\(\S1\) 如果\(AB=O\), 则矩阵\(B\)的列向量都是齐次线性方程组\(Ax=0\)的解, 从而架起矩阵方程与线性方程组的解之间的桥梁, 使相关问题得到顺利解决.
例1.1
设\(A\)是秩为\(r\)的\(m\times n\)阶矩阵, 则必存在秩为\(n-r\)的\(n\times (n-r)\)阶的矩阵\(B\)使得\(AB=O\).
证明
考虑齐次线性方程组\(Ax=0\), 由于\(r(A)=r\), 所以该方程组解空间的基础解系有\(n-r\)个向量, 记为\(\beta_1,\beta_2,\cdots,\beta_{n-r}\). 令\(B=(\beta_1,\beta_2,\cdots,\beta_{n-r})\)是\(n\times (n-r)\)阶的矩阵, 则\(AB=O\)且\({\rm r}(B)=n-r\). \(\square\)
该例有如下变式:
设\(\alpha_1,\alpha_2,\cdots,\alpha_r\in\mbox{F}^n\)线性无关,则必存在\(n-r\)个向量\(\alpha_{r+1},\cdots,\alpha_n\in\mbox{F}^n\)使得\(\alpha_1,\alpha_2,\cdots,\alpha_n\)是\(\mbox{F}^n\)的一组基.
\(AA^*=o\)给出了矩阵的一种正交关系
在一定的条件下,这表明\(A^*\)的列向量是\(Ax=0\)或与其相关的线性方程组的解向量.
** 例1.2**
若\(n\)阶方阵\(A\)的秩\({\rm r}(A)=n-1\), 则\({\rm r}(A^*)=1\).
** 证明**
因为\(AA^*=|A|E=O\), 所以\(A^*\)的列向量都是齐次线性方程组\(Ax=0\)的解; 但该方程组解空间的维数等于\(n-{\rm r}(A)=1\), 所以\(A^*\)的列向量对应成比例, 从而\({\rm r}(A^*)\leqslant 1\). 由于\({\rm r}(A)=n-1\), 所以存在\(A_{ij}\ne 0\), 因而\(A^*\ne O\), 所以\({\rm r}(A^*)\ne 0\), 故\({\rm r}(A^*)=1\). \(\square\)
例1.3
设\(A=(a_{ij})\in\mbox{F}^{n\times n}\), \(|A|\ne 0\). 对\(1<r<n\), 设\(\eta_j=(A_{j1}, A_{j2}, \cdots,A_{jn})^T, j=r+1,r+2,\cdots,n\). 则\(\eta_{r+1},\eta_{r+2},\cdots,\eta_n\)是线性方程组
的一组基础解系.
证明
记上述线性方程组的系数矩阵为\(B\), 则由正交关系立即可得
因为\(|A|\ne 0\), 所以\({\rm r}(B)=r\),从而\(Bx=0\)
的基础解系含\(n-r\)个向量. 故只需证明\(\eta_{r+1},\eta_{r+2},\cdots,\eta_n\)线性无关.
因为\({\rm r}(A)=n\), 所以\({\rm r}(A^*)=n\), 即\(A^*\)的列向量线性无关,从而\(\eta_{r+1},\eta_{r+2},\cdots,\eta_n\)线性无关. \(\square\)
例1.4
设\(A\)是\(m\times n\)阶非零矩阵, \(B,C\)是\(n\times s\)阶矩阵. 则左消去律成立(即\(AB=AC, A\ne O\Rightarrow B=C\))当且仅当\({\rm r}(A)=n\).
证明 \(AB=AC, A\ne O\Rightarrow B=C, \forall B,C\in \mbox{F}^{n\times s} \)当且仅当
令\(B-C=(\xi_1,\xi_2,\cdots,\xi_s)\), 则上式成立当且仅当
当且仅当
\(Ax=0\)只有零解,当且仅当\({\rm r}(A)=n\).
**例1.5 **(上海交通大学2018,华东师范大学2002)
设\(A,B\)是\(n\)阶方阵,\({\rm r}(A)=n-1\), \(B\ne O\)满足\(AB=BA=O\). 求证:存在多项式\(g(x)\)使得\(B=g(A)\).
证明:(方法1)
由\(AB=O\)知\({\rm r}(A)+{\rm r}(B)\leqslant n\). 因为\({\rm r}(A)=n-1\), \(B\ne O\), 所以\({\rm r}(B)=1\), 从而可设\(B=\alpha\beta^T\), 其中\(\alpha=(a_1,a_2,\cdots,a_n)^T, \beta=(b_1,b_2,\cdots,b_n)^T\)是\(n\)维列向量. 由于\(AB=A\alpha\beta^T=O\), 我们断言:\(A\alpha=0\). 否则,若\(A\alpha\ne 0\), 则由\(\beta^T\ne 0\)知存在\(b_i\ne 0\), 从而\(A(b_i\alpha)\ne 0\), 故\(AB\ne O\), 矛盾!
同理,可由\(BA=O\)可得\(A^T\beta=0\).
由于\({\rm r}(A)=n-1\), 所以齐次线性方程组\(Ax=0\)的解形如\(s\alpha\), \(A^Tx=0\)的解形如\(t\beta\), \(s,t\in \mbox{F}\). 由于\(A\)不可逆,\(|A|=0\), 所以\(A\)的极小多项式\(m_A(x)\)的常数项为\(0\), 即\(m_A(x)=xg(x), g(x)]in \mbox{F}[x]\). 故\(Ag(A)=O\), 且\(g(A)\ne O\). 所以\(\r(g(A)=1\), 从而\(g(A)=\eta\xi^T\). 由于\(\eta\)是\(Ax=0\)的解, 所以\(\eta=c\alpha\). 类似地,\(\xi=d\beta\), \(c,d\in\mF\). 故\(g(A)=\eta\xi^T=cd\alpha\beta^T=cd B\).
(方法2) 若\(B=O\), 令\(g(x)\)是\(A\)的任一零化多项式,则\(B=g(A)\).
若\(B\ne O\), 由于\({\rm r}(A)=n-1\), 所以\(\lambda=0\)是\(A\)的特征值,从而可设\(A\)的极小多项式为\(m_A(\lambda)=\lambda f(\lambda)\), 其中\(\deg(f(\lambda))\leqslant n-1\). 因此\(f(A)\ne O\)且\(Af(A)=f(A)A=O\). 下证\(B\)与\(f(A)\)只相差一个常数因子.
因为\({\rm r}(A)=n-1\), 所以可设\(\xi\)是\(Ax=0\)的一个基础解系. 由\(AB=O\)知\(B\)的列向量都是\(Ax=0\)的解向量,因而可设为\(b_i\xi(1\leqslant \xi\leqslant n)\), 即\(B=\xi\beta^T\), 其中\(\beta=(b_1,b_2,\cdots,b_n)^T\ne 0\). 由\(BA=O\)即\(\xi\beta^TA=O\)知\(\beta^TA=0\), 从而\(A^T\beta=0\), 即\(\beta\)是\(A^Tx=0\)的非零解. 同理,由\(Af(A)=f(A)A=O\)知\(f(A)=\xi\eta^T\), 其中\(\eta\)也是\(A^Tx=0\)的非零解.
由于\(A^Tx=0\)的基础解系只含一个非零解,所以存在非零常数\(k\)使得\(\beta=k\eta\). 所以\(B=\xi\beta^T=k\xi\eta^T=kf(A)\). 令\(g(x)=kf^(x)\), 则\(B=g(A)\). \(\square\)
\(\S2\) 利用线性方程组的同解与系数矩阵的秩之间的关系是解决某些问题,特别是矩阵秩的等式的重要途径.
例1.6 设齐次线性方程组\(Ax=0\)与\(Bx=0\)的解空间分别为\(V_A\) 与\(V_B\), 证明
(1) \(V_A\subseteq V_B\)当且仅当\(\exists Q\), s.t. \(B=QA\);
(2) \(V_A=V_B\)当且仅当\(\exists P,Q\), s.t. \(A=PB, B=QA\), 当且仅当\(A\) 与\(B\) 的行向量组等价(或\(A\)与\(B\)行等价).
证明:(1) \(\Rightarrow\):若\(V_A\subseteq V_B\), 则\(V_A\cap V_B=V_A\), 从而\(\left\{\begin{smallmatrix} Ax=0\\ Bx=0\end{smallmatrix}\right.\) 与\(Ax=0\)同解, 所以\(\r{A\choose B}=\r(A)\), 即\(B\)的行向量组可由\(A\)的行向量组线性表示, 从而存在\(Q\), 使得\(B=QA\).
\(\Leftarrow\): \(\forall \alpha\in V_A\), \(A\alpha=0\), 从而\(B\alpha=QA\alpha=0\), 即\(\alpha\in V_B\), 所以\(V_A\subseteq V_B\).
(2) 由(1)即得. \(\square\)
例1.7 (2023数学一)设\(A,B\)为\(n\)阶矩阵,\(E\)为单位矩阵,若方程组\(Ax=0\)与\(Bx=0\)同解,则\((\qquad)\)
(A) 方程组\(\begin{pmatrix} A&O\\ E&B \end{pmatrix} y=0\)只有零解;
(B) 方程组\(\begin{pmatrix} E&A\\ O&AB \end{pmatrix} y=0\)只有零解;
(C) 方程组\(\begin{pmatrix} A&B\\ O&B \end{pmatrix} y=0\)与\(\begin{pmatrix} B&A\\ O&A \end{pmatrix} y=0\)同解;
(D) 方程组\(\begin{pmatrix} AB&B\\ O&A \end{pmatrix} y=0\)与\(\begin{pmatrix} BA&A\\ O&AB\end{pmatrix} y=0\)同解.
解析:\(Ax=0\)与\(Bx=0\)同解,故\(A\)与\(B\)行等价,从而
\(\begin{pmatrix} A&B\\ O&B \end{pmatrix}\)与\(\begin{pmatrix} B&A\\ O&A \end{pmatrix}\)行等价,所以选(C).
例1.8 设\(A,B\)是\(n\)阶方阵,若\(Ax=0\)与\(Bx=0\)同解,且维数等于\(m\), 则\({\rm r}(A+B)\leqslant n-m\).
证明:由题设知\(Ax=0\)的解都是\((A+B)x=0\)的解,所以\(m=n-{\rm r}(A)\leqslant n-{\rm r}(A+B)\), 即\({\rm r}(A+B)\leqslant n-m\). \(\square\)
例1.9 设\(A,B\)分别是\(m\times s, s\times n\)矩阵,则\(ABx=0\)与\(Bx=0\)同解当且仅当\({\rm r}(AB)={\rm r}(B)\).
证明:必要性:若\(ABx=0\)与\(Bx=0\)同解,则\(n-{\rm r}(AB)=n-{\rm r}(B)\), 所以\({\rm r}(AB)={\rm r}(B)\).
充分性:设\(S_{AB}, S_B\)分别是\(ABx=0\)与\(Bx=0\)的解空间,则显然有\(S_B\subseteq S_{AB}\). 另一方面,若\({\rm r}(AB)={\rm r}(B)\),则
所以\(S_{AB}=S_B\), 即\(ABx=0\)与\(Bx=0\)同解. \(\square\)
例1.10 设\(A\)是\(m\times n\)阶实方阵, 则\({\rm r}(AA^T)={\rm r}(A^TA)={\rm r}(A)\).
证明:事实上, 要证\({\rm r}(A^TA)={\rm r}(A)\), 只需证\(A^TAx=0\)与\(Ax=0\)同解即可. 由于\(Ax=0\)的解一定是\(A^TAx=0\)的解, 故只需证\(A^TAx=0\)的解也是\(Ax=0\)的解. 设\(\xi\)是\(A^TAx=0\)的任一解, 则\(A^TA\xi=0\), 从而\(\xi^TA^TA\xi=0\), 即\((A\xi)^T(A\xi)=0\). 所以\(A\xi=0\), 即\(\xi\)也是\(Ax=0\)的解. 于是\({\rm r}(A^TA)={\rm r}(A)\). 因此\({\rm r}(AA^T)=\r\big((A^T)^TA^T\big)={\rm r}(A^T)={\rm r}(A)\). \(\square\)
该例可作以下变式:设\(A\)是\(m\times n\)阶实方阵, 则\({\rm r}(AA^TA)={\rm r}(A)\).
例1.11 设\(A\)为\(n\)阶方阵,求证:\({\rm r}(A^n)={\rm r}(A^{n+1})=\cdots\).
证明:只需证明齐次线性方程组\(A^nx=0\)与\(A^{n+1}x=0\)同解.
显然,\(A^nx=0\)的解一定是\(A^{n+1}x=0\)的解. 下证\(A^{n+1}x=0\)的解也是\(A^nx=0\)的解.
设\(A^{n+1}\alpha=0\), 我们断言\(A^n\alpha=0\). 否则,若\(A^n\alpha\ne 0\), 则\(\alpha, A\alpha, \cdots, A^n\alpha\)线性无关. 事实上,设
左乘\(A^n\), 得\(k_0A^n\alpha=0\). 由\(A^n\alpha\ne 0\)得\(k_0=0\), 上式变为
左乘\(A^{n-1}\)得\(k_1A^n\alpha=0\). 由\(A^n\alpha\ne 0\)得\(k_1=0\). 类似可证\(k_2=\cdots=k_n=0\).
因此\(\alpha, A\alpha, \cdots, A^n\alpha\in\mbox{F}^n\)线性无关, 矛盾!所以\(A^{n+1}x=0\)的解也是\(A^nx=0\)的解,即它们同解. 所以\(n-{\rm r}(A^n)=n-{\rm r}(A^{n+1})\), 即\({\rm r}(A^n)={\rm r}(A^{n+1})\).
类似可证\({\rm r}(A^{n+1})={\rm r}(A^{n+2})\), \({\rm r}(A^{n+2})={\m r}r(A^{n+3})\), 等等. \(\square\)
注:利用Jordan标准形方法,可证明存在最小的正整数\(k\)使得\({\rm r}(A^k)={\rm r}(A^{k+1})\), 这里的\(k\)是特征值\(0\)的指数(即极小多项式中根\(0\)的重数)。
例1.12 (重庆大学2003)
设\(A,B,C\)分别是\(m\times n, n\times s,s\times t\)矩阵,若\({\rm r}(B)={\rm r}(AB)\), 则\({\rm r}(BC)={\rm r}(ABC)\).
证明:(方法一) 由于\(BCx=0\)的解都是\(ABCx=0\)的解,故只需证\(ABCx=0\)的解都是\(BCx=0\)的解即可.
设\(\xi\)是\(ABCx=0\)的任一解,即\(ABC\xi=0\), 所以\(C\xi\)是\(ABx=0\)的解. 由于\({\rm r}(B)={\rm r}(AB)\), 故\(Bx=0\)与\(ABx=0\)同解,故\(C\xi\)是\(Bx=0\)的解,即\(BC\xi=0\). 因而\(\xi\)是\(BCx=0\)的解.
(方法二) 利用分块矩阵的初等变换,
故\({\rm r}(ABC)+{\rm r}(B)={\rm r}\begin{pmatrix} ABC&O\\ O&B \end{pmatrix}={\rm r}\begin{pmatrix} AB&O\\ B&BC \end{pmatrix}\geqslant {\rm r}(AB)+{\rm r}(BC)\). 由于\({\rm r}(AB(={\rm r}(B)\), 所以\({\rm r}(ABC)\geqslant {\rm r}(BC)\). 由于\({\r r}(ABC)\leqslant {\rm r}(BC)\), 所以\({\rm r}(ABC)= {\rm r}(BC)\). \(\square\)
练习 (武汉大学2019)
设\(A\)是\(n\)阶方阵,且存在正整数\(k\)使得\({\rm r}{(A^k)={\rm r}(A^{k+1})\). 证明:对任意的正整数\(m\), 有\({\rm r}(A^{k+1})={\rm r}(A^{k+m})\).
例1.13 设\(A\)为数域\(\mbox{F}\)上的\(n\)阶幂零矩阵,\(B\)为\(n\)阶方阵,满足\(AB=BA\)且\({\rm r}(AB)={\rm r}(B)\). 求证:\(B=O\).
证明:(方法一) 设\(A^k=O\). 因为\({\rm r}(B)={\rm r}(AB)\), 所以
所以\(B=O\).
(方法二) 对任意的\(k\geqslant 1\), \(
{\rm r}(BA^k)={\rm r}(ABA^k)\).
由\(AB=BA\), 所以\({\rm r}(A^kB)={\rm r}(A^{k+1}B), \forall k\geqslant 1\). 故
从而\(B=O\).
(方法三:同构方法) 设线性\(\mathscr{A},\mathscr{B}\in\mathcal{L}(\mbox{F}^n)\)在标准正交基\(\mathcal{B}=\{e_1,e_2,\cdots,e_n\}\)下的矩阵分别为\(A,B\). 由于\(AB=BA\), 所以\(\mbox{Im}\mathscr{B}\)是\(\mathscr{A}\)-不变子空间. 考虑限制变换\(\mathscr{A}\mid_{\mbox{Im}\mathscr{B}}: \mbox{Im}\mathscr{B}\rightarrow \mbox{Im}\mathscr{B}\), 由于
故\(\mathscr{A}\mid_{\mbox{Im}\mathscr{B}}\)是一个满射,从而\(0=\mathscr{A}^n\mid_{\mbox{Im}\mathscr{B}}= (\mathscr{A}\mid_{\mbox{Im}\mathscr{B}})^n\)也是\(\mbox{Im}\mathscr{B}\)上的满射, 即\(\mbox{Im}\mathscr{B}=0\), 于是\(B=O\). \(\square\)
3、“齐次线性方程组\(Ax=0\)有非零解当且仅当\(|A|=0\)”是判断方阵\(A\)是否可逆的重要方法之一.
例1.14
设\(A\)是\(n\)阶可逆矩阵, \(\alpha,\beta\in\mbox{F}^n\)是非零列向量. 求证:\((\beta^TA^{-1}\alpha)A-\alpha\beta^T\)是不可逆矩阵.
证明:只需证线性方程组\([(\beta^TA^{-1}\alpha)A-\alpha\beta^T]x=0\)有非零解即可.
由于\(A\)可逆,\(\alpha\ne 0\), 所以\(A^{-1}\alpha\ne 0\). 由于
所以\(A^{-1}\alpha\)是\([(\beta^TA^{-1}\alpha)A-\alpha\beta^T]x=0\)有非零解,从而\((\beta^TA^{-1}\alpha)A-\alpha\beta^T\)可逆. \(\square\)
例1.15 设\(A\)是\(n\)阶实反对称矩阵,则\(|E_n+A|>0\).
证明:首先断言:\(|E_n+A|\ne 0\). 否则,若\(|E_n+A|=0\), 则存在非零向量\(\xi\)使得齐次线性方程组\((E_n+A)\xi=0\), 从而
由于\(A^T=-A\), 所以\(\xi^TA\xi=(\xi^TA\xi)^T=-\xi^TA\xi\), 从而\(\xi^TA\xi=0\). 故\(\xi^T\xi=0\), 即\(\xi=0\), 矛盾!
(反证法)假设\(|E_n+A|<0\). 令
由于对任意的\(x\in\mathbb{R}\), \(xA\)都是反对称矩阵,所以对\(\forall x\in[0,1]\), \(f(x)=|E_n+xA|\ne 0\). 由于
所以由魏尔斯特拉斯定理知,存在\(x_0\in(0,1)\), 使得\(f(x_0)=|E_n+x_0A|=0\), 矛盾!故\(|E_n+A|>0\). \(\square\)
注:该例有如下变式:
(1) 设\(A\)是\(n\)阶实反对称矩阵,\(D=\mbox{diag}(d_1,d_2,\cdots,d_n)\)是对角矩阵且\(d_i>0(1\leqslant i\leqslant n)\), 则\(|D+A|>0\).
(2) 设\(A\)是\(n\)阶实反对称矩阵,\(D\)是正定矩阵,则\(|D+A|>0\).
(3) 设\(A\)是\(n\)阶实反对称矩阵,\(P\)是可逆 矩阵,则\(|P^TP+A|>0\).
例1.16 (大连理工大学2007,重庆大学2004)
设$A=(a_{ij})_{n\times n},.\ $证明
(1),若 \(\ |a_{ii}|>\sum\limits_{i\neq j}|a_{ij}|\,,\ |A|\neq0\,;\)
(2),若 $ a_{ii}>\sum\limits_{i\neq j}|a_{ij}|,,\ |A|>0,.$
证明:(1) (反证法) 假设\(|A|=0\), 则\(Ax=0\)有非零解\((c_1,c_2,\cdots,c_n)\), 不妨设\(|c_k|=\max\{|c_1|, |c_2|,\cdots, |c_n|\}\). 则
从而
故
矛盾!所以\(|A|\ne 0\).
(2) (反证法) 由(1)知\(|A|\ne 0\), 假设\(|A|<0\), 令
为\(\mathbb{R}\)上的连续函数,且对任意\(x\in(0,1)\),
由于
所以由魏尔斯特拉斯定理知,存在\(x_0\in(0,1)\), 使得\(f(x_0)=0\), 矛盾!所以\(D>0\).
\(\square\)
4、齐次线性方程组\(Ax=0\)解空间\(S\)的维数表达式\(\dim S=n-{\rm r}(A)\)架起了矩阵的秩与齐次线性方程组解空间的维数之间的桥梁, 利用维数公式, 可以解决很多有关矩阵秩的等式或不等式的问题.
例1.17 (武汉大学2008){
设\(n\)阶矩阵\(A,B\)满足\(AB=BA\), 求证
证明:设\(U_A,U_B,V,W\)分别是齐次线性方程组\(Ax=0, Bx=0, ABx=BAx=0, (A+B)x=0\)的解空间, 则\(U_A\subseteq V, U_B\subseteq V\), 于是\(U_A+U_B\subseteq V\); 而且\(U_A\cap U_B\subseteq W\). 由维数公式知
由齐次线性方程组解的结构定理知
即\({\rm r}(A)+{\rm r}(B)\geqslant {\rm r}(A+B)+{\rm r}(AB).\) \(\square\)
例1.18 设\(A\)是秩为\(r\)的\(n\)阶半正定矩阵,则\(L=\{x\in\mathbb{R}^n\mid x^TAx=0\}\)是\(\mathbb{R}^n\)的子空间,且\(\dim L=n-r\).
证明:因为\(A\)是半正定矩阵,所以存在\(n\)阶矩阵\(P\), 使得\(A=P^TP\). 所以
验证\(L\)是线性子空间: \(\forall x,y\in L, a,b\in\mathbb{R}\),
因为\(x^TAx=0\), 所以\(Px=0\); 同理,\(Py=0\). 故\(P(ax+by)aPx+bPy=0\), 于是
\(
(ax+by)^TA(ax+by)=0.
\)
即\(ax+by\in L\).
由于
是齐次线性方程组\(Px=0\)的解空间,且
所以\(\dim L=n-{\rm r}(P)=n-r\). \(\square\)
5、利用齐次线性方程组\(Ax=0\)的解向量与\(A\)的行空间正交解决相关问题
例1.19
设\(n\)维列向量\(\alpha_1,\alpha_2,\cdots,\alpha_{n-1}\)线性无关,且与非零向量\(\beta_1,\beta_2\)都正交. 证明
(1) \(\beta_1,\beta_2\)线性相关;
(2) \(\alpha_1,\alpha_2,\cdots,\alpha_{n-1},\beta_1\)线性无关.
证明:
(1) 设\(A=\begin{pmatrix}
\alpha_1^T\\ \alpha_2^T\\ \vdots\\ \alpha_{n-1}^T
\end{pmatrix}\). 因为
\(\alpha_1,\alpha_2,\cdots,\alpha_{n-1}\)与非零向量\(\beta_1,\beta_2\)都正交,所以\(\beta_1,\beta_2\)是齐次线性方程组\(Ax=0\)的解向量. 由于
\(\alpha_1,\alpha_2,\cdots,\alpha_{n-1}\)线性无关,所以\(\r(A)=n-1\), 从而\(Ax=0\)的解空间\(S\)的维数\(\dim S=1\). 因为\(\beta_1,\beta_2\in S\), 所以\(\beta_1,\beta_2\)线性相关.
(2) 由题设知\((\beta_1,\alpha_i)=0, i=1,2,\cdots,n-1\). 设
两边用\(\beta_1\)做内积,得
所以\(l=0\), 从而
由\(\alpha_1,\alpha_2,\cdots,\alpha_{n-1}\)线性无关知\(k_1=k_2=\cdots=k_{n-1}=0\). 故\(\alpha_1,\alpha_2,\cdots,\alpha_{n-1},\beta_1\)线性无关. \(\square\)
6、将线性代数的某些问题转化为线性方程组是线性代数的常用方法.
例1.20 设\(n\)阶矩阵\(A,B\)满足\({\rm r}(A)+{\rm r}(B)<n\), 证明\(A\)与\(B\)有公共的特征值和公共的特征向量.
证明:因为\({\rm r}(A)+{\rm r}(B)<n\),所以\({\rm r}(A),{\rm r}(B)<n\), 从而\(|A|=|B|=0\). 故\(\lambda=0\)是矩阵\(A\)与\(B\)的公共特征值.
\(A\)的属于特征值\(\lambda=0\)的特征向量是\(Ax=0\)的非零解向量,\(B\)的属于特征值\(\lambda=0\)的特征向量是\(Bx=0\)的非零解向量,所以属于特征值\(\lambda=0\)的公共特征向量是
\begin{equation}
\label{AB-Equ}
\begin{pmatrix}
A\ B
\end{pmatrix}x=0
\end{equation}
的非零解向量. 由于
所以\ref{AB-Equ}有非零解,即\(A,B\)有公共特征向量. \(\square\)
7、利用线性方程组解的判定定理,
例1.21 (2016第八届大数竞赛) 设\(A_1,A_2,\cdots,A_{2017}\)是\(2016\)阶实方阵. 证明:关于\(x_1,x_2,\cdots,x_{2017}\)的方程
至少有一组非零实数解.
证明:记
考虑线性方程组
由于未知数个数\(2017\)大于方程的个数\(2016\), 所以方程组有非零解\((c_1,c_2,\cdots,c_{2017})^T\). 从而矩阵
的第一列为零列, 故
即\((c_1,c_2,\cdots,c_{2017})^T\)是方程
的一组非零实数解. \(\square\)
例1.22 设\(\sigma\)是\(n\)维线性空间\(V\)的线性变换. 如果\(\sigma\)有\(n\)个不同的特征值,则\(V\)中存在一个循环向量,即存在向量\(\alpha\in V\)使得\(\alpha,\sigma(\alpha),\cdots,\sigma^{n-1}(\alpha)\)是\(V\)的一组基.
证明:设\(\alpha_1,\alpha_2,\cdots,\alpha_n\)是对应于特征值\(\lambda_1,\lambda_2,\cdots,\lambda_n\)的特征向量,令
下证\(\alpha,\sigma(\alpha),\cdots,\sigma^{n-1}(\alpha)\)线性无关. 设
\begin{equation}
\label{Cyc}
k_0\alpha+k_1\sigma(\alpha)+\cdots+k_{n-1}\sigma^{n-1}(\alpha)=0.
\end{equation}
由于
所以\ref{Cyc}变为
因为\(\alpha_1,\alpha_2,\cdots,\alpha_n\)线性无关,所以
由于该线性方程组的系数矩阵
所以\(k_0=k_2=\cdots=k_{n-1}=0\), 故\(\alpha,\sigma(\alpha),\cdots,\sigma^{n-1}(\alpha)\)线性无关,从而是\(V\)的一组基, 即\(\alpha\)是一个\(\sigma\)-循环向量. \(\square\)
例1.23 (重庆大学2005)
设\(xOy\)平面上的\(n\geqslant 3\)个结点\(M_i(x_i,y_i) (i=1,2,\cdots,n)\). 证明:\(M_1,M_2,\cdots,M_n\)在同一条直线上当且仅当
证明:必要性:若\(M_1,M_2,\cdots,M_n\)在同一条直线\(ax+by+c=0\)上, 则\(ax_i+by_i+c=0 (1\leqslant i\leqslant n)\). 记矩阵
则齐次线性方程组\(Ax=0\)有非零解\((a,b,c)^T\)等价于\({\rm r}(A)<3\).
由于\(M_1,M_2\)不同,故\(\begin{vmatrix} x_1&1\\ x_2&1\end{vmatrix}\ne 0\), 从而\(\r(A)\geqslant 2\). 所以\(\r(A)=2\).
充分性:若\({\rm r}(A)=2\), 则方程组\(Ax=0\)有非零解,设一个非零解为\((a,b,c)^T\). 则\(ax_i+by_i+c=0\), 即\(M_1,M_2,\cdots,M_n\)在同一条直线\(ax+by+c=0\)上. \(\square\)