矩阵分析与应用-1.6-矩阵的标量函数

前言

本文学习过程来源是《矩阵分析与应用-张贤达》一书. 可以通过 z-lib 下载.

这部分内容与线性代数的内容重合, 讲述的是矩阵的一些标量函数.

一、矩阵的二次型

任意一个方阵 $A$ 的二次型 $x^{\mathrm{H}}Ax$ 是一个实数标量. 以实矩阵为例, 有以下推导.

$$\begin{array}{rl}{x}^{\mathrm{T}}Ax& =[x_1,x_2,x_3]\left[\begin{array}{ccc}1& 4& 2\\ -1& 7& 5\\ -1& 6& 3\end{array}\right]\left[\begin{array}{c}{x}_1\\ x_2\\ x_3\end{array}\right]\\ & =x_1^2-x_2{x}_1-x_3{x}_1+4x_1{x}_2+7x_2^2+6x_3{x}_2+2x_1{x}_3+5x_2{x}_3+3x_3^2\\ & =x_1^2+7x_2^2+3x_3^2+3x_1{x}_2+x_1{x}_3+11x_2{x}_3\end{array}$$

这就是变量 $x$ 的二次型函数, 仔细观察可以看见对角线是二次项, 一次项是关于对角线对称元素之和. 所以我们就把 $x^{\mathrm{T}}Ax$ 称为矩阵 $A$ 的二次型.

推而广之, 若 $x=[x_1,x_2,\dots ,x_n{]}^{\mathrm{T}}$, 且 $n\times n$ 矩阵 $A$ 的元素为 $a_{ij}$, 则二次型为.

$$\begin{array}{rl}{x}^{\mathrm{T}}Ax& =\sum _{i=1}^n\sum _{j=1}^n{x}_i{x}_j{a}_{ij}\\ & =\sum _{i=1}^n{a}_{ii}{x}_i^2+\sum _{i=1,i\ne j}^n\sum _{j=1}^n{a}_{ij}{x}_i{x}_j\\ & =\sum _{i=1}^n{a}_{ii}{x}_i^2+\sum _{i=1}^{n-1}\sum _{j=i+1}^n(a_{ij}+a_{ji})x_i{x}_j\end{array}\text{\hspace{1em}(1)}$$

其实只要满足方阵对角线相等, 关于对角线元素之和相等, 这两个方阵二次型就相等.

也就是对于任意一个二次型函数

$$f(x_1,x_2,\dots ,x_n)=\sum _{i=1}^n{a}_{ii}{x}_i^2+\sum _{i=1,i\ne j}^n\sum _{j=1}^n{a}_{ij}{x}_i{x}_j\text{\hspace{1em}(2)}$$

存在着许多矩阵 $A$, 它们的二次型相同. 但是只有一个矩阵满足其元素关于主对称轴相等的条件 (对于复数矩阵就要满足共轭的条件), 这个矩阵我们就把它叫做实对称矩阵或复共轭对称 (即 $\mathrm{H}\mathrm{e}\mathrm{r}\mathrm{m}\mathrm{i}\mathrm{t}\mathrm{i}\mathrm{a}\mathrm{n}$ 矩阵).

把大于零的二次型 $x^{\mathrm{H}}Ax$ 称为正定的二次型, 则与之对应的 $\mathrm{H}\mathrm{e}\mathrm{r}\mathrm{m}\mathrm{i}\mathrm{t}\mathrm{i}\mathrm{a}\mathrm{n}$ 矩阵为正定矩阵. 由此又有一些定义.

定义 1: 一个复共轭对称矩阵 $A$

• 若二次型 $x^{\mathrm{H}}Ax>0,\forall x\ne 0$, 就叫正定矩阵

• 若二次型 $x^{\mathrm{H}}Ax\ge 0,\forall x\ne 0$, 就叫半正定矩阵

• 若二次型 $x^{\mathrm{H}}Ax<0,\forall x\ne 0$, 就叫负定矩阵

• 若二次型 $x^{\mathrm{H}}Ax\le 0,\forall x\ne 0$, 就叫半负定矩阵

• 若二次型 $x^{\mathrm{H}}Ax$ 即可能取正值, 也可能取负值, 就叫不定矩阵

定义 2: 设矩阵 $A_{m\times n}$ 的元素为 $a_{ij}$. 若

$$a_{ij}\ge 0,\forall i=1,2,\dots ,m,j=1,2,\dots ,n\text{\hspace{1em}(3)}$$

则称 $A$ 为非负矩阵. 表示 $A$ 中所有元素都是非负的, 同时 $A$ 也叫做正矩阵. 与正定矩阵相比, 这个矩阵不一定是方阵.

二、矩阵的迹

定义 3: $n\times n$ 矩阵 $A$ 的对角线元素之和称为 $A$ 的迹, 记作 $tr(A)$, 即

$$tr(A)=a_{11}+a_{22}+\cdots +a_{nn}=\sum _{i=1}^n{a}_{ii}\text{\hspace{1em}(4)}$$

不是方阵就没有迹的定义.

1. 关于迹的等式

• 若 $A$ 和 $B$ 均为 $n\times n$ 矩阵, 则 $\mathrm{t}\mathrm{r}(A\pm B)=\mathrm{t}\mathrm{r}(A)\pm \mathrm{t}\mathrm{r}(B)$

• 若 $c$ 是一个复或者实的常数, 则 $\mathrm{t}\mathrm{r}(cA)=c\mathrm{t}\mathrm{r}(A)$

• 若 $A$ 和 $B$ 均为 $n\times n$ 矩阵, 并且 $c_1$ 和 $c_2$ 为常数, 则 $\mathrm{t}\mathrm{r}(c_{1}A\pm c_{2}B)=c_1\mathrm{t}\mathrm{r}(A)\pm c_2\mathrm{t}\mathrm{r}(B)$

• 矩阵 $A$ 的转置、复数共轭和复共轭的迹分别是

$$\begin{gathered} \mathrm{t}\mathrm{r}(A^{\mathrm{T}})=\mathrm{t}\mathrm{r}(A) \\ \mathrm{t}\mathrm{r}(A^{\ast })=[\mathrm{t}\mathrm{r}(A){]}^{\ast } \\ \mathrm{t}\mathrm{r}(A^{\mathrm{H}})=[\mathrm{t}\mathrm{r}(A){]}^{\ast } \end{gathered}$$

• 迹是相似不变量, 若 $A$ 为 $m\times n$ 矩阵, 且 $B$ 为 $n\times m$ 矩阵, 则

$$\mathrm{t}\mathrm{r}(AB)=\mathrm{B}\mathrm{A}$$

• 若矩阵 $A$ 和 $B$ 均为 $m\times m$ 矩阵, 并且 $B$ 非奇异, 则

$$\mathrm{t}\mathrm{r}(BA{B}^{-1})=\mathrm{t}\mathrm{r}(B^{-1}AB)=\mathrm{t}\mathrm{r}(A)$$

• 若 $A$ 是一个 $m\times n$ 矩阵, 则 $\mathrm{t}\mathrm{r}(A^{\mathrm{H}}A)=0\iff A=O_{m\times n}(零矩阵)$

• $x^{\mathrm{H}}Ax=\mathrm{t}\mathrm{r}(Ax{x}^{\mathrm{H}})$ 和 $y^{\mathrm{H}}x=\mathrm{t}\mathrm{r}(x{y}^{\mathrm{H}})$

• 分块矩阵的迹满足
  $$\mathrm{t}\mathrm{r}\left[\begin{array}{cc}\mathbf{A}& \mathbf{B}\\ \mathbf{C}& \mathbf{D}\end{array}\right]=\mathrm{t}\mathrm{r}(\mathbf{A})+\mathrm{t}\mathrm{r}(\mathbf{D})$$
  式中, $\mathbf{A}\in C^{m\times m},\mathbf{B}\in C^{m\times n},\mathbf{C}\in C^{m\times m},\mathbf{D}\in C^{n\times n}$

• 矩阵 $A^{\mathrm{H}}A$ 和 $A{A}^{\mathrm{H}}$ 的迹相等, 且有
  $$\mathrm{t}\mathrm{r}(A^{\mathrm{H}}A)=\mathrm{t}\mathrm{r}(A{A}^{\mathrm{H}})=\sum _{i=1}^n\sum _{j=1}^n{a}_{ij}^{\ast }aji\text{\hspace{1em}(5)}$$

• 迹等于特征值之和, 即
  $$\mathrm{t}\mathrm{r}(A)={\lambda }_1+{\lambda }_2+\cdots +{\lambda }_n\text{\hspace{1em}(6)}$$

• 对于任何正整数 $k$, 有
  $$\mathrm{t}\mathrm{r}(A^k)=\sum _{i=1}^n{\lambda }_i^k\text{\hspace{1em}(7)}$$

式子右边的和称为 $A$ 的诸特征值的 $k$ 次矩.

2. 关于迹的不等式

• 对于一个复矩阵 $A\in C^{m\times n}$, 有 $\mathrm{t}\mathrm{r}(A^{\mathrm{H}}A)=\mathrm{t}\mathrm{r}(A{A}^{\mathrm{H}})\ge 0$

• 若 $A,B$ 均为 $m\times n$ 矩阵, 则
  $$\begin{gathered} \mathrm{t}\mathrm{r}[(A^{\mathrm{T}}B{)}^2]\le \mathrm{t}\mathrm{r}(A^{\mathrm{T}}A)\mathrm{t}\mathrm{r}(B^{\mathrm{T}}B) \\ \mathrm{t}\mathrm{r}[(A^{\mathrm{T}}B{)}^2]\le \mathrm{t}\mathrm{r}(A^{\mathrm{T}}A{B}^{\mathrm{T}}B) \\ \mathrm{t}\mathrm{r}[(A^{\mathrm{T}}B{)}^2]\le \mathrm{t}\mathrm{r}(A{A}^{\mathrm{T}}B{B}^{\mathrm{T}}) \end{gathered}$$

• $\mathrm{t}\mathrm{r}(A^2)\le \mathrm{t}\mathrm{r}(A^{\mathrm{T}}A)$

• $\mathrm{t}\mathrm{r}[(A+B)(A+B{)}^{\mathrm{T}}]\le 2[\mathrm{t}\mathrm{r}(A{A}^{\mathrm{T}})+\mathrm{t}\mathrm{r}(B{B}^{\mathrm{T}})]$

• 若 $A$ 和 $B$ 为 $m\times m$ 对称矩阵, 则 $\mathrm{t}\mathrm{r}(AB)\le \frac{1}{2}\mathrm{t}\mathrm{r}(A^2+B^2)$

一个 $m\times n$ 实矩阵 $A$ 的 $\mathrm{F}\mathrm{r}\mathrm{o}\mathrm{b}\mathrm{e}\mathrm{n}\mathrm{i}\mathrm{u}\mathrm{s}$ 范数也可利用 $m\times m$ 矩阵 $A^{\mathrm{T}}A$ 或者 $n\times n$ 矩阵 $A{A}^{\mathrm{T}}$ 的迹定义为
$${\Vert A\Vert }_{\mathrm{F}}=\sqrt{\mathrm{t}\mathrm{r}(A^{\mathrm{T}}A)}=\sqrt{\mathrm{t}\mathrm{r}(A{A}^{\mathrm{T}})}\text{\hspace{1em}(8)}$$

三、行列式

1. 定义和计算

一个 $n\times n$ 的方阵 $A$ 的行列式记作 $\mathrm{d}\mathrm{e}\mathrm{t}(A)$ 或者 $|A|$, 定义为

$$\mathrm{d}\mathrm{e}\mathrm{t}(A)=|A|=\left|\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right|\text{\hspace{1em}(9)}$$

若 A = { a } ∈ C 1 × 1 A = \{ a \} \in C^{1 \times 1} A={a}∈C1×1, 则它的行列式由 $\mathrm{d}\mathrm{e}\mathrm{t}(A)=a$ 给出.

矩阵 $A$ 去掉第 $i$ 行和第 $j$ 列后得到的行列式叫元素 $a_{ij}$ 的代数余子式, 记作 $A_{ij}$. 当 $j=i$ 时, $A_i=A_{ii}$ 称为 $A$ 的主子式. 若令 $A_{ij}$ 是 $n\times n$ 矩阵, $A$ 删除第 $i$ 行和第 $j$ 列得到的 $(n-1)\times (n-1)$ 子矩阵, 则

$$A_{ij}=(-1{)}^{i+j}\mathrm{d}\mathrm{e}\mathrm{t}(A_{ij})\text{\hspace{1em}(10)}$$

一个 $n\times n$ 矩阵的行列式等于任意行 (或列) 的元素与对应的余子式乘积之和

$$\mathrm{d}\mathrm{e}\mathrm{t}(A)=a_{i1}{A}_{i1}+a_{i2}{A}_{i2}+\cdots +a_{in}{A}_{in}=\sum _{j=1}^n{a}_{ij}(-1{)}^{i+j}\mathrm{d}\mathrm{e}\mathrm{t}(A_{ij})\text{\hspace{1em}(11)}$$

或

$$\mathrm{d}\mathrm{e}\mathrm{t}(A)=a_{1j}{A}_{1j}+a_{2j}{A}_{2j}+\cdots +a_{nj}{A}_{nj}=\sum _{i=1}^n{a}_{ij}(-1{)}^{i+j}\mathrm{d}\mathrm{e}\mathrm{t}(A_{ij})\text{\hspace{1em}(12)}$$

所以行列式计算就是一个递推过程, 当然这也是考试中十分重要的一部分, 考试中计算行列数通常不超过 4.

有了行列式我们就可以和其他的知识点连接起来.

定义 4: 行列式不等于零的矩阵称为非奇异矩阵. 非奇异矩阵 $A$ 存在可逆矩阵 $A^{-1}$.

2. 行列式等式关系

• 矩阵两行 (或列) 互换位置, 行列式保持不变.

• 矩阵的某行 (或列) 是其他行 (或列) 的线性组合, 则行列式为零. 特别地, 某行 (或列)与其他行 (或列) 成正比或相等, 抑或某行 (或列) 全为零.

• $\mathrm{d}\mathrm{e}\mathrm{t}(A)=\mathrm{d}\mathrm{e}\mathrm{t}(A^{\mathrm{T}})$, 但是 $\mathrm{d}\mathrm{e}\mathrm{t}(A^{\mathrm{H}})=[\mathrm{d}\mathrm{e}\mathrm{t}(A^{\mathrm{T}}){]}^{\ast }$

• 单位矩阵的行列式等于 1, 即 $\mathrm{d}\mathrm{e}\mathrm{t}(I)=1$

• 一个 $\mathrm{H}\mathrm{e}\mathrm{r}\mathrm{m}\mathrm{i}\mathrm{t}\mathrm{i}\mathrm{a}\mathrm{n}$ 矩阵的行列式为实数, 因为 $\mathrm{d}\mathrm{e}\mathrm{t}(A)=\mathrm{d}\mathrm{e}\mathrm{t}(A^{\mathrm{H}})=\mathrm{d}\mathrm{e}\mathrm{t}(A^{\mathrm{T}})\Rightarrow \mathrm{d}\mathrm{e}\mathrm{t}(A)=\mathrm{d}\mathrm{e}\mathrm{t}(A^{\ast })=[\mathrm{d}\mathrm{e}\mathrm{t}(A){]}^{\ast }$ .

• $\mathrm{d}\mathrm{e}\mathrm{t}(AB)=\mathrm{d}\mathrm{e}\mathrm{t}(A)\mathrm{d}\mathrm{e}\mathrm{t}(B),A,B\in C^{n\times n}$

• 上三角或下三角矩阵 $A$, 其行列式为主对角线所有元素乘积. $\mathrm{d}\mathrm{e}\mathrm{t}(A)={\prod }_{i=1}^n{a}_{ii}$. 对角矩阵也满足这个条件.

• 给定一个任意常数 (可为复数) $c$, 则 $\mathrm{d}\mathrm{e}\mathrm{t}(cA)=c^n\mathrm{d}\mathrm{e}\mathrm{t}(A)$

• 若 $A$ 非奇异, 则 $\mathrm{d}\mathrm{e}\mathrm{t}(A^{-1})=(\mathrm{d}\mathrm{e}\mathrm{t}(A){)}^{-1}$

• 对于矩阵 $A_{m\times m},B_{m\times n},C_{n\times m},D_{n\times n}$, 分块矩阵的行列式满足

$$\begin{gathered} A非奇异\iff \mathrm{d}\mathrm{e}\mathrm{t}\left[\begin{array}{cc}A& B\\ C& D\end{array}\right]=\mathrm{d}\mathrm{e}\mathrm{t}(A)\mathrm{d}\mathrm{e}\mathrm{t}(D-C{A}^{-1}B) \\ 或 \\ D非奇异\iff \mathrm{d}\mathrm{e}\mathrm{t}\left[\begin{array}{cc}A& B\\ C& D\end{array}\right]=\mathrm{d}\mathrm{e}\mathrm{t}(D)\mathrm{d}\mathrm{e}\mathrm{t}(A-B{D}^{-1}C) \end{gathered}$$

证明方法就是把分块矩阵变成上三角或者下三角矩阵.

3. 行列式不等式关系

• 若 $A,B$ 都是 $m\times n$ 矩阵, 则

$$|\mathrm{d}\mathrm{e}\mathrm{t}(A^{\mathrm{H}}B){|}^2\le \mathrm{d}\mathrm{e}\mathrm{t}(A^{\mathrm{H}}A)\mathrm{d}\mathrm{e}\mathrm{t}(B^{\mathrm{H}}B)$$

• 对于 $m\times n$ 矩阵 $A$, 有

$$\mathrm{d}\mathrm{e}\mathrm{t}(A)\le \prod _{i=1}^m{\left(\sum _{j=1}^m|a_{ij}{|}^2\right)}^{1/2}$$

• 若 $A_{m\times m},B_{m\times n},C_{n\times n}$, 则

$$\mathrm{d}\mathrm{e}\mathrm{t}\left(\left[\begin{array}{cc}A& B\\ B^{\mathrm{H}}& C\end{array}\right]\right)\le \mathrm{d}\mathrm{e}\mathrm{t}(A)\mathrm{d}\mathrm{e}\mathrm{t}(C)$$

• 若 $A_{m\times m}\ne O_{m\times m},B_{m\times n}\ne O_{m\times m}$ 半正定, 则

$$\sqrt[m]{\mathrm{d}\mathrm{e}\mathrm{t}(A+B)}\ge \sqrt[m]{\mathrm{d}\mathrm{e}\mathrm{t}(A)}+\sqrt[m]{\mathrm{d}\mathrm{e}\mathrm{t}(B)}$$

• 正定阵 $A$ 的行列式大于零.

• 半正定阵 $A$ 的行列式大于或等于零.

• 若 $m\times m$ 矩阵 $A$ 半正定, 则

$$(\mathrm{d}\mathrm{e}\mathrm{t}(A){)}^{1/m}\le \frac{1}{m}\mathrm{d}\mathrm{e}\mathrm{t}(A)$$

• 若矩阵 $A_{m\times m},B_{m\times n}$ 均半正定, 则

$$\mathrm{d}\mathrm{e}\mathrm{t}(A+B)\ge \mathrm{d}\mathrm{e}\mathrm{t}(A)+\mathrm{d}\mathrm{e}\mathrm{t}(B)$$

• 若矩阵 $A_{m\times m}正定,B_{m\times n}$ 半正定, 则

$$\mathrm{d}\mathrm{e}\mathrm{t}(A+B)\ge \mathrm{d}\mathrm{e}\mathrm{t}(A)$$

• 若矩阵 $A_{m\times m}正定,B_{m\times n}$ 半负定, 则

$$\mathrm{d}\mathrm{e}\mathrm{t}(A+B)\le \mathrm{d}\mathrm{e}\mathrm{t}(A)$$

四、矩阵的秩

1. 秩的定义

矩阵的秩常用来判断方程组解的数量.

定理 1: 在 $p$ 维 (行或列) 向量的集合之中, 最多存在 $p$ 个线性无关的 (行或列) 向量.

定理 2: 矩阵 $A_{m\times n}$ 的线性无关行数与线性无关列数相同.

定义 5: 矩阵 $A_{m\times n}$ 的秩定义为该矩阵中线性无关的行和列的数目.

由秩的大小, 矩阵方程 $A_{m\times n}{x}_{n\times 1}=b_{m\times 1}$ 分为以下三种类型:

• 适定方程: 若 $m=n$, 并且 $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)=n$, 即矩阵非奇异, 则称矩阵方程 $Ax=b$ 为适定方程.

• 欠定方程: 若 $m<\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)$, 即独立方程个数小于独立未知参数个数, 则称矩阵方程 $Ax=b$ 为欠定方程.

• 超定方程: 若 $m>\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)$, 即独立方程个数大于独立未知参数个数, 则称矩阵方程 $Ax=b$ 为超定方程.

矩阵中线性无关的列向量的所有线性组合形成了一个向量空间, 叫做矩阵的列空间.

定义 6: 矩阵 $A_{m\times n}$ 的列空间 $R(A)$ 的维数定义为该矩阵的秩.

$$r_A=\mathrm{d}\mathrm{i}\mathrm{m}[R(A)]\text{\hspace{1em}(13)}$$

等价叙述:

• $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)=k$

• 存在 $A$ 的 $k$ 列且不多于 $k$ 列组成一线性无关组

• 存在 $A$ 的 $k$ 行且不多于 $k$ 行组成一线性无关组

• 存在 $A$ 的一个 $k\times k$ 子矩阵具有非零行列式, 且 $A$ 的所有 $(k+1)\times (k+1)$ 子矩阵都具有零行列式.

• 列空间 $R(A)$ 的维数等于 $k$

• $k=n-\mathrm{d}\mathrm{i}\mathrm{m}[\mathrm{N}\mathrm{u}\mathrm{l}\mathrm{l}(A)]$, 其中 $\mathrm{N}\mathrm{u}\mathrm{l}\mathrm{l}$ 表示矩阵 $A$ 的零空间.

定理 3: 令 $r_A=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)$ 和 $r_B=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(B)$, 则乘积矩阵 $AB$ 的秩 $r_{AB}=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(AB)$ 满足不等式

r A B ≤ m i n { r A , r B } (14) r_{AB} \le \mathrm{min}\{ r_A,r_B \} \tag{14} rAB​≤min{rA​,rB​}(14)

引理1: 在矩阵左乘或者右乘一个可逆矩阵, 矩阵的秩不变.

引理2: $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}[A,B]\le \mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)+\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(B)$

引理3: $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A+B)\le \mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}[A,B]\le \mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)+\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(B)$

引理4: $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A+B)\le \mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}[A,B]\le \mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)+\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(B)$

引理5: 对于 $m\times n$ 矩阵 $A$ 和 $n\times q$ 矩阵 $B$, 秩不等式 $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(AB)\ge \mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)+\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(B)-n$ 成立.

2. 秩的性质

• 秩是一个正整数

• 秩小于或等于矩阵的行数或列数

• 当 $n\times n$ 矩阵 $A$ 的秩等于 $n$ 时, $A$ 满秩, 可逆.

• 若 r a n k ( A m × n ) < m i n { m , n } \mathrm{rank}(A_{m \times n}) < \mathrm{min}\{m,n\} rank(Am×n​)<min{m,n}, 则 $A$ 秩亏缺, 一个亏缺的方阵叫做奇异矩阵, 不可逆.

• 若 $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A_{m\times n})=m(<n)$, 则 $A$ 满行秩.

• 若 $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A_{m\times n})=n(<m)$, 则 $A$ 满列秩.

• 任何矩阵 $A$ 左乘满行秩或右称一个满列秩矩阵后, 矩阵 $A$ 的秩保存不变.

• 当矩阵的秩 $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A_{m\times n})=r\ne 0$ 时, 至少存在一个 $r\times r$ 子矩阵 $X_{r\times r}$ 满秩或非奇异.

3. 秩的等式

• 若 $A\in C^{m\times n}$, 则 $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A^{\mathrm{H}})=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A^{\mathrm{T}})=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A^{\ast })=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)$

• 若 $A\in C^{m\times n}$ 和 $c\ne 0$, 则 $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(cA)=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)$

• 若 $A\in C^{m\times m}$ 和 $C\in C^{n\times n}$ 均非奇异, 则对于任意一矩阵 $B\in C^{m\times n}$ 有 $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(AB)=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(B)=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(BC)=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(ABC)$

• 若 $A,B\in C^{m\times m}$, 则 $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(B)$ 当且仅当存在非奇异矩阵 $X\in C^{m\times m}$ 和 $Y\in C^{n\times n}$ 使得 $B=XAY$

• 若 $A\in C^{m\times n}$ 则

$$\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A{A}^{\mathrm{T}})=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A^{\mathrm{T}}A)-\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)$$

$$\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A{A}^{\mathrm{H}})=\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A^{\mathrm{H}}A)-\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)$$

• 若 $A\in C^{m\times n}$ 则

$$\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)=m\iff \mathrm{d}\mathrm{e}\mathrm{t}(A)\ne 0\iff A非奇异$$

• 若 $m\times m$ 矩阵 $A$ 非奇异, 且 $B\in C^{m\times n},C\in C^{n\times m},D\in C^{n\times n}$, 则

$$\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}\left[\begin{array}{cc}A& B\\ C& D\end{array}\right]=m\iff D=C{A}^{-1}B$$

4. 秩的不等式

• 对于任意 $m\times n$ 矩阵 $A$ 有 r a n k ( A ) ≤ m i n { m , n } \mathrm{rank}(A) \le \mathrm{min}\{m,n\} rank(A)≤min{m,n}

• 若 $A,B\in C^{m\times n}$, 则 $\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A+B)\le \mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(A)+\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{k}(B)$

• 若 $A\in C^{m\times k}$ 和 $B\in C^{k\times n}$, 则

r a n k ( A ) + r a n k ( B ) − k ≤ r a n k ( A B ) ≤ m i n { r a n k ( A ) , r a n k ( B ) } \mathrm{rank}(A) + \mathrm{rank}(B) - k \le \mathrm{rank}(AB) \le \mathrm{min}\{\mathrm{rank}(A),\mathrm{rank}(B)\} rank(A)+rank(B)−k≤rank(AB)≤min{rank(A),rank(B)}

• 在任意矩阵中删去某些行与 (或) 某些列, 则所得子矩阵的秩不可能大于原矩阵的秩.