子空间的方法:
设KerA={X,AX=0}。
我们有DimKerA+DimKerB=Dim(KerA+KerB)+ Dim(KerA∩KerB),
KerA+KerB是R^n的子空间,所以Dim(KerA+KerB)≤n。
X∈KerA∩KerB,AX=BX=0,则(A+B)X=0,X∈Ker(A+B)
所以KerA∩KerB是Ker(A+B)的子空间,
Dim(KerA∩KerB)≤DimKer(A+B),
所以DimKerA+DimKerB=Dim(KerA+KerB)+ Dim(KerA∩KerB)≤
≤n+DimKer(A+B)
又有DimKerA+DimKerB=n-rank(A)+n-rank(B)≤n+DimKer(A+B)=
=n+n-rank(A+B),
所以rank(A+B)≤rank(A)+rank(B)。
还有其他解法:如将A变换为阶梯型矩阵。
初等变换的方法:
设rankA。=r, rank(B)=s
初等变换的原理1):若Cm*m为可逆矩阵,Dn*n为可逆矩阵,则
rankCAD= rankA。
。
初等变换的原理2):有Cm*m为可逆矩阵,Dn*n为可逆矩阵,使
CAD=(e1,e2,。 。,er,0,0,。。0)=A’,ek为第k个元素=1,其他=0的列向量
3)有 rank(CBD)=s,。
设CBD=B’=(b1,b2,。。bn),{b1,b2,。。bn}为列向量。
A’+B’=(e1+b1,e2+b2,…er+br,b(r+1),。 。bn)=(f1,f2,。
。fn)
从{f1,f2,。。fn}中取r +s+1个向量,则至少有s+1个向量不含{e1,e2, er}
即这s+1个向量在{b1,b2,。。bn}中,由于rank(B’)=s,所以这s+1个向量
线性相关,得r +s+1个向量线性相关,
所以rank(A’+B’) ≤r +s
rank(A’+B’)= rank(C(A+B)D)= rank(A+B)≤r +s=rank(A)+rank(B)
补:若n ≤r +s,则rank(A’+B’)≤n ≤r +s。
。