线性代数——矩阵的秩

秩的概念

• 在m×n矩阵A中，任取k行与k列（k≤m，k≤m），位于这些行列交叉处的k²个元素，不改变它们在A中所处的位置次序而得的k阶行列式，称为矩阵A的k阶子式。
• 在m×n矩阵A的k阶子式共有$C_m^k\cdot C_n^k$个。
• 设在矩阵A中有一个不等于0的r阶子式D，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，数r称为矩阵A的秩，记作R(A)。
• 规定零矩阵的秩等于0.
• n阶矩阵A的n阶子式是|A|，当|A| ≠ 0时R(A) = n，当|A| = 0时R(A) ＜ n，可见可逆矩阵的秩等于矩阵的阶数，不可逆矩阵的秩小于矩阵的阶数。因此，可逆矩阵又称为满秩矩阵，不可逆矩阵（奇异矩阵）又称为降秩矩阵。
• 行阶梯矩阵的秩等于非零行的行数

秩的性质

• 若A为m×n矩阵，则0 ≤ R(A) ≤ min{m, n}
• R(A^T) = R(A)
• 若$A\sim B$，则R(A) = R(B)
• 若矩阵P、Q可逆，则R(PAQ) = R(A)
• max{R(A), R(B)} ≤ R(A, B) ≤ R(A)+R(B)
  特别地，当B = b为非零列向量时，有R(A) ≤ R(A, b) ≤ R(A)+1
• R(A+B) ≤ R(A)+R(B)
  R(A+B) ≤ R(A+B, B) = R(A, B) ≤ R(A)+R(B)
• R(AB) ≤ min{R(A), R(B)}
• 若A_m×nB_n×i = O，则 R(A) + R(B) ≤ n

线性方程组的解

$$\{\begin{array}{c}{a}_{11}{x}_1+a_{12}{x}_2+\cdots +a_{1n}{x}_n=b_1,\\ a_{21}{x}_1+a_{22}{x}_2+\cdots +a_{2n}{x}_n=b_2,\\ \cdots \cdots \\ a_{m1}{x}_1+a_{m2}{x}_2+\cdots +a_{mn}{x}_n=b_m\end{array}$$
可以写成
$$Ax=b$$

• 无解的充分必要条件是 R(A) ＜ R(A, b)
• 有惟一解的充分必要条件是 R(A) = R(A, b) = n
• 有无限多解的充分必要条件是 R(A) = R(A, b) ＜ n
• n元齐次线性方程组 Ax = 0 有非零解的充分必要条件是 R(A) ＜ n
• 线性方程组 Ax = b 有解的充分必要条件是 R(A) = R(A, b)

矩阵可逆的充要条件

• |A| ≠ 0
• R(A) = n
• $A\stackrel{r}{\sim }E$