下载文档原格式
矩阵秩的证明方法及技巧矩阵的秩是描述矩阵行（列）向量空间维数的重要指标，广泛应用在线性代数和矩阵理论中。
下面将介绍矩阵秩的定义、性质以及一些证明方法和技巧。
一、矩阵秩的定义和性质：1. 矩阵秩的定义：对于任意一个m×n矩阵A，它的秩(rank)定义为其所有非零行（列）向量的极大无关组的向量个数，即r(A) = r(A^T），其中A^T为A的转置矩阵。
2.矩阵秩的基本性质：a) r(A) ≤ min(m, n)，即矩阵秩r(A)不会超过矩阵的行数m和列数n的较小值。
b)如果r(A)=m，即矩阵的秩与行数相等，则称矩阵为满秩矩阵。
c)两个矩阵的行等价（列等价），它们的秩相等。
d)对于一个n阶方阵A，如果A可逆，则r(A)=n，即满秩方阵。
e)若A和B为同型矩阵，则r(A+B)≤r(A)+r(B)。
二、矩阵秩的证明方法和技巧：1.行变换法证明矩阵秩：行变换可以通过初等行变换来实现，包括交换两行、行乘以一个非零常数、行加上另一行的k倍。
行变换不改变矩阵的秩，因此可以通过行变换来找到矩阵的极大无关组，从而确定矩阵的秩。
2.列空间法证明矩阵秩：列空间是由矩阵的所有列向量张成的向量空间，可以通过检查矩阵的列向量组是否线性无关来确定矩阵的秩。
如果列向量组线性无关，则矩阵的秩等于列向量组的向量个数；否则，删除线性相关的列向量，再次检查新的列向量组是否线性无关，直至找到一个线性无关的列向量组为止。
3.奇异值分解法证明矩阵秩：对于任意一个m×n矩阵A，可以进行奇异值分解为A=UΣV^T，其中U和V为正交矩阵，Σ为对角矩阵，其对角元素为矩阵A的奇异值。
矩阵A的秩等于非零奇异值的个数。
4.行列式法证明矩阵秩：矩阵A的秩等于其最高阶非零子式的阶数。
通过计算矩阵A的各个阶数的子式的行列式是否为零，可以确定矩阵的秩。
5.矩阵的分解法证明矩阵秩：常用的矩阵分解方法包括LU分解、QR分解和SVD分解等。
通过对矩阵进行适当的分解，可以得到新的矩阵形式，从而更容易确定矩阵的秩。
矩阵求秩方法
求矩阵的秩是线性代数中常见的问题，以下是关于矩阵求秩的10条方法及其详细描述：
1. 奇异值分解法：通过对矩阵进行奇异值分解，将矩阵变换为一个对角矩阵，其中非零元素的个数即为矩阵的秩。
2. 初等变换法：利用矩阵的初等行（列）变换，将矩阵化简为行简化阶梯型矩阵，其中非零行的个数即为矩阵的秩。
3. 极大线性无关组法：通过逐步选择矩阵中的列，构建一个极大线性无关组，其中向量的个数即为矩阵的秩。
4. 秩-零空间法：矩阵的秩与其零空间的维数之和为矩阵的列数。
可以通过计算矩阵的零空间 (null space) 的维数来求解矩阵的秩。
5. 行列式法：矩阵的行列式非零的最大子阵的阶数就是矩阵的秩。
6. 直接检验法：将矩阵转换为梯形矩阵或行阶梯矩阵，其中非零行的个数即为矩阵的秩。
7. 特征值法：矩阵的秩等于其特征值不为零的个数。
8. 与单位矩阵求秩法：通过将矩阵与单位矩阵进行连接，得到一个增广矩阵，进而将其化简为行简化阶梯型矩阵，其中非零行的个数即为矩阵的秩。
9. Gauss-Jordan消元法：通过高斯消元法和高斯约当消元法将矩阵化简为行简化阶梯型矩阵，其中非零行的个数即为矩阵的秩。
10. 极大线性无关组与生成组比较法：利用极大线性无关组与生成组的关系来求解矩阵的秩，其中生成组的个数等于矩阵的秩。
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。
矩阵的秩及求法矩阵是线性代数中重要的概念，它有许多重要的性质和应用。
其中，矩阵的秩可以用来描述一个矩阵的性质，是矩阵理论中的重要概念之一。
本文将介绍矩阵的秩及求法。
1. 矩阵的秩矩阵的秩是描述矩阵线性无关的最大列数或行数，可以用来判断矩阵的特征和性质。
矩阵的秩可以分为列秩和行秩，两者是相等的。
当矩阵的行秩或列秩为r时，称该矩阵的秩为r，用rank(A)表示。
矩阵的秩可以看作是矩阵中某个部分的线性独立数量，它可以影响到方程组的解的数目，同时也可以影响到矩阵的行列式的值，因此矩阵的秩是矩阵理论中非常重要的一个概念。
求矩阵的秩是矩阵理论中常见的问题之一，有许多的求法。
下面我们将介绍几种常用的求法。
2.1 高斯消元法高斯消元法是求解矩阵秩的一种常用方法。
具体操作步骤如下：1）将矩阵A转化为行阶梯形矩阵U。
2）计算矩阵U中非零行的数量，这个数量就是矩阵A的秩。
例如，对于如下的矩阵：$$\left[ \begin{matrix}1&2&1\\2&2&-1\\-1&-1&2\end{matrix} \right]$$非零行的数量为3，因此该矩阵的秩为3。
2.2 奇异矩阵判定法奇异矩阵是指矩阵的行列式为0的矩阵。
如果一个矩阵是奇异矩阵，则其秩为小于矩阵的维数。
因此，我们可以通过判断矩阵的行列式是否为0来快速判定矩阵是否是奇异矩阵。
其行列式可以计算得到：$det(A)=-1$，因此该矩阵不是奇异矩阵，秩为3。
2.3 矩阵的基变换法我们可以进行列基变换，将其转化为：3. 总结矩阵的秩是描述矩阵线性无关的最大列数或行数。
我们可以通过高斯消元法、奇异矩阵判定法、矩阵的基变换法等方法来求解矩阵的秩。
在实际问题中，矩阵的秩有着重要的应用价值，例如矩阵的逆矩阵等。
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 =
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 ． 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。
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
解 R(A ) = 2
⎪⎪
⎪⎭
⎫ ⎝⎛=a a a A 111111(),3<A R ()3<A R a
a a A 11111
1=0
)1)(2(2=-+=a a 1=∴a 2
-=a ⎪⎪⎪
⎪
⎪
⎭
⎫
⎝⎛
=K K K K A 111111111111()3=A R =K 3-()31111
1113(
1)(3)
111111K A K K K K K
=+=-+B A →)
()(B R A R =j i r r ↔.1i r k .2j i kr r +.3⎪⎪⎪
⎭
⎫
⎝⎛-----=211163124201A ().
A R −−→−-1
22r r A ⎪⎪⎪⎭⎫
⎝⎛----211021104201⎪⎪⎪⎭
⎫
⎝⎛--→000
0211
04201
例５
三、满秩矩阵
定义3 A 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：
定理5 R (AB ） R (A )， Ｒ（ＡＢ) R （B ）, 即Ｒ(AB ） ｍi ｎ｛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 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 n A R .,,,21s P P P E A P P P P s s =-121, ()E A n A R ~= ()n E A n A R ~⇔=⎪⎪⎪⎭⎫ ⎝⎛=213212321A ⎪⎪⎪⎭⎫ ⎝⎛----→320430321⎪⎪⎪⎭⎫ ⎝⎛→320110001E
=⎪⎪⎪⎭⎫ ⎝⎛→100010001()3=∴A R ≤≤≤
n m ⨯t n ⨯).
()()(AB R n B R A R ≤-+.
)()(n B R A R ≤+n m ⨯).
()()(B R A R B A R +≤±
∴ R(A＋E）+ R( E－A ）≥R（2E）=n 而R（ E－A ）=R（Ａ-E )
∴ R（A+E）+R（A-Ｅ)≥ｎ。
