依次相称，比如A*B*C=(A*B)*C
三个矩阵相乘时，按照顺序相乘即可，比如ABC，先乘AB，再算ABC，这样是对的；也可以先算BC，再算ABC，因为矩阵乘法满足结合律。
矩阵乘法的性质：
1、满足乘法结合律： (AB)C=A(BC)
2、满足乘法左分配律：(A+B)C=AC+BC
3、满足乘法右分配律：C(A+B)=CA+CB
4、满足对数乘的结合性k(AB）=(kA)B=A(kB）
5、转置 (AB)T=BTAT
6、矩阵乘法一般不满足交换律
扩展资料
乘法结合律：三个数相乘,先把前面两个数相乘,先乘第三个数,或者先把后面两个数相乘,再和第一个数相乘,它们的积不变。
字母表示：(a×b)×c=a×(b×c)
集合交并
集合的交，并运算都满足结合律：
交：（A∩B）∩C=A∩（B∩C）
并：（A∪B）∪C=A∪(B∪C)
矩阵乘法
矩阵乘法满足结合律。
一个A x B的矩阵乘以一个B x C的矩阵将得到一个A x C的矩阵，时间复杂度为A x B x C。
参考资料来源：百度百科--矩阵乘法
矩阵相乘满足结合律的，翻翻书就有： ABC = (AB)C = A(BC)。
C, D, E显然都是错的，不论这些矩阵是否能那样乘，乘出来的结果都无法保证和ABC相等只有A，B这两种计算次序能产生正确结果A的计算量是2mnp+2mpq，B的计算量是2npq+2mnq，两者相减可得A的计算量教小这里假定“效率”直接由计算量决定
这个可以继续化简：1.用第3行把的1把所有的第四列的数都化为012-900-1500001（下面的不写了）2.用第2行的-1把第1行的2消去10100-1500001（当然你也可以把第2行乘以-1）这个矩阵的非零行就是3行，所以秩就是3因为第一行的以一个1他下面的全部是0所以这个1是消不去le第2行的-1他的那一列也全部是0同理第三行
两个矩阵相乘可能使某一行或者某一列为零，从而是秩减小，但是原来是零的一行或者一列乘过以后还是零，所以秩不可能增大，只会不变或者减小
两个矩阵乘积的秩满足的不等式如下：
1、r(A)≤min(m，n)≤m，n。
2、r(kA+lB)≤r(A)+r(B)。
3、r(AB)≤min(r(A)，r(B)) ≤r(A)。
4、r(ABC)≥r(AB)+r(BC)-r(B)。
5、r(AC)≥r(A) +r(C) -n上推，令B=In。6、r(kA+lB)-n≤r(A)+r(B)-n≤r(AB)≤min(r(A)，r(B))≤r(A)。
扩展资料：
m×n矩阵的秩最大为m和n中的较小者。有尽可能大的秩的矩阵被称为有满秩，否则矩阵是秩不足的。矩阵的列秩和行秩总是相等的，因此它们可以简单地称作矩阵A的秩。通常表示为rk(A) 或 rankA。
只有零矩阵有秩0，A的秩最大为 min(m，n) f是单射，当且仅当A有秩n（在这种情况下，我们称 A有“满列秩”）。
参考资料：百度百科-秩
找点文献给你自己看看吧，需要就发邮件给我[1]高朝邦,祝宗山.关于矩阵的秩的等价描述[J].成都大学学报（自然科学版）,2006,25(1)从行列式、矩阵的等价、线性方程组、线性空间、线性映射等角度来刻画矩阵的秩,进而用这些命题来证明与矩阵的秩有关的一些命题.[2]费绍金.用矩阵的秩判断空间中平面与平面、直线与直线及直线与平面间的位置关系[J].牡丹江教育学院学报,2007,(6)利用线性方程组解的理论讨论空间中平面与平面、直线与直线及直线与平面间的位置关系,给出用矩阵的秩判定以上关系的方法及结论.[3]严坤妹.一类矩阵的秩[J].福建商业高等专科学校学报,2005,(4)矩阵的秩是矩阵的一个重要不变量,根据两个重要的矩阵的秩的不等式以及分块矩阵的初等变换的性质,本文研究了一类矩阵的秩的特征.[4]戴红霞.关于矩阵的秩的例题教学[J].南京审计学院学报,2005,2(2)本文通过三个典型例题的具体讲解,加深学生对抽象概念"矩阵的秩"的理解和掌握.[5]余航.试论分块矩阵的秩[J].桂林师范高等专科学校学报,2001,15(3)任一矩阵都可求得它的秩,而在矩阵运算中,矩阵的分块是一个很重要的技巧.本文从不同角度,从特殊到一般地探求了分块矩阵的秩.[6]徐兰.利用分块矩阵探讨矩阵的秩的有关定理[J].昌吉学院学报,2003,(4)矩阵是线性代数的主要研究对象之一,利用分块矩阵,研究高阶矩阵的秩及矩阵在运算后秩的变化,得到有关的定理.[7]邹晓光.互素多项式矩阵的秩的一个简单结论及其应用[J].金华职业技术学院学报,2006,6(1)本文给出了互素多项式在矩阵的秩讨论中的一个简单结果:定理:设f(x),g(x)∈P[x],A是n阶方阵,若(f(x),g(x))=1,则n+r[f(A)g(A)]=r(f(A))+r(g(A)).以及结果的一些简单应用,对文献[1]中的一些结论进一步讨论.[8]张丽梅,乔立山,李莹.可逆坡矩阵与坡矩阵的秩[J].山东大学学报（理学版）,2007,42(9)坡是两个元素的乘积小于等于每个因子的加法幂等半环.讨论了可逆坡矩阵的若干性质,证明了可逆坡矩阵必是满秩的.讨论了坡矩阵的行秩、列秩与Schein秩.给出了坡矩阵的Schein秩的一个重要性质.
矩阵相乘秩的关系：矩阵相乘之后秩变小或者不变。矩阵相乘可以理解为一种映射，比如本来矩阵是3维的，要映射到2维空间，那么秩就是2了，但是要映射到4维空间，不够分，所以还是3维的。综上所述，乘另一个矩阵，结果秩不变或者变小。 扩展资料 矩阵相乘最重要的方法是一般矩阵乘积。它只有在第一个矩阵的.列数和第二个矩阵的行数相同时才有意义。一般单指矩阵乘积时，指的便是一般矩阵乘积。
我的毕业论文题目是矩阵的乘法及其应用~个人感觉相当简单~我是数学与应用数学专业
矩阵与矩阵相乘 第一个矩阵的列数一必须等于第二个矩阵的行数 假如第一个是m*n的矩阵 第二个是n*p的矩阵 则结果就是m*p的矩阵 且得出来的矩阵中元素具有以下特点：第一行第一列元素为第一个矩阵的第一行的每个元素和第二个矩阵的第一列的每个元素乘积的和
以此类推 第i行第j列的元素就是第一个矩阵的第i行的每个元素与第二个矩阵第j列的每个元素的乘积的和
扩展资料
当矩阵A的列数等于矩阵B的行数时，A与B可以相乘。
矩阵C的行数等于矩阵A的行数，C的列数等于B的列数。
乘积C的第m行第n列的元素等于矩阵A的第m行的元素与矩阵B的第n列对应元素乘积之和。
参考资料
矩阵乘法_百度百科
矩阵相乘，其几何意义就是两个线性变换的复合，比如A矩阵表示旋转变换，B矩阵表示伸长变换，AB就是伸长加旋转的总变换：同时伸长和旋转。
其现实意义的例子，汽车生产线上的机械手有几个关节，每个关节的转动都可看作一个空间转动矩阵，最后机械手末端的位置就是所有关节矩阵连乘（联动）的结果。
矩阵是线性变换的表示，矩阵乘以一个向量等于对这个向量施加此矩阵代表的线性变换。这种线性变换通过变换基来实现，矩阵中的各列就是变换后的新基。两个矩阵相乘，AB，就是把B中各列代表的“新基”又经过了A代表的线性变换得到了一组“新新基”。实际就是B线性变换和A线性变换的复合。
扩展资料：
矩阵相乘最重要的方法是一般矩阵乘积。它只有在第一个矩阵的列数和第二个矩阵的行数相同时才有意义。一般单指矩阵乘积时，指的便是一般矩阵乘积。一个m×n的矩阵就是m×n个数排成m行n列的一个数阵。
两个矩阵相乘的意义是将右边矩阵中的每一列列向量变换到左边矩阵中每一行行向量为基所表示的空间中去。更抽象的说，一个矩阵可以表示一种线性变换。很多同学在学线性代数时对矩阵相乘的方法感到奇怪，但是如果明白了矩阵相乘的物理意义，其合理性就一目了然了。
参考资料：百度百科-矩阵乘法
matlab两个矩阵的相关性的分析方法：用corrcoef(X,Y) 函数实现两个矩阵的相关性的分析。函数格式 ： corrcoef(X,Y) ；函数功能：其中%返回列向量X,Y的相关系数，等同于corrcoef([X Y])；函数举例：在命令窗口产生两个10×3阶的随机数组x和y，计算关于x和y的相关系数矩阵：x=rand(10,3);y=rand(10,3);cx=cov(x)cy=cov(y)cxy=cov(x,y)px=corrcoef(x)pxy= corrcoef(x,y)
matlab两个矩阵的相关性的分析方法：用corrcoef(X,Y) 函数实现两个矩阵的相关性的分析。函数格式 corrcoef(X,Y) 函数功能：其中%返回列向量X,Y的相关系数，等同于corrcoef([X Y])；函数举例：在命令窗口产生两个10*3阶的随机数组x和y，计算关于x和y的相关系数矩阵：x=rand(10,3);y=rand(10,3);cx=cov(x) cy=cov(y) cxy=cov(x,y) px=corrcoef(x) pxy= corrcoef(x,y)矩阵相当于向量，行列式相当于向量的模。一般教学上都先介绍行列式，再进行对矩阵的介绍，我觉得这样是不好的。应该先了解矩阵。一开始，在实际应用的时候，会出现很多很多的未知数，为了通过公式解出这些未知数，就进行联立方程组进行求解。比如要知道x1,x2的值，就联立方程{a*x1+b*x2=ic*x1+d*x2=j}，这样子来求解。可是啊，现实生活中，特别遇到一些复杂的工艺的时候，就会出现超级多的未知数，所以就会有超级多的方程需要联立求解
好写哦！科技论文，专业性这么强，写出来，也是只有专业人员才能明白。首先，序言：把矩阵的乘法原理，加以介绍、解释和说明，这些就是书上现成的东西。接着介绍其应用都有哪些，具体在哪些方面。最后说明本文主要介绍哪些方面的具体应用及事例。进入正文，集中写清楚，你要介绍的应用及事例。字数要多，就多写，写详细一些；字数一般，就写得一般，就可以啦。。。祝成功！
矩阵对角化方法探讨摘 要： 本文利用矩阵的相关知识,研究了矩阵可对角化的若干方法.关键词： 可对角化;对角化方法;特征值;特征向量1 引言 形式最简单的矩阵就是对角阵.矩阵对角化使矩阵论的重要组成部分,在矩阵论中占有重要的作用,研究矩阵对角化问题很有实用价值,矩阵对角化是线性变换和化二次型到主轴上问题中经常遇到并需要解决的一个关键问题,然而并非任何一个 阶矩阵都可以对角化.本文利用矩阵的相关知识,如矩阵秩的知识,矩阵乘法原理,对一些理论进行应用和举例,介绍了矩阵对角化的四种方法,分别是一般方法;用矩阵初等变换将矩阵对角化的方法;利用矩阵乘法运算,探讨矩阵对角化的方法;利用循环矩阵的性质寻找矩阵对角化的方法.2 基本定义定义1 设 是 阶方阵,如果存在数 和 维非零向量 ,使得 则称 是矩阵 的一个特征值, 是 的属于 的一个特征向量. 定义2 设 为 阶方阵,称行列式 为 的特征多项式,记为 ,而称 为 的特征方程. 定义3 阶方阵 称为可逆的,如果存在 阶方阵 ,使得 ,其中 是 阶单位矩阵.定义 4 设 , 是 阶方阵,若存在 阶可逆矩阵 ,使得 ,则称 与 相似, 称为 的相似矩阵. 定义 5 如果数域 上,对 级矩阵 存在一个可逆矩阵 使 为对角形矩阵,则称矩阵 在数域 上可对角化;当 可对角化时,我们说将 对角化,即指求可逆矩阵 使 为对角形矩阵. 3 矩阵对角化的几种方法 一般方法 几个定理定理 阶方阵 相似于对角矩阵的充分必要条件是 由 个线性无关的特征向量,且当 相似于对角矩阵 时, 的主对角线元素就是 的全部特征值.推论1 方阵 相似于对角矩阵的充分必要条件是 的属于每个特征值的线性无关的特征向量个数正好等于该特征值的重数.定理 如果 阶方阵 有 个互不相同的特征值（即 的特征值都是单特征值）,则 必相似于对角矩阵. 求 阶方阵的特征值与特征向量的一般步骤.第一步：计算特征多项式 第二步：求出特征方程 的全部根 （重根按重数计算）,则 就是 的全部特征值. 如果 为特征方程的单根,则称 为 的单特征根;如果 为特征方程的 重根,则称 为 的 重特征值,并称 为 的重数. 第三步：对 的相异特征值中的每个特征值 ,求出齐次线性方程 的一个基础解系 ,则 就是对应于特征值 的特征空间的一个基,而 的属于 的全部特征向量为 （其中 为不全为 的任意常数） 如果 阶方阵 相似于对角矩阵,则 的相似对角化的一般步骤如下: 第一步：求出 的全部特征值 ;第二步：对 的相异特征值中的每个特征值 ,求出齐次线性方程组 的一个基础解系,将所有这样的基础解系中的向量合在一起,假定这样的向量共有 个,它们就是 的 个线性无关的特征向量 ;第三步：令矩阵 = ,则有 ,其中 是属于特征值 的特征向量 .注意 的列向量的排列次序于与对角矩阵的主对角线元素的排列次序相一致.如图1所示： 图1 阶方阵 的相似对角化过程 应用实例例1 设矩阵 = 当 取何值时, 相似于对角矩阵?在 可对角化时,求可逆矩阵 ,使 成对角矩阵.解 先求 的特征值,由 = = = ，得 的全部特征值为 . 只有一个重特征值-1,故由定理1的推论, 可对角化 属于2重特征值-1的线性无关特征向量正好有2个 齐次线性方程组 的基础解系含2个解向量 而矩阵 的秩为1当且仅当 ,故当且仅当 时 可对角化.当 时,矩阵 为 = .计算可得 的对应于特征值 的线性无关特征向量可取为 ，对应于 的特征值的特征向量可取为 .故所求的可逆矩阵可取为 ,它使得 .注 当 有 个互不相同的特征值时, 必可对角化;当 有重特征值时, 可对角化 的属于每个重特征值的线性无关特征向量的个数正好等于该特征值的重数 对于 的每个重特征值 （设 的重数为 ）,矩阵 的秩为 .3 用矩阵初等变换将矩阵对角化的方法 理论依据若矩阵 在数域 上可对角化,则有 上可逆矩阵 使 为对角形矩阵.于是 的主对角线上的元素为 的全体特征值,并且可表示为 ,其中 为初等矩阵, .于是, ,又 也是初等矩阵,由初等矩阵与矩阵的初等变换的关系,即知 相当于对 施行了一次初等行变换与一次初等列变换.这里,我们称此种初等变换为对 施行了一次相似变换. 显然,可对 施行一系列的相似变换化为 . 又由 （注：此处 表单位矩阵）可如下进行初等变换,则可将 化为对角形矩阵 ,且可求得 ,对 只施行相应的初等列变换. 当 不可对角化时,也可经相似变换化简 后,求得其特征值,判定它可否对角化. 类似地,可由 ,做如下初等变换,则可将 化为对角形矩阵 ,且可求得 或由 求 的特征值,判定 可否对角化： ,对 只施行相应的初等行变换.并且在施行相似变换时,不必施行一次行变换后接着施行一次列变换这样进行,可施行若干次行（或列）变换后再施行若干次相应的列（或行）变换,只要保持变换后,最后所得矩阵与 相似即可. 用初等变换将矩阵对角化的方法 有 个特征单根的 阶可对角化矩阵的对角化方法引理1 设 是秩为 的 阶矩阵,且 其中 是秩为 的列满秩矩阵,则矩阵 所含的 个列向量就是齐次线性方程组 的一个基础解系.证明 设 ,对 施以列的初等变换相当于右乘一 阶初等矩阵. 设 其中 是一个 阶可逆矩阵, 是一个 阶矩阵,令 是矩阵 的列向量.由 线性无关,且 所以, 是方程 的 个线性无关的解向量.又 的秩为 ,则上述的 个向量正是该齐次线性方程组的一个基础解系.引理 -矩阵 经列的初等变换可化为下三角的 -矩阵 ,且 的主对角线上元素乘积的 多项式的根恰为 的所有特征根.引理 令 是数域 上一个 阶矩阵,如果 的特征多项式在 内有 个单根,那么由特征列向量构成的 阶可逆矩阵 ,使 .定理1 如果数域 上的 阶矩阵 的特征多项式 在 内有 个单根,则 可通过如下步骤对角化:设 ,且 .其中 为下三角矩阵,则 主对角线上全部元素乘积的 多项式的全部特征根为 的全部特征根,对 的每一特征根 , 中零向量所对应的 中的列向量是属于 的全部线性无关的特征向量.把属于 的特征向量作为列向量组合构成矩阵 ,使 .证明 易知 中非零向量的列构成列满秩矩阵,由引理1,2及引理3知结论成立.例1 设 = .问 是否可对角化?若 可以对角化,求可逆矩阵 ,使得 成对角形.解 .由 解得 的特征值 ,此时3阶矩阵 有3个不同的单根,故可对角化.当 时, 的零向量对应 中的列向量 是属于 的特征向量.同理可知 的属于 的特征向量分别是 和 ,可得 ,使得 . 有重特征根的可对角化矩阵的对角化方法对存在重特征根的矩阵同样可用上述方法,只是此时 中非零向量可能不构成列满秩矩阵,需将上述方法加以改进.我们先看引理4 设 是数域 上一个 阶矩阵, 可对角化的充要条件是 的特征根都在 内; 对于 的每一特征根 ,秩 ,这里 是 的重数.再由引理2,可知要判断 是否可对角化只需考察 的秩,并可得对角化步骤如下:定理 2 设 （ 是数域 一个 阶矩阵）,则 ,其中 是下三角矩阵,且 主对角线元素乘积而得的 多项式的根恰为 的特征根. 若 的特征根都在 内, 可对角化的充要条件是：对 的每一特征根 ,秩 ,这里 是 的重数; 若 可对角化,对 的每一特征根 ,若 中非零向量构成列满秩矩阵,则 的零向量对应的 中的列向量是属于 的全部线性无关的特征向量,可组合而得 ,使 成对角形.否则继续施以列的初等变换： ,使 中非零向量构成列满秩矩阵,由 可得属于 的全部线性无关的特征向量. 证明由引理1,引理2的证明及引理4可得.例2 设（1） (2) 问 , 是否可对角化?若可以对角化,求可逆矩阵 ,使 成对角形.解 ,得 的特征根 （二重根）, 由于秩 秩 ,秩 秩 ,故 可对角化.因 的非零向量不构成列满秩矩阵,需继续进行列的初等变换： .此时 的非零向量构成列满秩矩阵,可得 的全部线性无关的特征向量是 和 ,同理可得属于 的线性无关的特征向量是 从而 使 . .由 得 的特征根 （二重）, 易判断 可对角化,属于 的特征向量是 和 ,属于 的特征向量是 ,从而 使 .上述方法与传统方法比较显然具有优越性,但对于结果较多的矩阵,计算量仍然很大,可利用计算机采用此方法求解. 利用矩阵的乘法运算,探讨矩阵对角化的方法.定理1 设 是 在数域 上的全部互不相同的特征值.作多项式 则 在 上可以对角化的充要条件是 注 对于阶数较低的矩阵是否可以对角化,可以先求得所有互异特征值 ,再验证是否有 若 则 可以对角化; 若 则 不可以对角化.定理2 设 是 在数域 上的全部互不相同的特征值.若 则 的属于 的 的特征子空间是 的列空间.推论1 设 是 在数域 上的全部互不相同的特征值,其重数分别为 且 若 可对角化.则矩阵 的列向量组中有对应于 的 个线性无关的特征向量 .定理 3 设 是 在数域 上的全部互不相同的特征值.如果对每个 都有 ,那么 这里记 的属于 的特征子空间为 ,而 的列空间为 .推论2 设 是 在数域 上的全部互不相同的特征值,其重数分别为 则 与对角矩阵相似的充要条件是 的秩 .推论3 若 阶可对角化矩阵 只有两个相异的特征值 （ 重）和 （ 重）,则矩阵 （或 ）的 （或 ）个线性无关的列向量就是对应 （或 ）的特征向量组的极大线性无关组.例1 判断下列矩阵是否可以对角化,若可以,求可逆矩阵 ,使 成对角形. 解 易知 的特征值是 (2重根), 它们都在数域 中,尽管如此, 不能对角化,因为 . 易求得 的特征值是 （2重根）.由于 ,故 可以对角化.并且通过 ,可得 属于 的一个线性无关的特征向量 通过 ,可得 属于 的一个线性无关的特征向量 通过 ,可得 属于 的2个线性无关的特征向量 和 令 ,则 利用循环矩阵性质寻找矩阵对角化的方法 基本循回阵相似于对角阵 阶矩阵 称为基本循回阵.它满足于如下性质： 求出基本循回阵 的特征多项式： 因为特征多项式 有 个不同特征根： 所以,基本循回阵 相似于对角阵.下面求出特征向量：取 则有 （因 ）, 从而 为特征根 对应的 的特征向量.作矩阵： ,因为 为 行列式, 所以 可逆,则： . 循回方阵相似于对角阵矩阵 称为循回阵, 可以由基本循回阵的多项式求出来： .设： ,所以循回阵可以对角化. 任意 阶矩阵 可以对角化的充要条件是 相似于一个 阶循回阵证明 充分性 若 相似于循回阵.即存在可逆阵 使 ,但 所以 即 相似于对角阵.必要性 若 可以对角化,即存在可逆方阵 使得 .用 次多项式 作一方程组如下： ,即 该方程组的系数行列式为 行列式, 从而由 法则知方程由唯一解.设阶为 则 次多项式为 ,取矩阵 ,其中 为基本循回矩阵,从而 为循回阵,且有 所以, 即 相似于循回阵 . 结束语综上所述,复数域上的 阶矩阵,如果按相似关系分类后,含有循回阵的类可以对角化.参考文献【1】 魏站线.线性代数要点与解题 陕西：西安交通大学出版社,2006.【2】 高吉全.矩阵特征根与特征向量的同步求解方法探讨 数学通报,. 【3】 张禾瑞,郝鈵新.高等代数 北京：高等教育出版社,1993.【4】 陈汉藻.矩阵可对角化的一个重要条件 数学通报,1990. 2.【5】 周伯.高等代数 北京:人民教育出版社,1978.【6】 王萼芳,石生明.高等代数 北京：高等教育出版社, The Method of The Diagonalization of MatrixZhao Shuang-ling（Mathematics & Statistics Industry School, Anyang Normal University, Anyang, Henan 455002）Abstract：In this paper, by the use of the matrix-related knowledge, three methods of the diagonalization of matrix were words: diagonalizable; the method of diagonalization ; eigenvalues; eigenvectorsI hope that it could help you a little!!!
找点文献给你自己看看吧，需要就发邮件给我[1]高朝邦,祝宗山.关于矩阵的秩的等价描述[J].成都大学学报（自然科学版）,2006,25(1)从行列式、矩阵的等价、线性方程组、线性空间、线性映射等角度来刻画矩阵的秩,进而用这些命题来证明与矩阵的秩有关的一些命题.[2]费绍金.用矩阵的秩判断空间中平面与平面、直线与直线及直线与平面间的位置关系[J].牡丹江教育学院学报,2007,(6)利用线性方程组解的理论讨论空间中平面与平面、直线与直线及直线与平面间的位置关系,给出用矩阵的秩判定以上关系的方法及结论.[3]严坤妹.一类矩阵的秩[J].福建商业高等专科学校学报,2005,(4)矩阵的秩是矩阵的一个重要不变量,根据两个重要的矩阵的秩的不等式以及分块矩阵的初等变换的性质,本文研究了一类矩阵的秩的特征.[4]戴红霞.关于矩阵的秩的例题教学[J].南京审计学院学报,2005,2(2)本文通过三个典型例题的具体讲解,加深学生对抽象概念"矩阵的秩"的理解和掌握.[5]余航.试论分块矩阵的秩[J].桂林师范高等专科学校学报,2001,15(3)任一矩阵都可求得它的秩,而在矩阵运算中,矩阵的分块是一个很重要的技巧.本文从不同角度,从特殊到一般地探求了分块矩阵的秩.[6]徐兰.利用分块矩阵探讨矩阵的秩的有关定理[J].昌吉学院学报,2003,(4)矩阵是线性代数的主要研究对象之一,利用分块矩阵,研究高阶矩阵的秩及矩阵在运算后秩的变化,得到有关的定理.[7]邹晓光.互素多项式矩阵的秩的一个简单结论及其应用[J].金华职业技术学院学报,2006,6(1)本文给出了互素多项式在矩阵的秩讨论中的一个简单结果:定理:设f(x),g(x)∈P[x],A是n阶方阵,若(f(x),g(x))=1,则n+r[f(A)g(A)]=r(f(A))+r(g(A)).以及结果的一些简单应用,对文献[1]中的一些结论进一步讨论.[8]张丽梅,乔立山,李莹.可逆坡矩阵与坡矩阵的秩[J].山东大学学报（理学版）,2007,42(9)坡是两个元素的乘积小于等于每个因子的加法幂等半环.讨论了可逆坡矩阵的若干性质,证明了可逆坡矩阵必是满秩的.讨论了坡矩阵的行秩、列秩与Schein秩.给出了坡矩阵的Schein秩的一个重要性质.
秩：线性代数术语
这个可以继续化简：1.用第3行把的1把所有的第四列的数都化为012-900-1500001（下面的不写了）2.用第2行的-1把第1行的2消去10100-1500001（当然你也可以把第2行乘以-1）这个矩阵的非零行就是3行，所以秩就是3因为第一行的以一个1他下面的全部是0所以这个1是消不去le第2行的-1他的那一列也全部是0同理第三行