矩阵乘法的秩的性质

这篇具有很好参考价值的文章主要介绍了矩阵乘法的秩的性质。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前置定理 1 矩阵方程 A X = b \boldsymbol{A} \boldsymbol{X} = \boldsymbol{b} AX=b 有解的充分必要条件是 R ( A ) = R ( A , B ) R(\boldsymbol{A}) = R(\boldsymbol{A},\boldsymbol{B}) R(A)=R(A,B)

证明见 “线性方程组与矩阵的秩”。

前置性质 2  R ( A T ) = R ( A ) R(\boldsymbol{A}^T) = R(\boldsymbol{A}) R(AT)=R(A)

证明见 “矩阵的秩的性质”。

前置定理 3 设 m × n m \times n m×n 矩阵 A \boldsymbol{A} A 的秩 R ( A ) = r R(\boldsymbol{A}) = r R(A)=r,则 n n n 元齐次线性方程组 A x = 0 \boldsymbol{A} \boldsymbol{x} = \boldsymbol{0} Ax=0 的解集 S S S 的秩 R S = n − r R_S = n - r RS=nr

证明见 “齐次线性方程组系数矩阵的秩与解集的秩”。

前置定理 4 矩阵 A = O \boldsymbol{A} = \boldsymbol{O} A=O 的充分必要条件是方阵 A T A = O \boldsymbol{A}^T \boldsymbol{A} = \boldsymbol{O} ATA=O

证明见 “【证明】矩阵A=O的充要条件是方阵A^TA=O”。


性质 1  R ( A B ) ≤ min ⁡ { R ( A ) , R ( B ) } R(\boldsymbol{A} \boldsymbol{B}) \le \min \{R(\boldsymbol{A}),R(\boldsymbol{B})\} R(AB)min{R(A),R(B)}

证明 设 A B = C \boldsymbol{A} \boldsymbol{B} = \boldsymbol{C} AB=C,则知矩阵方程 A X = C \boldsymbol{A} \boldsymbol{X} = \boldsymbol{C} AX=C 有解 X = B \boldsymbol{X} = \boldsymbol{B} X=B。根据前置定理 1 有 R ( A ) = R ( A , C ) R(\boldsymbol{A}) = R(\boldsymbol{A}, \boldsymbol{C}) R(A)=R(A,C),从而有 R ( C ) ≤ R ( A , C ) R(\boldsymbol{C}) \le R(\boldsymbol{A},\boldsymbol{C}) R(C)R(A,C),进而有 R ( C ) ≤ R ( A ) R(\boldsymbol{C}) \le R(\boldsymbol{A}) R(C)R(A)

B T A T = C T \boldsymbol{B}^T \boldsymbol{A}^T = \boldsymbol{C}^T BTAT=CT,同理可证 R ( C T ) ≤ R ( B T ) R(\boldsymbol{C}^T) \le R(\boldsymbol{B}^T) R(CT)R(BT),根据前置性质 2,有 R ( C ) ≤ R ( B ) R(\boldsymbol{C}) \le R(\boldsymbol{B}) R(C)R(B)

综上所述, R ( C ) ≤ min ⁡ { R ( A ) , R ( B ) } R(\boldsymbol{C}) \le \min \{R(\boldsymbol{A}),R(\boldsymbol{B})\} R(C)min{R(A),R(B)},得证。

定理 2 若 A m × n B n × l = O \boldsymbol{A}_{m \times n} \boldsymbol{B}_{n \times l} = \boldsymbol{O} Am×nBn×l=O,则 R ( A ) + R ( B ) ≤ n R(\boldsymbol{A}) + R(\boldsymbol{B}) \le n R(A)+R(B)n

证明 记 B = ( b 1 , b 2 , ⋯   , b l ) \boldsymbol{B} = (\boldsymbol{b}_1,\boldsymbol{b}_2,\cdots,\boldsymbol{b}_l) B=(b1,b2,,bl),则
A ( b 1 , b 2 , ⋯   , b l ) = ( 0 , 0 , ⋯   , 0 ) \boldsymbol{A} (\boldsymbol{b}_1,\boldsymbol{b}_2,\cdots,\boldsymbol{b}_l) = (\boldsymbol{0},\boldsymbol{0},\cdots,\boldsymbol{0}) A(b1,b2,,bl)=(0,0,,0)

A b i = 0   ( i = 1 , 2 , ⋯   , l ) \boldsymbol{A} \boldsymbol{b}_i = \boldsymbol{0} \ (i=1,2,\cdots,l) Abi=0 (i=1,2,,l)
表明矩阵 B \boldsymbol{B} B l l l 个列向量都是齐次方程 A x = 0 \boldsymbol{A} \boldsymbol{x} = \boldsymbol{0} Ax=0 的解。记方程 A x = 0 \boldsymbol{A} \boldsymbol{x} = \boldsymbol{0} Ax=0 的解集为 S S S,由 b i ∈ S \boldsymbol{b}_i \in S biS,知有 R ( b 1 , b 2 , ⋯   , b l ) ≤ R S R(\boldsymbol{b}_1,\boldsymbol{b}_2,\cdots,\boldsymbol{b}_l) \le R_S R(b1,b2,,bl)RS,即 R ( B ) ≤ R S R(\boldsymbol{B}) \le R_S R(B)RS。因为根据前置定理 3,有 R ( A ) + R S = n R(\boldsymbol{A}) + R_S = n R(A)+RS=n,所以 R ( A ) + R ( B ) ≤ n R(\boldsymbol{A}) + R(\boldsymbol{B}) \le n R(A)+R(B)n

引理 若 n n n 元齐次线性方程组 A x = 0 \boldsymbol{A} \boldsymbol{x} = \boldsymbol{0} Ax=0 B x = 0 \boldsymbol{B} \boldsymbol{x} = \boldsymbol{0} Bx=0 同解,则 R ( A ) = R ( B ) R(\boldsymbol{A}) = R(\boldsymbol{B}) R(A)=R(B)

证明 由于方程组 A x = 0 \boldsymbol{A} \boldsymbol{x} = \boldsymbol{0} Ax=0 B x = 0 \boldsymbol{B} \boldsymbol{x} = \boldsymbol{0} Bx=0 有相同的解集,不妨将相同其设为 S S S。根据前置定理 3,有 R ( A ) = n − R S R(\boldsymbol{A}) = n - R_S R(A)=nRS R ( B ) = n − R S R(\boldsymbol{B}) = n - R_S R(B)=nRS。因此 R ( A ) = R ( B ) R(A) = R(B) R(A)=R(B)

根据引理,当矩阵 A \boldsymbol{A} A B \boldsymbol{B} B 的列数相等时,要证 R ( A ) = R ( B ) R(\boldsymbol{A}) = R(\boldsymbol{B}) R(A)=R(B),只需证明齐次方程 A x = 0 \boldsymbol{A} \boldsymbol{x} = \boldsymbol{0} Ax=0 B x = 0 \boldsymbol{B} \boldsymbol{x} = \boldsymbol{0} Bx=0 同解。

定理 3  R ( A T A ) = R ( A ) R(\boldsymbol{A}^T \boldsymbol{A}) = R(\boldsymbol{A}) R(ATA)=R(A)

证明 根据引理的结论,要证明 R ( A T A ) = R ( A ) R(\boldsymbol{A}^T \boldsymbol{A}) = R(\boldsymbol{A}) R(ATA)=R(A),只需证明 ( A T A ) x = 0 (\boldsymbol{A}^T \boldsymbol{A}) \boldsymbol{x} = \boldsymbol{0} (ATA)x=0 A x = 0 \boldsymbol{A} \boldsymbol{x} = \boldsymbol{0} Ax=0 同解。

x \boldsymbol{x} x 满足 A x = 0 \boldsymbol{A} \boldsymbol{x} = \boldsymbol{0} Ax=0,则有 A T ( A x ) = 0 \boldsymbol{A}^T (\boldsymbol{A} \boldsymbol{x}) = \boldsymbol{0} AT(Ax)=0,即 ( A T A ) x = 0 (\boldsymbol{A}^T \boldsymbol{A}) \boldsymbol{x} = \boldsymbol{0} (ATA)x=0

x \boldsymbol{x} x 满足 ( A T A ) x = 0 (\boldsymbol{A}^T \boldsymbol{A}) \boldsymbol{x} = \boldsymbol{0} (ATA)x=0,则有 x T ( A T A ) x = 0 \boldsymbol{x}^T (\boldsymbol{A}^T \boldsymbol{A}) \boldsymbol{x} = 0 xT(ATA)x=0,即 ( A x ) T ( A x ) = 0 (\boldsymbol{A} \boldsymbol{x})^T (\boldsymbol{A} \boldsymbol{x}) = 0 (Ax)T(Ax)=0。根据前置定理 4 可知, A x = 0 \boldsymbol{A} \boldsymbol{x} = 0 Ax=0

因此,方程组 ( A T A ) x = 0 (\boldsymbol{A}^T \boldsymbol{A}) \boldsymbol{x} = \boldsymbol{0} (ATA)x=0 A x = 0 \boldsymbol{A} \boldsymbol{x} = \boldsymbol{0} Ax=0 同解,进而有 R ( A T A ) = R ( A ) R(\boldsymbol{A}^T \boldsymbol{A}) = R(\boldsymbol{A}) R(ATA)=R(A)。得证。文章来源地址https://www.toymoban.com/news/detail-438475.html

到了这里,关于矩阵乘法的秩的性质的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 简述矩阵的秩和向量组的秩的定义 从定义出发分析两者之间的相互关系

    (1)简述矩阵的秩和向量组的秩的定义;(2)从定义出发分析两者之间的相互关系。 (1)简述矩阵的秩和向量组的秩的定义: 矩阵的秩的定义:设在矩阵A中有一个不为0的r阶子式D,且所有的r+1阶子式(若存在)全为0,则D称为矩阵A的最高阶非零子式,它的阶数r称为矩阵

    2024年02月16日
    浏览(38)
  • 矩阵乘积的秩定理

    两个矩阵乘积的秩不大于其每个因子的秩;特别的当其中一个因子可逆时,那么乘积的秩等于另一个因子的秩。 假设 A是一个m x n的矩阵,B是一个n x s的矩阵, r是A的秩。若 s r slt r s r ,自然秩 A B ≤ 秩 A AB le 秩A A B ≤ 秩 A . 所以主要讨论 s ≥ r sge r s ≥ r , 通过对A进行初等

    2024年02月05日
    浏览(35)
  • 第三章,矩阵,08-矩阵的秩及相关性质

    玩转线性代数(20)矩阵的秩的笔记,相关证明以及例子见原文 设矩阵 A m ∗ n A_{m*n} A m ∗ n ​ ,称其标准形中单位矩阵子块的阶数为矩阵A的秩,记为 R ( A ) R(A) R ( A ) 设在矩阵A中有一个r阶子式 D ≠ 0 D neq 0 D  = 0 ,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

    2024年02月12日
    浏览(23)
  • 【考研数学】线形代数第三章——向量 | 3)向量秩的性质、向量空间、过渡矩阵

    紧接前文学习完向量组秩的基本概念后,继续往后学习向量的内容。 性质 1(三秩相等) —— 设 A = ( β 1 , β 2 , … , β n ) = ( α 1 , α 2 , … , α n ) T pmb{A=(beta_1,beta_2,dots,beta_n)=(alpha_1,alpha_2,dots,alpha_n)^T} A = ( β 1 ​ , β 2 ​ , … , β n ​ ) = ( α 1 ​ , α 2 ​ , … , α n ​ )

    2024年02月11日
    浏览(27)
  • 【考研数学】线形代数第三章——向量 | 3)向量组秩的性质、向量空间、过渡矩阵

    紧接前文学习完向量组秩的基本概念后,继续往后学习向量的内容。 性质 1(三秩相等) —— 设 A = ( β 1 , β 2 , … , β n ) = ( α 1 , α 2 , … , α n ) T pmb{A=(beta_1,beta_2,dots,beta_n)=(alpha_1,alpha_2,dots,alpha_n)^T} A = ( β 1 ​ , β 2 ​ , … , β n ​ ) = ( α 1 ​ , α 2 ​ , … , α n ​ )

    2024年02月09日
    浏览(34)
  • 【算法竞赛模板】求解线性方程组是否有解(求解矩阵的秩)

        在实际运用中需判断线性方程组有无解,可以通过矩阵运算判断线性方程组是否有解 线性方程组有无解总结: 矩阵求解秩流程:    所以:当我们遇到题目问线性方程组是否有解时,只需求解系数矩阵的秩与增广矩阵的秩的关系 。我们可以通过分别求系数矩阵与增

    2024年02月12日
    浏览(28)
  • 线性方程组系数矩阵的秩与解的个数的关系

    齐次方程组: A x = 0 Ax=0 A x = 0 系数矩阵 A n × n A_{n×n} A n × n ​ 的秩 解的个数 满秩: r ( A ) = n r(A)=n r ( A ) = n 仅有零解 不满秩: r ( A ) = r n r(A)=rn r ( A ) = r n 有无穷多解 注: 齐次线性方程 A x = 0 Ax=0 A x = 0 一定有解. 当 r ( A ) = r n r(A)=rn r ( A ) = r n 时, 基础解系 (线性无关的

    2024年02月01日
    浏览(38)
  • 【线代】矩阵的秩和线性方程组的解的情况

    行最简型矩阵 :(也可以叫做行最简阶梯型矩阵,或者行简化阶梯型矩阵),其特点是:非零行的首非零元为1,且这些非零元所在的列的其它元素都为0。所谓的行最简的意思就是对应的方程组是“最简单的”,就是说,对应的方程组,最多只需要移项就行了,不再需要其他任何

    2024年01月19日
    浏览(27)
  • LA@2@1@线性方程组和简单矩阵方程有解判定定理

    线性方程组有解判定 线性方程组 A x = b Abold{x}=bold{b} A x = b 有解的 充分必要条件是它的系数矩阵A和增广矩阵 ( A , b ) (A,bold{b}) ( A , b ) 具有相同的秩 R ( A ) = R ( A , b ) R(A)=R(A,bold{b}) R ( A ) = R ( A , b ) ,记 r = R ( A ) = R ( A , b ) r=R(A)=R(A,bold{b}) r = R ( A ) = R ( A , b ) : 若 r = n r=n r = n 有

    2024年02月12日
    浏览(30)
  • 高等数学:矩阵的酉不变范数,樊畿控制定理,次可乘性质,p次对称度规函数

    设 ∥ ⋅ ∥ : C m × n → R + lVertcdotrVert : mathbb{C}^{mtimes n} to mathbb{R}_+ ∥ ⋅ ∥ : C m × n → R + ​ 是范数,且 ∥ ★ ∥ = ∥ U ∗ ★ V ∥ lVert bigstar rVert = lVert U^{*} bigstar V rVert ∥ ★ ∥ = ∥ U ∗ ★ V ∥ 对所有酉矩阵 U , V U,V U , V 成立(此时称 ∥ ⋅ ∥ lVertcdotrVert ∥ ⋅

    2024年02月11日
    浏览(27)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包