Me gustaría dar un enfoque alternativo (aunque podría ser lo mismo).
Considere $$A \in \mathbb{C}^{(m * n)}$$ A continuación, consideremos la Descomposición de Valor Único (SVD) de A (dado que todas las matrices pueden expresarse en forma de SVD, podemos hacerlo de forma general), $$ A = U \tilde{\Sigma} V^* $$ donde $U$ y $V$ son matrices unitarias, lo que también implica que son invertibles, lo que implica que son matrices de rango completo.
También sabemos que para cualquier matriz $C$ y $D$ , $$ Rank(CD) \leq Rank(C) $$
Por lo tanto, podemos decir que $$ Rank(A) = Rank( U \tilde{\Sigma} V^* ) $$ $$ = Rank(\tilde{\Sigma})$$ Podemos escribir esto ya que los rangos de U y V* son de todos modos máximos, por lo que el rango de A dependerá sólo del rango de $\tilde{\Sigma}$ .
Además, como $\tilde{\Sigma}$ es una matriz diagonal que tiene los valores singulares de A (valores singulares positivos y nulos) en la diagonal principal, el rango de la matriz será el número de valores singulares positivos (o no nulos, ya que los valores singulares no son negativos) de A.
Además, los valores singulares de $A$ son las raíces cuadradas no negativas de los valores propios de $A^*A$ o $AA^*$ . Ahora, considera, $$ A^*A = (U\tilde{\Sigma} V^*)^*(U\tilde{\Sigma} V^*)$$ que se reduce a, $$ A^*A = V\tilde{\Sigma}^2 V^* $$ Así que, $A^*A$ tiene el mismo número de valores singulares no nulos que $A$ . Y $A^*A$ es una matriz hermitiana (normal), por lo que los valores propios son las raíces cuadradas no negativas de los valores singulares. Así que, por los argumentos anteriores, podemos concluir que la $Rank(A)$ es igual al número de valores propios no negativos de A.