Cao Yi

矩阵的行秩等于列秩

返回目录

2024.02.14 农历正月初五

矩阵的行秩等于列秩,是线性代数中的非常非常基础和重要的结论,这个秩也就是矩阵的秩。

假设 $\mathcal{A}$ 是一个 $m \times n$ 矩阵,再假设它的行秩是 $r$.

根据前面的假设,假设 $\mathcal{A}$ 的行向量组一个最大无关组(基)是

\[\mathcal{C} = \begin{bmatrix} c_{1} \\ c_{2} \\ \vdots \\ c_{r} \end{bmatrix}\]

其中,$c_{1}, c_{2}, …, c_{k}$ 是 $n$ 维行向量,$C$ 是一个 $r \times n$ 矩阵。

$\mathcal{A}$ 的所有行向量都可以用 $C$ 线性表出,存在存在一个 $m \times r$ 矩阵 $R$,使

\[\mathcal{A}_{m \times n} = \mathcal{R}_{m \times r}\mathcal{C}_{r \times n}\]

根据矩阵的乘法,$\mathcal{A}$ 除了可以看着是 $\mathcal{C}$ 的行向量的线性组合,还可以看作是 $\mathcal{R}$ 的列向量的线性组合。

既然 $\mathcal{A}$ 是 $\mathcal{R}$ 的列向量的线性组合,那么

\[\mathcal{A} 的列秩 \le \mathcal{R} 的列秩\]

又因为 $\mathcal{R}$ 的列数是 $r$,所以

\[\mathcal{R} 的列秩 \le r\]

所以

\[\mathcal{A} 的列秩 \le \mathcal{R} 的列秩 \le r = \mathcal{A} 的行秩\]

即得到

\[\begin{equation} \begin{split} \mathcal{A} 的列秩 \le \mathcal{A} 的行秩 \end{split} \end{equation}\]

同理可以证明

\[\mathcal{A}^T 的列秩 \le \mathcal{A}^T 的行秩\]

又因为

\[\mathcal{A}^T 的列秩 = \mathcal{A} 的行秩, \mathcal{A}^T 的行秩 = \mathcal{A} 的列秩\]

所以

\[\begin{equation} \begin{split} \mathcal{A} 的行秩 \le \mathcal{A} 的列秩 \end{split} \end{equation}\]

由(1), (2)两式可得

\[\mathcal{A} 的行秩 = \mathcal{A} 的列秩\]

证毕。

后记

这次重学线性代数时,我当然晓得这个结论,但对证明过程却很陌生。所以花了时间反复阅读证明,终于搞清楚了,但往往第二天起来又忘了,这个情况已经反复几次了。是可忍熟不可忍,还是用自己的话记下来吧。

马同学也提供了一种证明,参这里,它是从列向量出发。我这里有意使用行向量来证,其实结果都是一样的——都证妥了。

要证明这个结论,必须把矩阵相乘理解透,尤其是如何从行或列运算的角度去理解。