矩阵的秩

                     

贡献者: 叶月2_; addis; JierPeter; ACertainUser

预备知识 1 行列式线性相关、线性无关

  

未完成:列向量(或者矩阵)版本的线性相关、线性无关

1. 秩的概念

定义 1 线性相关性

   给定一组 $n\times m$ 的矩阵 $\mathcal{V}_1, \mathcal{V}_2, \cdots, \mathcal{V}_n$,如果存在不全为零的系数 $a_1, a_2, \cdots, a_n$ 使得 $a_1\mathcal{V}_1+a_2\mathcal{V}_2+\cdots+a_n\mathcal{V}_n$ 是零矩阵,那么称这组矩阵线性相关(linearly dependent);否则,称其线性无关(linearly independent)

   线性相关性的概念源自向量坐标的唯一性。以几何向量为例,当给定一组向量 $ \boldsymbol{\mathbf{v}} _1, \boldsymbol{\mathbf{v}} _2, \cdots, \boldsymbol{\mathbf{v}} _n$,其线性组合 $a_1 \boldsymbol{\mathbf{v}} _1+a_2 \boldsymbol{\mathbf{v}} _2+\cdots+a_n \boldsymbol{\mathbf{v}} _n$ 也是一个向量,我们可以称列矩阵 $ \begin{pmatrix}a_1&a_2&\cdots&a_n\end{pmatrix} ^{\mathrm{T}}$ 为该向量的坐标。两个向量相加后的坐标,就是两个向量的坐标矩阵直接相加。零向量显然有一个坐标,即零矩阵 $ \begin{pmatrix}0&0&\cdots&0\end{pmatrix} ^{\mathrm{T}}$;如果零向量还有一个非零的坐标 $ \begin{pmatrix}x_1&x_2&\cdots&x_n\end{pmatrix} ^{\mathrm{T}}$,那么任何向量也都会有无穷多个坐标。比如说,有一个坐标为 $ \begin{pmatrix}1&2&\cdots&n\end{pmatrix} ^{\mathrm{T}}$ 的向量,其坐标值也可以是 $ \begin{pmatrix}1+x_1&2+x_2&\cdots&n+x_n\end{pmatrix} ^{\mathrm{T}}$,乃至 $ \begin{pmatrix}1+2x_1&2+2x_2&\cdots&n+nx_n\end{pmatrix} ^{\mathrm{T}}$。各向量的坐标唯一,当且仅当零向量的坐标唯一,而零向量的坐标唯一等价于 “对于不全为零的系数 $a_1, a_2, \cdots, a_n$,线性组合 $a_1 \boldsymbol{\mathbf{v}} _1+a_2 \boldsymbol{\mathbf{v}} _2+\cdots+a_n \boldsymbol{\mathbf{v}} _n$ 不可能是零向量”,这便是线性无关的定义。

   上段所解释的是几何向量线性相关性的定义,但把对象从几何向量改为 $n\times m$ 矩阵,也可以类似推广出矩阵线性相关性的定义。

定义 2 矩阵的行秩、列秩

   定义矩阵列秩(column rank)等于其线性无关的列数,行秩(row rank)等于线性无关的行数。

定理 1 

   初等变换不改变矩阵的行秩与列秩。

   证明:

   转置矩阵后有:初等行变换不改变行秩 $\Leftrightarrow$ 初等列变换不改变列秩,以及初等行变换不改变列秩 $\Leftrightarrow$ 初等列变换不改变矩阵行秩。因此我们只需要分别证明一种情况。

   首先证明初等行变换不改变行秩。易知交换若干行不改变行秩。设行秩为 $m$,这意味着有 $m$ 行线性无关,设这部分行向量组为 $ \boldsymbol{\mathbf{e}} _1, \boldsymbol{\mathbf{e}} _2... \boldsymbol{\mathbf{e}} _m$。则 i 行的 k 倍加到 j 行后行向量组为 $ \boldsymbol{\mathbf{e}} _1... \boldsymbol{\mathbf{e}} _i,...k \boldsymbol{\mathbf{e}} _i+ \boldsymbol{\mathbf{e}} _j$,合并 $ \boldsymbol{\mathbf{e}} _i$ 项,则行变换不改变 $\{ \boldsymbol{\mathbf{e}} _i\}^m_{i=1}$ 的线性相关性。易证将某行乘以 $k$ 倍也不改变行秩。

   然后证明初等行变换不改变列秩。设该初等变换矩阵为 $M$,列向量组为 $\{ \boldsymbol{\mathbf{\theta}} _i\}$,列秩为 $n$ 相当于有 $n$ 列线性无关,设为前 n 列并取这部分进行观察。

   则对该向量组进行初等行变换相当于:$M( \boldsymbol{\mathbf{\theta}} _1, \boldsymbol{\mathbf{\theta}} _2... \boldsymbol{\mathbf{\theta}} _n)=(A \boldsymbol{\mathbf{\theta}} _1,A \boldsymbol{\mathbf{\theta}} _2...A \boldsymbol{\mathbf{\theta}} _n...)$。由于初等变换可逆,则这是一个一一映射,$\{A \boldsymbol{\mathbf{\theta}} _i\}_{i=1}^n$ 依然线性无关。所以初等行变换不改变列秩。

   经过初等变换,我们总可以把任意矩阵 $M$ 变换为对角矩阵,这个过程为:

\begin{equation} P_i...P_2P_1MQ_1,Q_2...Q_s= \left(\begin{array}{lllll} 1 & & & & \\ & 1 & & & \\ & & 1 & & \\ & & & \ddots & \\ & & & & 0 \end{array}\right)~. \end{equation}

   则可知矩阵的行秩等于列秩,因此可以被定义为矩阵的秩。

定义 3 

   由于任意的矩阵的行秩和列秩相等,因此可以直接称之为矩阵的秩(rank),记为 $ \operatorname {rank}( \boldsymbol{\mathbf{A}} )$。由于矩阵是线性映射在特定基下的表示,设任意向量 $ \boldsymbol{\mathbf{x}} =x^i \boldsymbol{\mathbf{e}} _i$,矩阵为线性映射 $f$ 的表示,则第 $j$ 列为 $f( \boldsymbol{\mathbf{e}} _j)$ 且有 $M \boldsymbol{\mathbf{x}} =f(x^i \boldsymbol{\mathbf{e}} _i)=x^if( \boldsymbol{\mathbf{e}} _i)$。所以矩阵的秩等价于象的维度

2. 秩的性质

定理 2 

   根据定义,一个矩阵的秩 $\mathcal R$ 必定小于或等于矩阵的行数 $M$ 以及列数 $N$(取较小者):

\begin{equation} \mathcal R\leq \min (M, N)~. \end{equation}

例 1 

   矩阵

\begin{equation} \begin{pmatrix}1 & 1 & 4\\ 1 & 0 & 2\\ 0 & 1 & 2\end{pmatrix} ~ \end{equation}
中,如果我们把矩阵看做是三个列矢量 $ \boldsymbol{\mathbf{v}} _1, \boldsymbol{\mathbf{v}} _2, \boldsymbol{\mathbf{v}} _3$ 组成,那么 $ \boldsymbol{\mathbf{v}} _1, \boldsymbol{\mathbf{v}} _2$ 显然是线性无关的(不共线),而 $ \boldsymbol{\mathbf{v}} _3$ 可以表示为 $ \boldsymbol{\mathbf{v}} _1, \boldsymbol{\mathbf{v}} _2$ 的线性组合,即
\begin{equation} \boldsymbol{\mathbf{v}} _3 = 2 \boldsymbol{\mathbf{v}} _1 + 2 \boldsymbol{\mathbf{v}} _2~, \end{equation}
所以它们之中只有两个矢量线性无关,该矩阵的秩为 2。

   当然,我们也可以认为 $ \boldsymbol{\mathbf{v}} _2, \boldsymbol{\mathbf{v}} _3$ 线性无关,排除 $ \boldsymbol{\mathbf{v}} _1$,同样得到秩为 2。一般来说,若有

\begin{equation} \sum_i c_i \boldsymbol{\mathbf{v}} _i = \boldsymbol{\mathbf{0}} \qquad (c_i \ne 0)~. \end{equation}
我们就可以把任意一个 $ \boldsymbol{\mathbf{v}} _i$ 排除,再次求解上式,直到上式无解,那么可以确定剩下的矢量就是线性无关的,他们的数量就是矩阵的秩。这种方法计算量过大,后面我们会介绍更简单的方法。

   关于秩,有两个常用性质:

定理 3 

   对于矩阵 $A,B$ 有:

\begin{equation} \mathcal R(AB)\le \operatorname {min}\{\mathcal R(A),\mathcal R(B)\}~. \end{equation}

   证明:1

   设行秩为 $L_r$,列秩为 $L_c$。 设 $ \boldsymbol{\mathbf{x}} $ 为任意列向量,任意列向量 $ \boldsymbol{\mathbf{y}} \in \operatorname {Im}AB$,即 $ \boldsymbol{\mathbf{y}} =AB \boldsymbol{\mathbf{x}} $。所以 $ \boldsymbol{\mathbf{y}} \in \operatorname {Im}{A}$(象空间为列空间),则 $ L_c(AB)\leq L_c(A)$。

   设 $ \boldsymbol{\mathbf{z}} $ 为任意行向量,同理得:$ \boldsymbol{\mathbf{z}} AB= \boldsymbol{\mathbf{y}} ^T\in \operatorname {Im}B$(象空间为行空间),所以 $L_r(AB)\leq L_r(B)$。 又因为 $L_c=L_r=\mathcal R$,综合上述得:$\mathcal R(AB)\le \operatorname {min}\{\mathcal R(A),\mathcal R(B)\}$。

定理 4 

   对于方阵 $A,B$,若有 $AB=0$,则 $\mathcal R(A)+\mathcal R(B)\le n$。

   证明:

   设 $ \boldsymbol{\mathbf{x}} $ 为任意向量,则 $AB \boldsymbol{\mathbf{x}} = \boldsymbol{\mathbf{0}} $,也就是说 $ \operatorname {Im}B= \operatorname {ker}A$。结合秩定理:$ \operatorname {dim}V= \operatorname {dim} \operatorname {Im}f+ \operatorname {ker}f$ 及象维度等于矩阵的秩便可得该定理。

定义 4 满秩矩阵

   若 $n$ 阶方阵的秩为 $n$,我们就称其为满秩矩阵(full rank matrix)。满秩矩阵意味着矩阵中所有行(列)都线性无关。

   从运算可知,n 阶方阵是 n 维空间的线性变换,因此若方阵满秩,也可称该线性变换满秩。

   判断一个方阵是否为满秩矩阵的一种常见方法是计算方阵的行列式,若结果不为零,则矩阵是满秩的,否则不是(定理 7 )。注意非满秩的情况下行列式并不能判断秩具体是多少。另一种更简单的方法是使用下面的高斯消元法。

3. 高斯消元法计算秩

预备知识 2 高斯消元法

   要确定任意矩阵秩的大小,我们可以先用高斯消元法将矩阵变换为梯形矩阵。矩阵的秩数就是梯形矩阵中不为零的行数。这是因为行变换不会改变矩阵的秩。

   证明:如果通过行变换可以把矩阵的某行变为零,那么就说明该行必定可以表示为其他行的线性组合;而梯形矩阵中每一个不为零的行都无法通过行变换变为零,所以他们都是线性无关的(具体证明留作习题)。证毕。

例 2 

   我们用高斯消元法计算式 3 的秩,该矩阵经过行变换 $ \boldsymbol{\mathbf{r}} _2 \leftrightarrow \boldsymbol{\mathbf{r}} _1$,$ \boldsymbol{\mathbf{r}} _2 - \boldsymbol{\mathbf{r}} _1$,$ \boldsymbol{\mathbf{r}} _3 - \boldsymbol{\mathbf{r}} _2$ 后变为梯形矩阵

\begin{equation} \begin{pmatrix}1 & 0 & 2\\ 0 & 1 & 2\\ 0 & 0 & 0\end{pmatrix} ~ \end{equation}
有两个不为零的行,所以矩阵的秩为 2。

   同理,我们也可以把矩阵先做转置再用高斯消元法计算其线性无关的列。这么做可以验证给定矩阵的行秩等于列秩。


1. ^ 另一种思路的证明可见 Jier Peter 的《代数学基础》,把 $A,B$ 都表示为包含初等变换及对角矩阵的形式即可。$A=...P^{-1}_iI_AQ^{-1}_s...$。

                     

© 小时科技 保留一切权利