2 votos

Rango de prueba de $AB$ es como máximo igual al rango de $B$

$A=m\times n$ matriz. $B = n\times p$ matriz. Demostrar que el rango del producto $AB$ es como máximo igual al rango de $B$ .

Estado actual de mi trabajo:

(1) Primera idea: demostrar que el núcleo de $B$ , $k(B)$ está contenida en $k(AB)$ . Sea $x$ denota un elemento arbitrario en $k(B)$ . Entonces $ABx = A(Bx) = $ A( 0 ) = 0, donde 0 es el elemento cero. Así, cada elemento de $k(B)$ está en $k(AB)$ . Así, el núcleo de $B$ está contenida en $k(AB)$ .

(2) Segunda idea: Explicar por qué la nulidad de $B$ es como máximo la nulidad de $AB$ . Esto se deduce de (1). Si la nulidad de $B >$ la nulidad de $AB$ entonces habría algunos elementos de $k(B)$ no se expresa en $k(AB)$ . Pero esto no puede ser así ya que (1) muestra que cada elemento de $k(B) \in k(AB)$ .

(3) Última idea: Utilizar el teorema de la nulidad. Aquí es donde me quedo atascado. Lo único que se me ocurre es Dim(dominio(AB)) = k(AB) + rank(AB). $k(AB) \geq k(B)$ . Así que $Dim(domain(AB)) \geq k(B) + rank(AB)$ .

Así que estoy atascado. Además, se agradecen los comentarios sobre (1), (2).

5voto

anomaly Puntos 8298

Identificando una matriz con su correspondiente mapa lineal, el rango de un mapa $A:\mathbb{R}^n \to \mathbb{R}^m$ es sólo $\dim (\operatorname{im} A)$ . La afirmación requerida se deduce inmediatamente. El teorema de nulidad de rango permite hacer el mismo argumento en términos de $\dim (\ker A)$ en lugar de $\dim (\operatorname{im} A)$ que se parece al argumento de tu post.

2voto

Vlad Puntos 5500

Cualquier $m\times n$ matriz $A$ con $m$ filas y $n$ columnas representa una transformación lineal, que actúa sobre vectores de $\mathbb{R}^n$ y produce vectores en $\mathbb{R}^m$ . Del mismo modo, dado un $n\times k$ matriz $B$ podemos verlo como una transformación lineal de $\mathbb{R}^k$ a $\mathbb{R}^n$ . Entonces el producto $AB$ representa la superposición de transformaciones lineales $A$ y $B$ que es una transformación lineal en sí misma.

De forma más explícita,
$$ A:\mathbb{R}^{n}\to\mathbb{R}^{m}, \quad B:\mathbb{R}^{k}\to\mathbb{R}^{n} \implies(A\cdot B) :\mathbb{R}^{k} \to \mathbb{R}^{m} $$

Para ilustrarlo, supongamos que el vector $v \in \mathbb{R}^{k}$ entonces $$ w = A\cdot B\cdot\!\!\underbrace{v}_{\in\mathbb{R}^{k}} = A\cdot\!\underbrace{B\,v}_{\in \mathbb{R}^{n}} = \underbrace{ABv}_{\in\mathbb{R}^{m}} $$ Ahora bien, el rango de una matriz es el número de vectores lineales independientes necesarios para abarcar el conjunto de todas las posibles salidas de esta matriz, es decir, la dimensión de su imagen : $$ A:\mathbb{R}^{n}\to\mathbb{R}^{m} \implies \operatorname{rank}(A) = \dim \big(\operatorname{im}(A)\big) = \dim \big\lbrace w\in \mathbb{R}^{m} \, \big| \ w = Au \ \text{ for some } \ u \in \mathbb{R}^{n} \big\rbrace \\ B:\mathbb{R}^{k}\to\mathbb{R}^{n} \implies \operatorname{rank}(B) = \dim \big(\operatorname{im}(B)\big) = \dim \big\lbrace u\in \mathbb{R}^{n} \, \big| \ u = Bv \ \text{ for some } \ v \in \mathbb{R}^{k} \big\rbrace $$ Ahora, en superposición $(A\cdot B)$ matriz $A$ actúa sobre la imagen de $B$ por lo que la imagen resultante no puede tener una dimensionalidad superior a $\operatorname{rank}(B)$ debido a la linealidad de $A$ . Por lo tanto, concluimos que $$\operatorname{rank}(AB)\leq \operatorname{rank}(B)$$ Q.E.D.

2voto

Stanislav Morozov Puntos 293

Consideremos la multiplicación de matrices en bloque. Sea $ b_1, b_2, \ldots, b_n $ - filas de la matriz $B$ . Multiplicar $A$ por $B$ . $$ \begin{bmatrix} a_{11} & a_{12} & \ldots & a_{1n} \\ a_{21} & a_{22} & \ldots & a_{2n} \\ \ldots & \ldots & \ldots & \ldots \\ a_{m1} & a_{m2} & \ldots & a_{mn} \\ \end{bmatrix} \begin{bmatrix} b_1 \\ b_2 \\ \ldots \\ b_n \\ \end{bmatrix} $$

Obviamente, en este caso las filas de $ AB $ será la combinación lineal de las filas de la matriz $ B $ con coeficientes de $A$ . Por lo tanto, la dimensión del casco lineal abarcado por las filas $ AB $ será menor o igual a la dimensión del casco lineal abarcado por las filas $ B $ . Por lo tanto, $ rankAB \le rankB $

1voto

Utilizaremos el hecho de que el vector fila $a^\top B$ es una combinación lineal de las filas de $B$ ponderado por los componentes de $a.$ escribamos la matriz $A$ como compuesto por las filas $\pmatrix{a_1^\top\\a_2^\top\\\vdots\\a_m^\top}.$ entonces el $i$ -en la fila de $AB$ es $a_i^\top B$ que es una combinación lineal de las filas de $B.$ es decir, cada fila de $AB$ es una combinación lineal de las filas de $A.$ que implica el que una base del espacio de filas de $B$ abarca el espacio de la fila de $AB.$ que equivale a $$rank(AB) \le rank(B). $$

1voto

k1.M Puntos 3567

Dado que las filas de $AB$ son combinaciones lineales de filas de $B$ tenemos $$ rank AB\le rank B $$

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X