线性代数学习笔记（十九）——矩阵的秩（二）

本篇笔记首先介绍了矩阵行满秩、列满秩、满秩和降秩等概念，并讨论了矩阵秩与r阶子式值的关系；然后重点介绍了阶梯形矩阵和行简化阶梯形矩阵，该部分内容非常重要，后续章节和考试经常会用到；同时还讨论了阶梯形矩阵的用处和将矩阵化为阶梯形，并由此求矩阵的秩；最后介绍了矩阵秩的两个性质，矩阵的秩与其转置矩阵的秩相等，任意矩阵乘以可逆矩阵秩不变。

1 矩阵秩的表示

矩阵的秩是反映矩阵行之间结构复杂程度的一个词。
记作：$r(A)=r$。
如：$r(A)=5$或$秩(A)=5$，$r$为$rank$的缩写。

规定：零矩阵的秩等零，即$r(O)=0$。

如果$A$为$m\times n$的矩阵，那么 0 ≤ r ( A ) ≤ m i n { m , n } 0{\le}r(A){\le}min\{m,n\} 0≤r(A)≤min{ m,n}，
若$r(A)=m$，代表取了所有的行，称为行满秩；
若$r(A)=n$，意味着取了所有的列，称为列满秩；
若 r ( A ) = m i n { m , n } r(A)=min\{m,n\} r(A)=min{ m,n}，即矩阵为行满秩或列满秩，统称为满秩；
若 r ( A ) < m i n { m , n } r(A)<min\{m,n\} r(A)<min{ m,n}，称为降秩。

显然，如果$A$是方阵，并且为满秩$⟺A$可逆$⟺|A|\ne 0$。

证明：因为$A$为方阵，即$A_{n\times n}$，所以$r(A)=n$，说明$n$阶子式$\ne 0$，也就是$|A|\ne 0$，故$A$可逆。

2 矩阵秩的计算

如果按照矩阵秩的定义计算比较麻烦，例如$A_{6\times 8}$需要依次计算$1、2、3、4、5、6$阶的子式都找出来，并验算非零子式的最大阶数。那怎么求矩阵的秩呢？

定理2.7.1：矩阵$r(A)=r⟺$有一个$r$阶子式不为$0$，所以$r+1$阶子式全为$0$

是否存在$r+2$阶以上的子式不为$0$呢？
不可能！
因为根据行列式按行展开可知：行列式的值等于每行元素与对应的代数余子式乘积之和，而$r+2$阶行列式代数余子式为$r+1$阶，又因为$r+2$阶子式全为$0$，所以$r+2$阶子式肯定也全为$0$，同理，$r+2$以上的子式也都肯定全为$0$。

该定理实际很少用来计算矩阵的秩。

例1：求矩阵$\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 0& 0\end{array}\right]$的秩。
解：很明显可以找到最高$2$阶子式$\left|\begin{array}{cc}1& 0\\ 0& 1\end{array}\right|=1$，不等于零，所以矩阵的秩为$2$。

例2：略。

★★★ 3 阶梯形矩阵

定义2.7.3
阶梯形矩阵：① 若有零行在非零行的下面，② 至上而下左起第一个非零元素（首非零元）左边零的个数随行数增加而（严格）增加。

$\left[\begin{array}{cccc}|1& 1& 1& 1\\ -& & & \\ 0& |1& 0& 4\\ & -& -& \\ 0& 0& 0& |5\\ & & & -\end{array}\right]$

矩阵第一行至第三行的首非零元个数依次为$0,1,3$个，首非零元个数随行的增加而增加，所以矩阵是阶梯矩阵。

$[\begin{array}{cccc}& & & \\ |1& 0& 0& 4\\ -& -& -& \\ 0& 0& 0& \\ & & & \\ 0& 0& 0& \\ 0& 0& 0& \end{array}$