Files
MathNotesVersion1/公式笔记/线性代数/Ch03_矩阵的初等变换与线性方程组/题型3_秩的等式与不等式证明.md
T
2026-10-04 11:44:56 +08:00

5.0 KiB
Raw Blame History

题型三:秩的等式与不等式证明

识别特征

  • 题目要求证明 r(\cdot) \le \cdot 或 r(\cdot) = \cdot 形式
  • 涉及 r(AB), r(A+B), r(A^T A) 的等式或不等式
  • 常结合齐次方程组的解空间维数论证

解题流程

flowchart TD
    A[识别证明目标] --> B{目标类型}
    B -->|上界 r(AB)≤min| C[向量空间论证]
    B -->|下界 r(A)+r(B)-n≤r| D[辅助矩阵法]
    B -->|r(A+B)≤r+r| E[列向量生成论证]
    B -->|r(ATA)=r(A)| F[解空间互推]
    C --> G[Bx=0的解⊆ABx=0的解]
    D --> H[构造对角矩阵或分块]
    E --> I[A+B的列向量由A和B的列向量线性组合]
    F --> J[齐次方程组等价]

通法步骤

模板 1:证明 $r(AB) \le \min(r(A), r(B))$(必背)

向量空间论证法:

  1. 记 $W_1 = {x \mid Bx = 0}$,W_2 = \{x \mid ABx = 0\}
  2. 显然 $W_1 \subseteq W_2$(因 $Bx = 0 \Rightarrow A(Bx) = 0$)
  3. 由维数单调性:\dim W_2 \ge \dim W_1
  4. 即 n - r(AB) \ge n - r(B) \Rightarrow r(AB) \le r(B)
  5. 同理由 r(AB) = r((AB)^T) = r(B^T A^T) \le r(A)

模板 2:证明 $r(A) + r(B) - n \le r(AB)$(Sylvester 下界)⭐⭐

辅助矩阵法(针对 A, B 均为方阵):

  • 设 $r(A) = r_1, r(B) = r_2$,A 的列向量组极大无关组有 r_1 个
  • 构造辅助矩阵 $C = \begin{pmatrix} A & 0 \ 0 & B \end{pmatrix}$,证明 r(C) = r_1 + r_2
  • 通过初等变换证明 C \sim \begin{pmatrix} \text{某矩阵} \end{pmatrix}

维数方法(更简洁):

  • 利用 \dim(\text{Ker}(B)/\text{Ker}(AB)) \le \text{rank}(A)
  • 结合 \text{rank}(AB) = \dim(\text{Im}(AB))

模板 3:证明 r(A + B) \le r(A) + r(B)

列向量组合论证:

  • A + B 的每一列 = A 的对应列 + B 的对应列
  • 故 A + B 的列向量组可由 A 与 B 的列向量组合而成
  • 由生成子空间 \text{Col}(A+B) \subseteq \text{Col}(A) + \text{Col}(B)
  • 故 r(A + B) \le \dim(\text{Col}(A) + \text{Col}(B)) \le r(A) + r(B)

模板 4:证明 $r(A^T A) = r(A)$(常考)⭐⭐

齐次方程组等价法:

  • A^T A x = 0 \Rightarrow x^T A^T A x = 0 \Rightarrow (Ax)^T (Ax) = \|Ax\|^2 = 0 \Rightarrow Ax = 0
  • 故 A^T A x = 0 与 A x = 0 同解
  • 维数相同:n - r(A^T A) = n - r(A) \Rightarrow r(A^T A) = r(A)

常见陷阱

  • 写论证时方向搞反:例如证 r(AB) \le r(B) 时应设 $W_1 \subseteq W_2$,推出 n - r(AB) \ge n - r(B)
  • 矩阵非方阵时 Sylvester 下界不能用,需额外说明
  • A + B 不等式容易写成 $r(A + B) \le r(A) + r(B)$,但不能写成等式
  • 证明抽象等式时,必须先推导基础命题(如 A 可逆 $\Leftrightarrow r = n$)再引用

经典母题

题目:设 A 为 m \times n 实矩阵,B 为 n \times p 实矩阵。证明:


r(A) + r(B) - n \le r(AB) \le \min(r(A), r(B))

解答

上界 $r(AB) \le \min(r(A), r(B))$:

设 $W_1 = {x \in \mathbb{R}^p \mid Bx = 0}$,$W_2 = {x \in \mathbb{R}^p \mid ABx = 0}$。

显然 $W_1 \subseteq W_2$,故 $\dim W_1 \le \dim W_2$,即 $p - r(B) \le p - r(AB)$,故 $r(AB) \le r(B)$。

再由 $r(AB) = r((AB)^T) = r(B^T A^T) \le r(A^T) = r(A)$。

合取得 $r(AB) \le \min(r(A), r(B))$。

下界 $r(A) + r(B) - n \le r(AB)$(A 为 m \times n, B 为 $n \times p$):

设 $r(A) = r_1, r(B) = r_2$。我们证明:方程组 ABx = 0 与 Bx = 0 的公共解空间维数 $\ge r_1 + r_2 - n$。

考虑 B x = 0 的基础解系 $\xi_1, \ldots, \xi_{p - r_2}$。

若 $r_1 + r_2 > n$,令 $r = r_1 + r_2 - n$,取 A 的基础解系 $\eta_1, \ldots, \eta_{n - r_1}$。可以证明存在非零向量同时在两组内。

具体见教材(用扩充 \xi_i 与 \eta_j 联合构造)—— 此定理证明较繁琐,考研常用简化版。

简化版的 Sylvester:当 A, B 均为方阵(设 $A, B \in \mathbb{R}^{n \times n}$)时,可通过分块矩阵的对角化论证:


\text{rank}\begin{pmatrix} A & \\ & B \end{pmatrix} = r_1 + r_2
\Rightarrow
\text{rank}\begin{pmatrix} A & -AB \\ & B \end{pmatrix}
= r_1 + r_2 \text{(初等变换)}

由 r\begin{pmatrix} A & -AB \\ & B \end{pmatrix} \le r(A) + r(B) - (n - r(AB)) 得 $r_1 + r_2 \le r_1 + r_2 - n + r(AB)$,即 $r(AB) \ge r_1 + r_2 - n$。

复盘

  • 核心技巧:用齐次方程组解空间建立秩与维数之间的桥梁。
  • 关键观察:$r(AB) = n - \dim{x \mid ABx = 0}$,把秩转化成解空间维数问题。
  • 考频:高(每年至少 1 道大题),务必熟练。

变式 1:设 A, B 均为 n 阶矩阵,证明 $r(AB) \ge r(A) + r(B) - n$(Sylvester 在 n 阶方阵下的形式)。

证明:由 $r(A^T) + r(AB) - n \le r(A^T \cdot AB) \le r(AB)$,再用 Sylvester 得 \ge 方向。


变式 2:证明 $r(A) + r(B) \ge r(A + B)$(子空间维度关系)。

证明:$\text{Col}(A+B) \subseteq \text{Col}(A) + \text{Col}(B)$,故 $r(A+B) \le \dim(\text{Col}(A) + \text{Col}(B)) \le r(A) + r(B)$。