 2 3; 4 5 6; 7 8 9]，找几个特定的子矩阵研究一下，秩就乖乖现身啦！
5. 哇哦，还有一种超有趣的方法呢，就是看矩阵的线性无关行向量的数量呀！好比数星星一样。

比如矩阵[1 0; 0 1; 1 1]，很容易就能看出有两个线性无关行向量，那秩就是 2 呀，有意思吧！
6. 嘿，你尝试过通过初等变换来找矩阵的秩吗？这就如同在matrix 的海洋里畅游，把它变得简单易懂。

像是矩阵[2 4 6; 1 2 3; 3 6 9]，经过初等变换后，秩就一目了然啦！
总之，求矩阵的秩有很多简便又有趣的方法，只要多去尝试和探索，就能轻松掌握啦！。

第五节 【2 】：矩阵的秩及其求法一.矩阵秩的概念 1. k 阶子式界说1 设 在A 中任取k 行k 列交叉处元素按原相对地位构成的阶行列式,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,第二.四列订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. 矩阵的秩界说2 设 有r 阶子式不为0,任何r +1阶子式(假如消失的话)全为0 ,称r 为矩阵A 的秩,记作R (A )或秩(A ). 划定： 零矩阵的秩为 0 .留意：(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,是独一的 .(2) 有行列式的性质,(3) R(A ) ≤m , R (A ) ≤n , 0 ≤R (A ) ≤min { m , n } .(4) 假如An ×n , 且 则 R ( A ) =n .反之,如 R ( A ) = n ,则 是以,方阵 A 可逆的充分必要前提是 R ( A ) = n . 二.矩阵秩的求法 1.子式判别法(界说).例1 设 为阶梯形矩阵,求R (B ). ()nm ij a A ⨯={}),m in 1(n m k k≤≤⎪⎪⎪⎭⎫⎝⎛----=110145641321A 182423=C C 43334=C C 10122--=D 1015643213-=D nm ⨯k n k m c c ()nm ij a A ⨯=0,r D ≠()().T R A R A =0,A ≠0.A ≠⎪⎫⎛4321因为 消失一个二阶子式不为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 假如 求a .解或例3则 2.用初等变换法求矩阵的秩定理2矩阵初等变换不转变矩阵的秩. 即则注： 只转变子行列式的符号.是A 中对应子式的k 倍. 是行列式运算的性质.求矩阵A 的秩办法：1）应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求解⎪⎪⎪⎭⎫ ⎝⎛=010*********A ⎪⎪⎪⎭⎫ ⎝⎛=001021B ⎪⎪⎪⎭⎫ ⎝⎛=100010011C 125034000D ⎛⎫ ⎪= ⎪ ⎪⎝⎭21235081530007200000E ⎛⎫⎪⎪= ⎪⎪⎝⎭()3=A R ()2=B R ()3=C R ()2R D =()3R E =⎪⎪⎪⎭⎫ ⎝⎛=a a a A 111111(),3<A R ()3<A R aa a A 111111=0)1)(2(2=-+=a a 1=∴a 2-=a ⎪⎪⎪⎪⎪⎭⎫⎝⎛=K K K K A 111111111111()3=A R =K 3-()311111113(1)(3)111111K A K K K KK=+=-+BA →)()(B R A R =j i rr ↔.1i rk .2j i krr +.3⎪⎪⎪⎭⎫ ⎝⎛-----=211163124201A ().A R −−→−-122r r A ⎪⎪⎪⎭⎫ ⎝⎛----211021104201⎪⎪⎪⎭⎫⎝⎛--→000021104201R(A ) = 2例5三.满秩矩阵界说3A 为n 阶方阵时,称 A 是满秩阵,（非奇怪矩阵） 称 A 是降秩阵,（奇怪矩阵） 可见： 对于满秩方阵A 施行初等行变换可以化为单位阵E ,又依据初等阵的感化：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,则消失初等方阵 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主要结论：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 假如 A B = 0 则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 nA R .,,,21s P P P EA P P P P s s =-121, ()EA nA R ~= ()nE A n A R ~⇔=⎪⎪⎪⎭⎫ ⎝⎛=213212321A ⎪⎪⎪⎭⎫ ⎝⎛----→320430321⎪⎪⎪⎭⎫ ⎝⎛→320110001E=⎪⎪⎪⎭⎫⎝⎛→100010001()3=∴A R ≤≤≤nm ⨯tn ⨯).()()(AB R n B R A R ≤-+.)()(n B R A R ≤+性质3 假如 R (A )= n, 假如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,证实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 ）≥nnm ⨯).()()(B R A R B A R +≤±。

求矩阵的秩最简单方法例题求矩阵的秩那可太重要啦！步骤嘛，先把矩阵化简，可以用行变换或者列变换。

哇塞，就像给矩阵来个大变身一样。

注意可别瞎变，得有规律地来。

那求矩阵秩安全不？嘿，这有啥不安全的，只要方法对，稳稳当当的。

应用场景可多啦！解方程组啥的都能用得上。

优势那也是杠杠的，能快速帮咱解决难题。

举个实际例子哈，上次做一道难题，用求矩阵秩的方法，一下子就搞定啦！就像找到了一把神奇的钥匙，打开了难题的大门。

求矩阵秩的方法超棒，大家赶紧用起来呀！。