秩的11个常用不等式（完全证明）——考试必考，面试必问2

秩的不等式

思路

本文默认读者了解矩阵秩的多种定义。如果不了解，也没关系，可以先移步博主的本篇文章。

• 思路1：证明秩相等，考虑证同解方程组

  构造(Ⅰ) $AX=\vec{0}$ （Ⅱ）$BX=\vec{0}$ 。（$A,B$ 列数相同）

  若(Ⅰ)（Ⅱ）同解（两个方程组，若它们的未知量个数相同且解集相等，则称为同解方程组），则(Ⅰ)（Ⅱ）各自的基础解系等价，从而 $n-r(A)=n-r(B)\Rightarrow r(A)=r(B)$ （基础解系的秩加系数矩阵的秩等于 $n$，此篇博客有证明） 。

• 思路2： 证明秩不相等，可考虑向量组的表示问题，常用结论如下：

  若 ${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s$ 可由 ${\beta }_1,{\beta }_2,\dots ,{\beta }_t$ 线性表示（表出），则$r({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_s)\le r({\beta }_1,{\beta }_2,\dots ,{\beta }_t)$

• 思路3：初等变换不改变矩阵的秩，利用初等变换将矩阵化为阶梯形，阶梯形矩阵非零行的行数目就是矩阵的秩。

• 思路4：分块矩阵的初等变换不改变矩阵的秩。构造分块矩阵，利用分块矩阵的初等变换及分块矩阵的秩的相关定理去求解。构造分块矩阵是难点，如结论10.

• 思路5：寻找矩阵 $A$ 的最高阶非零子式的阶数，即为矩阵的秩。

常用不等式

设 $A$ 为 $m\times n$ 的矩阵，$B$ 为满足矩阵运算要求的矩阵，则下列结论成立：

结论1

0 ≤ r ( A ) ≤ m i n { m , n } r ( A ) = 0 ⇔ A = 0 ⃗ 0 \le r(A)\le min\{m,n\}\\ r(A) = 0 \Leftrightarrow A = \vec{0} 0≤r(A)≤min{m,n}r(A)=0⇔A=0

结论2

$$r(kA)=r(A)(k\ne 0)$$

证明：（法1）构造(Ⅰ) $AX=\vec{0}$ （Ⅱ）$kAX=\vec{0}$

（1）若 $\xi$ 为(Ⅰ) 的任一解，则 $A\xi =\vec{0}\Rightarrow kA\xi =\vec{0}$ ，故 $\xi$ 也为（Ⅱ）的解；

（2）若 $\eta$ 为(Ⅱ) 的任一解，则 $kA\eta =\vec{0}$ ，又 $k\ne 0$,故$A\eta =\vec{0}$, $\eta$ 也为（Ⅰ）的解；

综合（1）（2），得(Ⅰ)（Ⅱ）同解，故结论2成立。

（法2）当 $k\ne 0$ 时， $kA$ 和 $A$ 最高非零子式的阶数相同，故 结论2成立。

结论3

$$r(A)=r(A^T)=r(A{A}^T)=r(A^{T}A)$$

证明：$\forall A_{m\times n},A_{m\times n}^T{A}_{m\times n}=(A^{T}A{)}_{n\times n}$

$A$ 与 $A^{T}A$ 列数相同；

构造(Ⅰ) $AX=\vec{0}$ （Ⅱ）$A^{T}AX=\vec{0}$

（1）若 $\xi$ 为(Ⅰ) 的任一解，则 $A\xi =\vec{0}\Rightarrow A^{T}A\xi =A^T\vec{0}=\vec{0}$ ，故 $\xi$ 也为（Ⅱ）的解；

（2）若 $\eta$ 为(Ⅱ) 的任一解，则
$$A^{T}A\eta =\vec{0}\Rightarrow {\eta }^T{A}^{T}A\eta ={\eta }^T\vec{0}=0\Rightarrow (A\eta {)}^{T}A\eta =0\Rightarrow ||A\eta |{|}^2=0\iff A\eta =\vec{0}$$
故$\eta$ 也为（Ⅰ）的解；

综合（1）（2），得(Ⅰ)（Ⅱ）同解，故 $r(A)=r(A^{T}A)$。

另一方面，显然 $r(A)=r(A^T)$ ，又 $r(A)=r(A^{T}A)\Rightarrow r(A^T)=r(A{A}^T)$

故结论3成立。

结论4

对于 $n\times n$ 矩阵 $A$ ，有 $r(A^n)=r(A^{n+1})$

证明 构造(Ⅰ) $A^{n}X=\vec{0}$ （Ⅱ）$A^{n+1}X=\vec{0}$

(1)若 $\xi$ 为(Ⅰ) 的任一解，则 $A^n\xi =\vec{0}\Rightarrow A\times A^n\xi =A\times \vec{0}=\vec{0}$， 故 $\xi$ 也为（Ⅱ）的解；

(2)若 $\eta$ 为(Ⅱ) 的任一解，则 有 $A^{n+1}\eta =\vec{0}$ ， 假设 $A^n\eta \ne \vec{0}$

设$\exists k_0,k_1,k_2，\dots ,k_n$ 使得 $k_0\eta +k_{1}A\eta +k_2{A}^2\eta +\cdots +k_n{A}^n\eta =\vec{0}$ （一定可以让等式成立，最差是系数全为0）。

左乘 $A^n$ ，有 $k_0{A}^n\eta +k_1{A}^{n+1}\eta +k_2{A}^{n+2}\eta +\cdots +k_n{A}^{n+n}\eta =A^n\times \vec{0}=\vec{0}$

结合方程（Ⅱ），推出 $k_0{A}^n\eta =0\Rightarrow k_0=0$ 结合假设 $\Rightarrow k_{1}A\eta +k_2{A}^2\eta +\cdots +k_n{A}^n\eta =\vec{0}$

左乘 $A^{n-1}$ ，有 $k_1{A}^n\eta +k_2{A}^{n+1}\eta +\cdots +k_n{A}^{n+n-1}\eta =A^{n-1}\times \vec{0}=\vec{0}$

结合方程（Ⅱ），推出 $k_1=0$ 。

以此类推，有$k_2=k_3=\cdots =k_n=0$ ，故 $\eta ,A\eta ,A^2\eta ,\dots ,A^n\eta$ 线性无关。又 $n+1$ 个 $n$ 维向量必定线性相关，矛盾，所以假设不成立，立即有
$$A^n\eta =\vec{0}$$
故 $\eta$ 为(Ⅰ) 的解。

综合（1）（2），得(Ⅰ) (Ⅱ) 同解，故 $r(A^n)=r(A^{n+1})$

结论5

m a x { r ( A ) , r ( B ) } ≤ r ( A , B ) ≤ r ( A ) + r ( B ) max\{r(A),r(B)\} \le r(A,B) \le r(A)+r(B) max{r(A),r(B)}≤r(A,B)≤r(A)+r(B)

注：$r(A,B)$ 是求 矩阵 $[AB]$ 的秩。

证明：（1）显然 $r(A)\le r(A,B)$ 而且 $r(B)\le r(A,B)$ ，故 m a x { r ( A ) , r ( B ) } ≤ r ( A , B ) max\{r(A),r(B)\} \le r(A,B) max{r(A),r(B)}≤r(A,B)

（2）设 $r(A_{m\times n})=p,r(B_{m\times n})=q$

将 $A,B$ 按列分块为 $A=({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n)$ , $B=({\beta }_1,{\beta }_2,\dots ,{\beta }_n)$,

于是 $(A,B)=({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n,{\beta }_1,{\beta }_2,\dots ,{\beta }_n)$ 。

不妨设 $A,B$ 的列向量组的极大线性无关组分别为 ${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_p$和 ${\beta }_1,{\beta }_2,\dots ,{\beta }_q$ ，

显然 ${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n,{\beta }_1,{\beta }_2,\dots ,{\beta }_n$ 可由 ${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_p,{\beta }_1,{\beta }_2,\dots ,{\beta }_q$ 线性表示，故
$$r({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n,{\beta }_1,{\beta }_2,\dots ,{\beta }_n)\le r({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_p,{\beta }_1,{\beta }_2,\dots ,{\beta }_q)\le p+q$$
故 $r(A,B)\le r(A)+r(B)$ ，综合（1）（2），得结论5成立。

结论6

$$r(A+B)\le r(A,B)$$

证明：（法1）将 $A,B$ 按列分块为 $A=({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n)$ , $B=({\beta }_1,{\beta }_2,\dots ,{\beta }_n)$,

于是 $A+B=({\alpha }_1+{\beta }_1,{\alpha }_2+{\beta }_2,\dots ,{\alpha }_n+{\beta }_n)$ , $(A,B)=({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n,{\beta }_1,{\beta }_2,\dots ,{\beta }_n)$ ，

显然 ${\alpha }_1+{\beta }_1,{\alpha }_2+{\beta }_2,\dots ,{\alpha }_n+{\beta }_n$ 可由向量组 ${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n,{\beta }_1,{\beta }_2,\dots ,{\beta }_n$ 线性表示

故 结论6成立

（法2）由分块矩阵的初等变换，得 $r(A+B,B)\to (A,B)$ （初等列变换，把广义的第二列乘负一加到广义第一列），由于初等变换不改变矩阵的秩，故 $r(A+B)\le r(A+B,B)=r(A,B)$ 得证。

结论7

r ( A B ) ≤ m i n { r ( A ) , r ( B ) } r(AB) \le min\{r(A),r(B)\} r(AB)≤min{r(A),r(B)}

证明：$m\times n$ 矩阵$A=(a_{ij})$ 按列分块得
$$A=({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n)$$
$n\times t$ 矩阵 $B=(b_{ij})$ 按行分块得
$$B=\left(\begin{array}{c}{\beta }_1\\ {\beta }_2\\ ⋮\\ {\beta }_n\end{array}\right)$$
注意，上面对 $A,B$ 分别分块是在两部分证明中分别用到，它们不会出现在同一个等式中。同样，下面的等式中含 ${\xi }_{i}i=1,2,\dots t$ 和${\eta }_{j}j=1,2,\dots m$ 的向量分别是对应对 $A$ 按列分块和 $B$ 按行分块时等式等号右边的分块矩阵。
$$AB=C=({\xi }_1,{\xi }_2,\dots ,{\xi }_t)=\left(\begin{array}{c}{\eta }_1\\ {\eta }_2\\ ⋮\\ {\eta }_m\end{array}\right)$$
（1）
$$\begin{array}{rl}AB& =({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n)\left(\begin{array}{cc}{b}_{11}& b_{12}\dots b_{1t}\\ b_{21}& b_{22}\dots b_{2t}\\ ⋮& ⋮\\ b_{n1}& b_{n2}\dots b_{nt}\end{array}\right)\\ & =(b_{11}{\alpha }_1+b_{21}{\alpha }_2+\cdots +b_{n1}{\alpha }_n,+b_{12}{\alpha }_1+b_{22}{\alpha }_2+\cdots +b_{n2}{\alpha }_n,\dots ,b_{1t}{\alpha }_1+b_{2t}{\alpha }_2+\cdots +b_{nt}{\alpha }_n)\end{array}$$
所以 $AB$ 的列向量 ${\xi }_1,{\xi }_2,\dots ,{\xi }_t$ 可由 $A$ 的列向量 ${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n$ 线性表示，故
$$r({\xi }_1,{\xi }_2,\dots ,{\xi }_t)\le r({\alpha }_1,{\alpha }_2,\dots ,{\alpha }_n)$$
即$r(AB)\le r(A)$

(2)
$$\begin{array}{rl}AB& =\left(\begin{array}{cc}{a}_{11}& a_{12}\dots a_{1n}\\ a_{21}& a_{22}\dots a_{2n}\\ ⋮& ⋮\\ a_{m1}& a_{m2}\dots b_{mn}\end{array}\right)\left(\begin{array}{c}{\beta }_1\\ {\beta }_2\\ ⋮\\ {\beta }_n\end{array}\right)\\ & =\left(\begin{array}{c}{a}_{11}{\beta }_1+a_{12}{\beta }_2+\cdots +a_{1n}{\beta }_n\\ a_{21}{\beta }_1+a_{22}{\beta }_2+\cdots +a_{2n}{\beta }_n\\ ⋮\\ a_{m1}{\beta }_1+a_{m2}{\beta }_2+\cdots +a_{mn}{\beta }_n\end{array}\right)\\ & =\left(\begin{array}{c}{\eta }_1\\ {\eta }_2\\ ⋮\\ {\eta }_m\end{array}\right)\\ & =C_{m\times t}\end{array}$$
所以 $AB$ 的行向量 ${\eta }_1,{\eta }_2,\dots ,{\eta }_m$ 可由 $B$ 的行向量 ${\beta }_1,{\beta }_2,\dots ,{\beta }_n$ 线性表示，

故 $r({\eta }_1,{\eta }_2,\dots ,{\eta }_m)\le r({\beta }_1,{\beta }_2,\dots ,{\beta }_n)$，即 $r(AB)\le r(B)$

综合（1）（2），得结论7成立。

结论8

$$r(\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ \mathbf{O}& \mathbf{B}\end{array}\right))=r(\mathbf{A})+r(\mathbf{B})$$

注：矩阵为分块矩阵。

证明：设 $r(\mathbf{A})=p,r(\mathbf{B})=q$ ，则
$$\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ \mathbf{O}& \mathbf{B}\end{array}\right)\to \left(\begin{array}{cc}{\mathbf{E}}_{p+q}& \mathbf{O}\\ \mathbf{O}& \mathbf{O}\end{array}\right)$$
因为初等不换不改变矩阵的秩，故
$$r(\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ \mathbf{O}& \mathbf{B}\end{array}\right))=r(\left(\begin{array}{cc}{\mathbf{E}}_{p+q}& \mathbf{O}\\ \mathbf{O}& \mathbf{O}\end{array}\right))=p+q=r(\mathbf{A})+r(\mathbf{B})$$
结论8得证。

结论9

$$r(\mathbf{A})+r(\mathbf{B})\le r(\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ \mathbf{C}& \mathbf{B}\end{array}\right))\le r(\mathbf{A})+r(\mathbf{B})+r(\mathbf{C})$$

证明：首先，$r(\mathbf{A})+r(\mathbf{B})=r(\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ \mathbf{O}& \mathbf{B}\end{array}\right))\le r(\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ \mathbf{C}& \mathbf{B}\end{array}\right)$

另一方面 $r(\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ \mathbf{C}& \mathbf{B}\end{array}\right)\le r(\left(\begin{array}{c}\mathbf{A}\\ \mathbf{C}\end{array}\right))+r(\left(\begin{array}{c}\mathbf{O}\\ \mathbf{B}\end{array}\right))\le r(\mathbf{A})+r(\mathbf{B})+r(\mathbf{C})$

或者
$$\begin{gathered} r(\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ \mathbf{C}& \mathbf{B}\end{array}\right)=r(\left[\begin{array}{c}\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ \mathbf{O}& \mathbf{B}\end{array}\right)+\left(\begin{array}{cc}\mathbf{O}& \mathbf{O}\\ \mathbf{C}& \mathbf{O}\end{array}\right)\end{array}\right]) \\ \le r(\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ \mathbf{O}& \mathbf{B}\end{array}\right))+r(\left(\begin{array}{cc}\mathbf{O}& \mathbf{O}\\ \mathbf{C}& \mathbf{O}\end{array}\right))=r(\mathbf{A})+r(\mathbf{B})+r(\mathbf{C}) \end{gathered}$$
故结论9得证。

结论10

$$r(AB)\ge r(A)+r(B)-n$$

证明：构造分块矩阵
$$\left(\begin{array}{cc}\mathbf{AB}& \mathbf{O}\\ \mathbf{O}& {\mathbf{E}}_n\end{array}\right)$$
则 $r(\left(\begin{array}{cc}\mathbf{AB}& \mathbf{O}\\ \mathbf{O}& {\mathbf{E}}_n\end{array}\right))=r(\mathbf{AB})+n$，（利用列向量的极大无关组）。

由分块矩阵的初等变换，得

注：关于分块矩阵的初等变换详细定义见附录，但其实和普通矩阵类似。
$$\left(\begin{array}{cc}\mathbf{AB}& \mathbf{O}\\ \mathbf{O}& {\mathbf{E}}_n\end{array}\right)\to \left(\begin{array}{cc}\mathbf{AB}& \mathbf{A}\\ \mathbf{O}& {\mathbf{E}}_n\end{array}\right)$$
上面从左边变为右边，只需要初等行变换。
$$\left(\begin{array}{cc}\mathbf{AB}& \mathbf{A}\\ \mathbf{O}& {\mathbf{E}}_n\end{array}\right)\to \left(\begin{array}{cc}\mathbf{O}& \mathbf{A}\\ -\mathbf{B}& {\mathbf{E}}_n\end{array}\right)$$
上面从左边变为右边，以 $-B$ 右乘第二列加到第一列即可。
$$\left(\begin{array}{cc}\mathbf{O}& \mathbf{A}\\ -\mathbf{B}& {\mathbf{E}}_n\end{array}\right)\to \left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ {\mathbf{E}}_n& \mathbf{B}\end{array}\right)$$
上面从左边变为右边，首先用 $-E$ 右乘第一列，然后再交换第1列和第二列。

因为初等变换不改变矩阵的秩，故
$$r(\mathbf{AB})+n=r(\left(\begin{array}{cc}\mathbf{AB}& \mathbf{O}\\ \mathbf{O}& {\mathbf{E}}_n\end{array}\right))=r(\left(\begin{array}{cc}\mathbf{A}& \mathbf{O}\\ {\mathbf{E}}_n& \mathbf{B}\end{array}\right))\ge r(\mathbf{A})+r(\mathbf{B})$$
推出 $r(\mathbf{AB})+n\ge r(\mathbf{A}）+r(\mathbf{B})$

结论10成立。

结论11

若 $AB=\mathbf{O}$ ，则 $r(A)+r(B)\le n$ ，其中 $n$ 是 $A$ 的列数（或者 $B$ 的行数）。

证明：（法1）对于 $m\times n$ 矩阵 $A$ ， $n\times t$ 矩阵 $B$， 记 $B=({\beta }_1,{\beta }_2,\dots ,{\beta }_t)$ ，则有
$$\begin{array}{rl}AB& =A({\beta }_1,{\beta }_2,\dots ,{\beta }_t)\\ & =(A{\beta }_1,A{\beta }_2,\dots ,A{\beta }_t)\\ & =\mathbf{O}\\ & =(\vec{0},\vec{0},\dots ,\vec{0})\end{array}$$
故
$$A{\beta }_i=\vec{0}i=1,2,\dots ,t$$
故 ${\beta }_1,{\beta }_2,\dots ,{\beta }_t$ 为方程 $Ax=\vec{0}$ 的部分解 ；

$\Rightarrow n-r(A)=r(全部解)\ge r(部分解)=r({\beta }_1,{\beta }_2,\dots ,{\beta }_t)=r(B)$

$\Rightarrow r(A)+r(B)\le n$ 得证。

（法2），利用结论10，
$$r(AB)\ge r(A)+r(B)-n$$
若 $AB=\mathbf{O}$ ，则 $r(AB)=0$ ，故 $r(A)+r(B)\le n$ ，证毕。

结论12

对于 $n\times n$ 矩阵 $A$ ，其伴随矩阵的秩

（1） $r(A)=n\Rightarrow |A|\ne 0\Rightarrow |A^{\ast }|=|A{|}^{n-1}\ne 0\Rightarrow r(A^{\ast })=n$ .
注： $|A^{\ast }|=|A{|}^{n-1}$ 在附录有详细证明，一定不能错过！

（2） $r(A)=n-1\Rightarrow |A|=0\Rightarrow A{A}^{\ast }=|A|E=\mathbf{O}\Rightarrow r(A)+r(A^{\ast })\le n\Rightarrow n-1+r(A^{\ast })\le n\Rightarrow r(A^{\ast })\le 1$

另一方面， $r(A)=n-1\Rightarrow \exists n-1$ 阶子式不为0 $\Rightarrow \exists A_{ij}\ne 0\Rightarrow r(A^{\ast })\ge 1$ ，故 $r(A^{\ast })=1$

（3）$r(A)<n-1\Rightarrow \forall n-1$ 阶子式全为0 $\Rightarrow$ $A_{ij}$ 全为 $0$ $\Rightarrow$ $A^{\ast }=\mathbf{O}\Rightarrow r(A^{\ast })=0$

证毕。

习题

题目1：对于 $n\times n$ 的矩阵 $A$ ，若 $A^2=A$ ，则 $r(A-E)+r(A)=n$

证明： $A^2=A\Rightarrow A(A-E)=O\Rightarrow r(A)+r(A-E)\le n$

另一方面， $r(A-E)+r(A)=r(E-A)+r(A)\ge r(E-A+A)=n$

故 命题获证

题目2：对于 $n\times n$ 的矩阵 $A$ ，若 $A^2=E$ ，则 $r(A-E)+r(A+E)=n$

证明： $A^2=E\Rightarrow (A+E)(A-E)=O\Rightarrow r(A-E)+r(A-E)\le n$

另一方面， $r(A-E)+r(A+E)=r(E-A)+r(A+E)\ge r(E-A+A+E)=r(2E)=n$ 获证。

附录

分块矩阵的初等变换

定义：设分块矩阵 $A=(A_{ij}{)}_{s\times t}$，则以下三种变换：

1. 交换分块矩阵 $A$ 的某两行（列）；
2. 用一个非奇异矩阵左（右）乘以 $A$ 的某一行(列)上；
3. 以某一矩阵左（右）乘 $A$ 的某一行（列）加到另一行（列）上。

成为分块矩阵 $A$ 的行（列）初等变换。将分块矩阵的行、列初等变换统称为分块初等变换。

伴随矩阵

说明：伴随矩阵的定义在此处不在赘述，但是必须提醒大家，伴随矩阵的定义一定要仔细看，很容易搞错的。因为在伴随矩阵中，并不是按照原矩阵元素的位置一一对应放置相应的代数余子式从而构成伴随矩阵。而是把代数余子式按照原矩阵的转置矩阵元素的位置一一对应放置的。

性质1：
$$A{A}^{\ast }=A^{\ast }A=|A|E$$
引理：行列式某一行元素与另一行对应元素代数余子式乘积的和为零。

引理证明：（法1）：矩阵某一行的元素和另一行元素的代数余子式相乘时,其实得到的是两行元素相同的行列式。具体地，就是说把另一行的元素强行替换了与代数余子式们对于的那一行的元素。

根据行列式的性质:有两行元素相等时,此行列式为0,故行列式某一行元素与另一行对应元素的代数余子式乘积的和为零。

（法2）：在一个矩阵 $A$ 中，将第 $i$ 行加到第 $j$ 行上（行列式值不变），再将行列式按第 $j$ 行展开，得
$$\begin{array}{rl}|A|& =(a_{j1}+a_{i1})A_{j1}+(a_{j2}+a_{i2})A_{j2}+\cdots +(a_{jn}+a_{in})A_{jn}\\ & =(a_{j1}{A}_{j1}+a_{j2}{A}_{j2}+\cdots +a_{jn}{A}_{jn})+(a_{i1}{A}_{j1}+a_{i2}{A}_{j2}+\cdots +a_{in}{A}_{jn})\\ & =|A|+(a_{i1}{A}_{j1}+a_{i2}{A}_{j2}+\cdots +a_{in}{A}_{jn})\end{array}$$
说明：第二个等号是用了 拉普拉斯展开（按行展开）。

故
$$a_{i1}{A}_{j1}+a_{i2}{A}_{j2}+\cdots +a_{in}{A}_{jn}=0$$
引理获证。

有了上面的引理，证明上述性质其实是水到渠成的。

证明：

令 $A=(a_{ij}{)}_{n\times n}$ ，根据伴随矩阵定义
$$A^{\ast }=\left(\begin{array}{cccc}{A}_{11}& A_{21}& \cdots & A_{n1}\\ A_{12}& A_{22}& \cdots & A_{n2}\\ \cdots & \cdots & & \cdots \\ A_{1n}& A_{2n}& \cdots & A_{nn}\end{array}\right)$$
再次提醒，注意看上面伴随矩阵的元素的下角标。
$$A^{\ast }A=\left(\begin{array}{cccc}{A}_{11}& A_{21}& \cdots & A_{n1}\\ A_{12}& A_{22}& \cdots & A_{n2}\\ \cdots & \cdots & & \cdots \\ A_{1n}& A_{2n}& \cdots & A_{nn}\end{array}\right)\times \left(\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ \cdots & \cdots & & \cdots \\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right)$$
没有什么其他技巧，直接矩阵相乘，然后根据上面引理就可以得到，除了主对角线上的元素为 $|A|$ ，其他地方元素都为 $0$ 。
$$A{A}^{\ast }=|A|E$$
类似可证明。

性质2：若 $|A|\ne 0$ 则 $A^{\ast }=|A|A^{-1}$

证明：由性质1，可得
$$A{A}^{\ast }=A^{\ast }A=|A|E$$
由题意，$A$ 可逆，且 对 $A^{\ast }A=|A|E$ 两边右乘 $A^{-1}$ 可得
$$A^{\ast }=|A|A^{-1}$$
性质3：若 $|A|\ne 0$，则 $|A^{\ast }|=|A{|}^{n-1}$

证明：由性质2，可得
$$A^{\ast }=|A|A^{-1}$$
等号两边取行列式得
$$|A^{\ast }|=||A|A^{-1}|=|A{|}^n|A^{-1}|=|A{|}^n|A{|}^{-1}=|A{|}^{n-1}$$
实际上，即使 $|A|=0$，也有性质3。

若 $|A|=0$ 由性质1，得 $A{A}^{\ast }=O$ 故 $r(A)+r(A^{\ast })\le n$

当 $r(A)=0$，即 $A=O$ 时，$A^{\ast }=O$ ，$|A^{\ast }|=|A{|}^{n-1}=0$

当 $r(A)\ge 1$ 时，$1\le r(A)\le n-r(A^{\ast })\Rightarrow r(A^{\ast })\le n-1$ ，

即 $A^{\ast }$ 秩亏， $|A^{\ast }|=0$ ，从而 $|A^{\ast }|=|A{|}^{n-1}=0$ 。

总结

1.根据结论5，6，得到 $r(A,B)$ 的上界是 $r(A)+r(B)$ ，下界是 m a x { r ( A ) , r ( B ) } , r ( A + B ) max\{r(A),r(B)\},r(A+B) max{r(A),r(B)},r(A+B)。换句话说，$r(A,B)$ 可能取到的最大值是 $r(A)+r(B)$ ,可能取到的最小值是 m a x { r ( A ) , r ( B ) } max\{r(A),r(B)\} max{r(A),r(B)} 或者 $r(A+B)$。

2.根据结论7，10，得到 $r(AB)$ 的上界是 m i n { r ( A ) , r ( B ) } min\{r(A),r(B)\} min{r(A),r(B)} ，下界是 $r(A)+r(B)-n$。换句话说，$r(AB)$ 的可能取到的最大值是 m i n { r ( A ) , r ( B ) } min\{r(A),r(B)\} min{r(A),r(B)} ，可能取到的最小值是 $r(A)+r(B)-n$.

参考文献

[1]董改芳.关于伴随矩阵的性质及应用的研究[J].太原学院学报(自然科学版),2018,36(03):17-19.
[2]殷倩.浅谈矩阵秩的等式与不等式证明[J].数学学习与研究,2018,{4}(15):2-3+7.
[3]智婕.分块矩阵的初等变换[J].甘肃联合大学学报(自然科学版),2011,25(05):22-24.
[4] 行列式某一行元素与另一行对应元素的代数余子式乘积的和为零 是什么意思？