c语言中矩阵乘积的秩,两个矩阵的乘积为零 它们的 秩有什么关系

关系： r(A)+r(B)<=n；

推导过程如下：

设AB = 0, A是mxn, B是nxs 矩阵；

则 B 的列向量都是 AX=0的秩；

所以 r(B)<=n-r(A)；

所以 r(A)+r(B)<=n。

扩展资料：

秩性质

我们假定 A是在域 F上的 m× n矩阵并描述了上述线性映射。

只有零矩阵有秩 0 A的秩最大为 min(m,n) f是单射，当且仅当 A有秩 n(在这种情况下，我们称 A有“满列秩”)。

f是满射，当且仅当 A有秩 m(在这种情况下，我们称 A有“满行秩”)。

在方块矩阵A(就是 m= n) 的情况下，则 A是可逆的，当且仅当 A有秩 n(也就是 A有满秩)。如果 B是任何 n× k矩阵，则 AB的秩最大为 A的秩和 B的秩的小者。

即：秩(AB)≤min(秩(A)，秩(B)) 推广到若干个矩阵的情况。

就是：秩(A1A2...Am)≤min(秩(A1)，秩(A2)，...秩(Am)) 证明：考虑矩阵的秩的线性映射的定义，令A、B对应的线性映射分别为 f和 g，则秩(AB)表示复合映射 f·g，它的象 Im f·g是 g的像 Im g在映射 f作用下的象。

然而 Im g是整个空间的一部分，因此它在映射 f作用下的象也是整个空间在映射 f作用下的象的一部分。也就是说映射 Im f·g是Im f的一部分。

对矩阵就是：秩(AB)≤秩(A)。对于另一个不等式：秩(AB)≤秩(B)，考虑 Im g的一组基：(e1，e2，...，en)，容易证明(f(e1)，f(e2)，...，f(en))生成了空间 Im f·g，于是 Im f·g的维度小于等于Im g的维度。

对矩阵就是：秩(AB)≤秩(B)。因此有：秩(AB)≤min(秩(A)，秩(B))。若干个矩阵的情况证明类似。

作为 "

于是有以下性质：如果 B是秩 n的 n× k矩阵，则 AB有同 A一样的秩。如果 C是秩 m的 l× m矩阵，则 CA有同 A一样的秩。A的秩等于 r，当且仅当存在一个可逆 m× m矩阵 X和一个可逆的 n× n矩阵 Y使得 这里的 Ir指示 r× r单位矩阵。证明可以通过高斯消去法构造性地给出。

矩阵的秩加上矩阵的零化度等于矩阵的纵列数(这就是秩-零化度定理)。

参考资料来源：百度百科--秩

参考资料来源：百度百科--矩阵