矩阵秩研究与应用.docxVIP

矩阵秩的研究与应用1前言矩阵在高等代数理论中极其重要并且应用广泛，它是线性代数的核心，而矩阵的秩作为研究矩阵的一个重要工具，其秩的理论研究非常重要。更重要的是将它推广到实际应用中，那么我们目前在其应用方面的研究又达到了一个什么程度呢？本文主要是对矩阵秩的应用方面的一个总结，让学者对其有个更清晰的认识，使后面的学者对矩阵的学习更轻松，更全面。矩阵方面的理论是非常重要的内容，历年来许多作者对它都有研究，而且其中的部分理论有了很广泛的应用，例如矩阵分析法在企业战略管理、营销活动、供应链管理技术、教学效率评价、射击训练效果评价等方面都起到举足轻重的作用；不仅在本文中的线性代数和解析几何中的理论上的应用，而且在其他领域上也有更实际贴切的应用。如在控制论中，矩阵的秩可用来确定线性系统是否为可控制的，或可观的；此外，矩阵的秩在教学中还有更广泛的应用，如在测量平差中的应用。理论指导实践，所以我着重选择了矩阵秩在理论上的应用的部分来进行探讨，其意义更加广泛且深远。在前人研究的基础上，我主要是对其进行了一个归纳总结，并简单的说了些自己的感想，希望大家能够从中有所收获。2 矩阵的理论研究2.1矩阵秩的定义：秩的定义形式上看比较简单，但是难于理解为什么这样定义，有什么缘由？事实上矩阵秩的概念是从线性方程组中来的：给出个元一次方程组成的方程组，其中有些方程可以用别的方程来运算得出，因此这些方程去掉后，不影响方程的通解性。比如方程可以由以下两个方程相减得出因此由这三个方程组成的方程组与由下面两个方程组成的方程组是同解的，是多余的，可去掉。这样对于个元一次方程组成的方程组就可想办法去掉那些可用其他方程表示的方程，剩下相互独立的方程。例如高斯消元法来去掉，而剩下的那些独立的方程的个数就是这个方程组的秩，矩阵的秩是从方程组的秩中来的，理解了这个就理解了秩的概念，这也是秩的几何意义。如果从向量的相关性的角度考虑，可以这样认为：是矩阵的行（列）向量组的极大线性无关组的这个数，即这个向量组的行（列）秩。传统的代数中有两种定义矩阵的秩的方法：定义一：一个向量组的极大线性无关组所含向量的个数称为这个向量组的秩. 所谓矩阵的行秩就是矩阵的行向量组的秩, 矩阵的列秩就是矩阵的列向量组的秩. 矩阵的行秩等于矩阵的列秩, 并统称为矩阵的秩。定义二：设.若有一个阶子式不为，且的所有阶子式（假设有阶子式）全为或不存在，则称为的秩，记作,若，则。定义一、定义二，这两个定义是等价的。它的等价性可由向量的线性相关性来证，课本中已有证明。关于矩阵秩的刻画方式很多，下面给出的命题1就是关于矩阵秩的等价描述的一组结论．命题1　设为矩阵，则下面各结论等价：1);2)的行向量组的秩等于;3)的列向量组的秩等于；4)的行空间的维数等于；5)的列空间的维数等于；6)元其次线性方程组的解空间的维数等于。定义三：矩阵经过初等变换所化成的阶梯型中非零行的个数称为矩阵的秩.矩阵的秩为,记为.特别,零矩阵的秩.该定义不仅便于理解，用该定义计算矩阵的秩也十分方便.只要对矩阵进行初等变换成阶梯型就能直接看出其秩了.实际上定义三就是根据定理“初等变换不改变矩阵的秩”得来的。下面举例以加深理解和比较这三个定义：例1求矩阵的秩其中；解：法一（定义一）有4个3阶子式，，，，.即它的所有3阶子式均为0.我们再随便写几个它的2阶子式，，故的秩为2.法二（定义二）令，，.则.显然中两两不成比例，故秩不可能是1，但可能是2，这还需要验证，令.则带入数据，即有，解得，即有，也就是能被线性表出。故其秩为2.法三（定义三），最终阶梯型矩阵不为0的行数是2，故其秩为2.2.2矩阵秩的性质：1、2、3、4、5、若的秩为，则存在可逆矩阵、使得.6、，当且仅当是零矩阵；7、，当且仅当；若，则；8、；由上述性质7，我们又可以得到命题2，从而有以下一些等价条件：1) 矩阵的行列式的秩等于；2)矩阵的行列式不为零；3)矩阵是可逆矩阵；4)齐次线性方程组只有零解；5)矩阵能表示成一些初等矩阵的乘积的形式；6)矩阵的所有特征值均不为零。有了这些等价条件，在解决一些具体问题的时候是十分方便的。2.3秩的求法：求矩阵秩的方法很多，拿来一个首先要认真仔细审题，尤其要挖掘题设所隐含的、不明显的条件，寻找这些题设与要解得结论的关系，从而确定解题思路。有时也要做一些技巧的变形，或构造一些辅助的条件，作为解决问题的桥梁，这是难点所在。也正是数学难学的原因所在，总之，要因题而异，所谓学无定法。比如对一个具体矩阵来说，秩的求法可利用上面提到的三个定义求得，既简便，又可行，如例1三种方法均可使用，难易程度不分彼此。而对于一些抽象矩阵则很难一下看出思路和方法，还需利用其他知识等综合考虑问题，这需要学生多多做题，积累经验，具体问题具体分析。我们来看下面一个例题。例2.3 设是阶