矩阵秩的基本不等式

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a1，…,as.设A经过1型初等行变换变成矩阵B，则B的行向量组是a1，…,ai,kai+aj,…,as.显然a1，…,ai,kai+aj,…,as可以由a1，…,as线性表处。

由于aj=1*(kai+aj)-kai,因此a1，…,as可以由a 1，…,ai,kai+aj,…,as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。

在数学中，分块矩阵初等行变换求秩的不等式是一个重要的概念。

通过对分块矩阵进行初等行变换，我们可以得到一个新的矩阵，并通过对这个新矩阵进行求秩，得到一些重要的不等式关系。

接下来，我将会详细探讨这一主题，并按照从简到繁的方式进行解释。

一、分块矩阵的定义让我们回顾一下分块矩阵的定义。

一个分块矩阵是由若干个子矩阵组成的大矩阵。

通常情况下，这些子矩阵可以是任意大小的矩阵，它们之间通过分块符号进行分割。

一个分块矩阵可以表示为：\[ A = \begin{bmatrix} A_{11} & A_{12} \\ A_{21} & A_{22}\end{bmatrix} \]其中 \(A_{11}\)、\(A_{12}\)、\(A_{21}\)、\(A_{22}\) 分别是子矩阵。

这种表示方法在矩阵分析和线性代数中经常被使用，特别是在矩阵的运算和性质分析中。

二、分块矩阵初等行变换接下来，让我们来探讨分块矩阵的初等行变换。

我们知道，在矩阵的运算中，初等行变换是一种通过交换行、数乘行、行加减倍数行来改变矩阵的运算方法。

对于分块矩阵，我们可以运用相似的方法进行初等行变换。

对于一个分块矩阵：\[ A = \begin{bmatrix} A_{11} & A_{12} \\ A_{21} & A_{22}\end{bmatrix} \]我们可以对其中的子矩阵 \(A_{11}\)、\(A_{12}\)、\(A_{21}\)、\(A_{22}\) 分别进行初等行变换，如交换行、数乘行、行加减倍数行等操作。

通过这些初等行变换，我们可以得到一个经过变换的新矩阵。

三、求秩的不等式关系有了经过初等行变换的新矩阵，我们可以通过对其进行求秩来得到一些不等式关系。

根据矩阵求秩的性质，我们可以得到如下的不等式关系：\[ rank(A) + rank(B) - n \leq rank \begin{pmatrix} A & B\end{pmatrix} \leq rank(A) + rank(B) \]其中，\(rank(A)\) 和 \(rank(B)\) 分别表示矩阵 \(A\) 和 \(B\) 的秩，\(n\) 表示矩阵的列数。

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) ≤ n2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 EB A AB A E E E B ⎛⎫⎛⎫⎛⎫= ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭而 0S EB E ⎛⎫ ⎪-⎝⎭可逆，故r(A)+r(B) ≥ 秩 0A E B ⎛⎫⎪⎝⎭ =秩 0A AB E ⎛⎫ ⎪⎝⎭=秩 00AB E ⎛⎫⎪⎝⎭=r(AB)+r(E) =r(AB)+n 从而r(AB) ≥ r(A) + r(B) - n3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)证：设 ,s t E E 分别为，s,t 阶单位矩阵，则由于0AB ABC B ⎛⎫⎪⎝⎭0st E C E ⎛⎫ ⎪-⎝⎭=0AB B BC ⎛⎫ ⎪⎝⎭且0s t E C E ⎛⎫⎪-⎝⎭是可逆矩阵，故 r(AB) + r(BC)≤秩0AB B BC ⎛⎫ ⎪⎝⎭=秩0ABABC B ⎛⎫⎪⎝⎭=秩00ABC B ⎛⎫⎪⎝⎭= r(ABC) + r(B) 从而r(ABC) ≥r(AB) + r(BC) - r(B)5 设A ，B 都是n 阶矩阵，证明；r( A B + A + B ) ≤ r( A ) + r ( B ) 证明：r( AB + A + B)=r( A (B+E) + B) 利用基本定理二≤r( A (B + E)) + r(B) 利用基本定理一 ≤r( A ) + r( B )6 设A ，C 均为m n ⨯矩阵，B ，D 均为n s ⨯矩阵，证明 r （ A B – C D ）≤ r （ A-C ） + r （ B - D ）证明：根据分块矩阵的乘法可知000mn E C A C E B D -⎛⎫⎛⎫⎪⎪-⎝⎭⎝⎭0n s E B E ⎛⎫ ⎪⎝⎭=0A C AB CD B D --⎛⎫⎪-⎝⎭由此易知r （A-C ）+r （B-D ）=r 0A CAB CD B D --⎛⎫⎪-⎝⎭≥r(AB-CD)从而得r （AB-CD ） ≤ r （A-C ） + r （B-D ）三 不等式等号成立的探讨1 设A ，B 分别为m n ⨯和n m ⨯矩阵，则()()()r AB =r A +r B -n 的充分条件为：A 0A 0r =r EB 0B ⎡⎤⎡⎤⎢⎥⎢⎥⎣⎦⎣⎦证明：由E -A A 0E -B 0-AB E -B 0-AB ==0E E B 0E E B 0E E 0⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦得：A 00-AB r =r E B E0⎡⎤⎡⎤⎢⎥⎢⎥⎣⎦⎣⎦ ()()()0-AB A 0r =r AB +n r =r A +r B E 0E B ⎡⎤⎡⎤⎢⎥⎢⎥⎣⎦⎣⎦又， ∴()()()r AB =r A +r B -n2 设A ，B 分别为m n ⨯和n m ⨯矩阵，则()()()r AB =r A +r B -n 的充分必要条件为存在矩阵X 、Y ，使得nXA +BY =E证明：根据题三 1，只需要证明nXA +BY =E A 0A 0r =r X Y E B 0B ⎡⎤⎡⎤⇔⎢⎥⎢⎥⎣⎦⎣⎦存在、，使得m n n n nm m n E 0A 0E 0E 0A 0=-X E E B -Y E -Y E -AX B A 0E -XA -BY B ⎡⎤⎡⎤⎡⎤⎡⎤⎡⎤⇐⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦⎣⎦⎡⎤=⎢⎥⎣⎦由当 n XA +BY =E 时，A 0A 0r =r E B 0B ⎡⎤⎡⎤⎢⎥⎢⎥⎣⎦⎣⎦∴()()()r AB =r A +r B -n12200,0000rSEE AQ P BQ ⎛⎫⎛⎫⇒== ⎪ ⎪⎝⎭⎝⎭1设 P 1122000000P Q A P Q B ⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭则 11220000P A Q P B Q ⎛⎫⎛⎫= ⎪⎪⎝⎭⎝⎭112200P AQ P BQ ⎛⎫= ⎪⎝⎭000000000000r SE E ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭（1）112200000P Q A P Q E B ⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭11222000P A Q P P B Q ⎛⎫⎛⎫= ⎪⎪⎝⎭⎝⎭ 1121220P AQ P Q P BQ ⎛⎫=⎪⎝⎭12340000000000r S E C C E C C ⎛⎫⎪⎪= ⎪⎪⎝⎭（2） 对式（2）右端的方阵作行初等变换，可消去1C ，2C ，3C ，由于式（1），式（2）右端方阵秩相等，故在消去1C ，2C ，3C 时也消去了4C ，对式（2）右端分块记为120FC F ⎛⎫ ⎪⎝⎭ 其中1F =00rE C ⎛⎫ ⎪⎝⎭， 2F =00SE C ⎛⎫ ⎪⎝⎭， C=1234C C C C ⎛⎫ ⎪⎝⎭ 于是上述消去1C 的行变换相当于 1000C -⎛⎫ ⎪⎝⎭000rE ⎛⎫⎪⎝⎭+1234C C C C ⎛⎫ ⎪⎝⎭=2340C C C ⎛⎫ ⎪⎝⎭消去其余234,,C C C 有类似的结果，这样初等变换就相当于存在矩阵S ，T ，使S 1F =T 2F +C =0，即1122210SP AQ P BQ T P Q ++= 从而有 令得 n XA BY E +=3 设 A ，B ，分别为 ,,m n n l l m ⨯⨯⨯矩阵，而B 的一个满秩分解是B=HL ，即H 是列满秩矩阵，L 是行满秩矩阵，则r(ABC)=r(AB)+r(BC)-r(B)的充要条件是存在矩阵X ，Y使得r XAH LCY E +=证明：设r （B ）=r ，因为B=HL 是满秩分解 所以 有r(AB) = r(AHL) = r(AH) r(BC) = r(HLC) = r(LC) 则r(ABC) = r(AB) + r(BC) - r(B)⇔ r(AHLC) = r(AH) + r(LC) - r 又由上题 得r(AHLC) = r(AH) + r(LC) - r⇔矩阵X,Y 使得 r XAH LCY E += 所以 3得证4 设A 为n 阶矩阵，证明如果 2A = E ，那么r （ A + E ） + r （ A – E ）= n证明： ( A + E )( A – E ) =2A + A – A – E = E – E = 0 ∴r （ A + E ）+ r （ A – E ）≤ nr( A + E ) + r( A – E ) ≥ r( A + E + A - E) = r(2A) = r(A)2A = E∴2A = E，即A≠0∴ r（A）= nr( A + E) + r( A - E) ≥n故 r（ A + E ）+ r( A - E) = n5 设A为n阶矩阵，且2A = A，证明 r（A）+ r（A-E）= n证明：由2A = A，可得 A（ A – E ）= 0由题一 1知，r（ A ） + r（ A - E）≤ n又因为 E-A和A-E 有相同的秩n = r( E ) = r( A + E – A ) ≤ r ( A ) + r ( E – A ) 从而 r( A ) + r( A – E ) = n6 设A是阶矩阵，则3A = A的充分必要条件是r（A）= r（A-2A）+ r（A+2A）证明：必要性一方面，由3A = A⇔（E-A）A（E+A）=0 由题二 4知0 ≥ r[（E-A）A] + r[ A (E+A)] - r(A)即r（A）≥ r（A-2A）+r（A+2A）另一方面，由r（A-2A）+r（A+2A）≥r[（A-2A）+（A+2A）] = r（2A）= r（A）所以 r（A）= r（A-2A）+ r（A+2A）充分性若r（A）= r（A-2A）+r（A+2A）设r(A) = r,A的满秩分解是A = HL，则存在 X，Y使（2X ）H =r E ，L （2Y ）= r E 成立则 X （E-A ）H +L （E-A ）Y=（XH + LY ）-（XHLH - LHLY ）=r E -0 = r E由题三3得 r[（E-A ）A(E+A)]=r[(E-A) A] + r[A (E+A)]- r(A) = 0即得（E-A ）A （E+A ）=0 从而得 3A = A参考文献：[1] 张禾瑞 .高等代数（第二版）[M].高等教育出版社 [2] 杨子胥.高等代数习题解[M].山东科技出版社 [3] 李师正.高等代数解题方法与技巧[M].高等教育出版社。

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。

第28卷第1期2021年3月辽东学院学报(自然科学版)Journal of Eastern Liaoning University(Natural Science Edition)Vol.28No.1Mar.2021［基础科学与应用】DOI：10.14168/j.issn.1673-4939.2021.01.12关于矩阵秩的几个重要不等式黄述亮①(滁州学院数学与金融学院，安徽滁州239001)摘要：针对学生学习矩阵秩的不等式比较困难的问题，综合运用演绎、分析与综合、化归的数学论证方法对秩的估计、秩的降阶及互素多项式等方面的重要不等式进行研究，并举例说明这些不等式在分块矩阵、线性方程组及判断线面位置关系等问题中的应用，这将有助于学生更好地掌握矩阵的基本理论，提高学生的抽象思维能力和逻辑思维能力。

关键词：矩阵的秩；初等变换；齐次线性方程组中图分类号：0153.3文献标志码：A文章编号：1673-4939(2021)01-0061-05众所周知，在线性代数(或高等代数)课程中最主要的内容就是矩阵及其相关运算。

在学习矩阵的过程中会遇到的一个非常重要的概念——矩阵的秩。

在一般的教科书和文献中，习惯上用数学符号rank(A)来表示一个矩阵的秩，其定义是矩阵A 中的某个非零子式的最高阶数。

考虑到向量组、向量空间等概念，对矩阵分别进行行分块和列分块，且设A=(兔心，…,a”)=(肉,0；,…屈)，则下列几个论断等价：(l)rank(A)=r；(2)rank(兔，他，…，a”)=r；(3)rank(0；,0：,…屈)=r；(4)dim®?如aj,a2,•••,a n|；(5)dimSpan W 嵐,…,0：}=r；(6)矩阵4的阶梯形矩阵中非零行(列)的行(列)数为r o矩阵的秩在很多领域中具有重要的理论意义和实际应用价值，比如在通信复杂性领域中，函数的通信矩阵的秩可以给出计算函数所需的通信量的界限。

此外，利用矩阵的秩可以定义数学中的等价关系，因此一个数域F上的全体"阶矩阵M”(F)可以被划分成n+1个子集(即等价类)的不交并M(F) =U U…U T”,其中7；={A e M”(F)I rank(4) =i}o换言之，矩阵的秩可以实现对全体矩阵的分类，这对进一步研究矩阵有着重要的意义。

矩阵的几个不等式1. 矩阵的不等式定义：矩阵的不等式指的是一组矩阵的元素之间的比较，它可以是大于、小于或等于关系。

矩阵的不等式可以表示为A≤B，其中A和B分别是两个矩阵，A≤B表示A中的每个元素都小于等于B中的对应元素。

## 2. 矩阵的不等式性质1. 对于任意的n阶矩阵A，有A+A≥A；2. 对于任意的n阶矩阵A，有A+A≤2A；3. 对于任意的n阶矩阵A，有A+A≠A；4. 对于任意的n阶矩阵A，有A+A≠2A；5. 对于任意的n阶矩阵A，有A+A≥2A；6. 对于任意的n阶矩阵A，有A+A≤A；7. 对于任意的n阶矩阵A，有A+A≠0；8. 对于任意的n阶矩阵A，有A+A≠-A；9. 对于任意的n阶矩阵A，有A+A≥0；10. 对于任意的n阶矩阵A，有A+A≤-A。

3. 矩阵的不等式应用矩阵的不等式应用可以用于多种情况，如矩阵的范数估计、矩阵的特征值估计、矩阵的迹估计、矩阵的奇异值估计、矩阵的乘积估计等。

此外，矩阵的不等式应用还可以用于求解线性方程组、求解矩阵的逆等问题。

此外，矩阵的不等式应用还可以用于矩阵的正定性判断、矩阵的正交性判断等。

#### 4. 矩阵的不等式推导1. 对于矩阵A，若A的行列式不为零，则有A的逆矩阵存在；2. 若A的行列式为零，则A的逆矩阵不存在；3. 对于任意矩阵A，有A+A的逆矩阵存在；4. 对于任意矩阵A，有A*A的逆矩阵存在；5. 对于任意矩阵A，有A*A+A的逆矩阵存在；6. 对于任意矩阵A，有A*A*A的逆矩阵存在；7. 对于任意矩阵A，有A*A*A+A的逆矩阵存在；8. 对于任意矩阵A，有A*A*A*A的逆矩阵存在；9. 对于任意矩阵A，有A*A*A*A+A的逆矩阵存在。

5. 矩阵的不等式变换：矩阵的不等式变换是指将一个矩阵中的不等式变换为另一个矩阵，这样可以更容易地解决矩阵的不等式问题。

变换的方法有很多，比如可以使用行列式，矩阵乘法，矩阵加法，矩阵转置等。