线性代数复习——矩阵的秩、相抵、向量组的秩

本篇文章主要对矩阵的秩、相抵、向量组等线性代数概念以及相关定理进行总结与归纳

---

第一部分 研究向量组

1.线性组合、线性相关

$Def1$: $k_1{\alpha }_1+k_2{\alpha }_2+...+k_n{\alpha }_n$称之为向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_n$的一个线性组合，而该向量则称为向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_n$的线性表示

$Def2$: 设向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_n$，如果有不全为零的数$k_1,k_2,...,k_n$,使得$$k_1{\alpha }_1\text{α1}{\alpha }_1+k_2{\alpha }_2\text{α2}{\alpha }_2+...+k_n{\alpha }_n\text{αn}{\alpha }_n=0\text{0}0$$那么就称该向量组线性相关，否则线性无关

• 关于部分组的性质：
  1. 若部分组线性相关，则整个向量组必线性相关
  2. 若整个向量组线性无关，则任意部分组线性无关
  3. 若包含零向量，则必然线性相关

2. 定理：线性组合与线性表示的关系

向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_n(s>1)$线性相关的充要条件是其中至少一个向量能够被其余向量表示

• 理解：线性相关的向量组能够自我线性表示，而线性无关的向量组不能自我表示
• 因此，对于线性无关的向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_n$，若${\alpha }_1,{\alpha }_2,...,{\alpha }_n,\beta$线性相关，则$\beta$必然能够被唯一地线性表示。
• 相反地，对于线性无关的向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_n$，若$\beta$不能被线性表示，则${\alpha }_1,{\alpha }_2,...,{\alpha }_n,\beta$线性无关

3. 向量组的等价

向量组的等价描述了能够互相表示的能力，其实更是蕴含了相同的秩

$Def$ : 向量组的等价即两个向量组能够互相线性表示

• 向量组的等价满足反身性、对称性、传递性，是一种等价关系
• 引理：若线性无关的向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_s$被${\beta }_1,{\beta }_2,...,{\beta }_r$线性表示，则必有$s\le r$ （直观上容易理解，证明不难）
• 推论1：显然，由该引理，等价的线性无关的向量组必然数量相同

4. 向量的极大无关组、向量的秩

$Def$: 若向量组的的一个部分组，其部分组线性无关，并且其余的向量能够被部分组线性表示（唯一），则称该部分组为向量组的 极大无关组

$Def$: 向量组的极大无关组所含的向量数即为向量的秩

• 向量组的极大无关组不唯一
• 向量组的任意极大无关组，都与自身等价
• 易知，线性无关的向量组，其极大无关组为自身，并且秩即为自身的向量数
• 等价的向量组必然有相同的秩，这是等价的关键属性

---

第二部分 矩阵的秩

原书中关于“矩阵的秩”的定义是基于k阶子式的，但是我认为这种定义不够直观，过于复杂，所以这里给出了另一种关于矩阵的秩的定义

5. 矩阵的秩、矩阵的相抵

$Def$ : 矩阵的秩即其 行阶梯状矩阵 的非零行的行数，记作$r(A)$

$Def$ : 对于矩阵$A$,$B$之间，如果能够通过有限次初等变换互相转化，那么就称$A$与$B$相抵，这里我们记作$A\sim B$

• 相抵满足反身性、对称性、传递性，是一种等价关系
• 由秩的定义可得推论1：对于任意一个矩阵$A_{m\times n}$ 且$r(A)=r$，必有
  $$A\sim {\left[\begin{array}{cc}{E}_r& O\\ O& O\end{array}\right]}_{m\times n}orPAQ={\left[\begin{array}{cc}{E}_r& O\\ O& O\end{array}\right]}_{m\times n}$$证明显然，因为我们可以先通过初等行变换转化为行简化阶梯型矩阵，之后再使用初等列变换化成该相抵标准型，反之亦然。
• 由相抵的定义可得推论2：对于任意两个相抵矩阵，必存在可逆矩阵$P_{m\times m},Q_{n\times n}$，使得$$PAQ=B$$
• 由以上推论立刻可知推论3：矩阵的相抵 等价于 具有相同的秩，即初等变换不改变矩阵的秩，即$$r(PAQ)=r(PA)=r(AQ)=r(A)$$其中$P,Q$为可逆矩阵，可以看作初等变换的累积

6. 矩阵的另一种定义

$Def$:矩阵的非零子式的最高阶数称为矩阵$A$的秩

• 由此可得性质：$r(A)\le \mathrm{m}\mathrm{i}\mathrm{n}(m,n)$，$r(A^T)=r(A)$，$r(kA)=r(A)$
• 方阵的n阶子式为$|A|$，故方阵满秩等价于方阵可逆（可逆与秩的联系）

7. 关于矩阵秩的一些命题

1. $$r\left[\begin{array}{cc}A& O\\ O& B\end{array}\right]=r(A)+r(B)$$
2. $$r(A+B)\le r(A)+r(B)=\left[\begin{array}{cc}A& O\\ O& B\end{array}\right]$$
3. $$r(AB)\le \mathrm{m}\mathrm{i}\mathrm{n}(r(A),r(B))$$
4. $$r(AB)\ge r(A)+r(B)-n$$

8. 定理：向量组的秩与矩阵秩的关系

$$A的行秩=A的列秩=r(A)$$

---

一些自己的思考：

关于线性相关性：如果向量组${\alpha }_1,{\alpha }_2,...,{\alpha }_n$与向量组${\beta }_1,{\beta }_2,...,{\beta }_n$具有相同线性相关性，则可以认为n元齐次方程$x_1{\alpha }_1+x_2{\alpha }_2+...+x_n{\alpha }_n$ 与 $x_1{\beta }_1+x_2{\beta }_2+...+x_n{\beta }_n$ 同解，即$[{\alpha }_1,{\alpha }_2,...,{\alpha }_n]X=0$ 与 $[{\beta }_1,{\beta }_2,...,{\beta }_n]X=0$ 同解

下面我们证明一个事实，即初等行变换后的列向量组具有相同的线性相关性。事实上，此命题是“初等行变换后具有相同(列)秩”的充分条件。这个命题的证明，课本给的非常含糊，所以再次给出证明。

证明 设矩阵$A=[{\alpha }_1,{\alpha }_2,...,{\alpha }_n]$，$B=[{\beta }_1,{\beta }_2,...,{\beta }_n]$，由于$A$与$B$相抵，所以存在可逆矩阵$P$，使得
$$PA=B$$考虑N阶齐次方程组 $AX=0$ 和 $BX=0$，由于$PA=B$，所以
$$PAX=0$$因此，对于$AX=0$中的任意一个解$X_0$，其必然满足$PA{X}_0=0$，也就满足 $B{X}_0=0$。反之由于$P$可逆，故同理可证。因此$AX=0$ 和 $BX=0$同解，原命题得证

$Q.E.D$

因此，对于通过初等行变换而相抵的矩阵，其列矩阵的线性相关性必然相同。如令$A_{3\times 4}$的行阶梯状矩阵为$R_{3\times 4}$，且$r(A)=2$则必有
$$R=\left[\begin{array}{cccc}1& 0& x_1& x_2\\ 0& 1& x_3& x_4\\ 0& 0& 0& 0\end{array}\right]$$
若设$R$对应的列向量为${\alpha }^{\prime }$，易知$${\alpha }_3^{\prime }=x_1{\alpha }_1^{\prime }+x_3{\alpha }_2^{\prime }，{\alpha }_4^{\prime }=x_2{\alpha }_1^{\prime }+x_4{\alpha }_2^{\prime }$$由于$R$与$A$对应的方程组同解，设$A$对应的列向量为$\alpha$，则必有
$${\alpha }_3=x_1{\alpha }_1+x_3{\alpha }_2，{\alpha }_4=x_2{\alpha }_1+x_4{\alpha }_2$$