一、矩阵的秩 如果把矩阵的每一行看成一个向量，那么矩阵就可以认为是由这些向量组成 的.同样，如果把每一列看成一个向量，那么矩阵也可以认为是由列向量组成的. 定义 15 所谓矩阵的行秩就是指矩阵的行向量组的秩；矩阵的列秩就是矩阵 的列向量组的秩

在线性方程组的讨论中，我们看到，线性方程组的一些重要性质反映在它的 系数矩阵和增广矩阵的性质上，并且解线性方程组的过程也表现为变换这些矩阵 的过程.除了线性方程组之外，还有大量的各种各样的问题也都提出矩阵的概念， 并且这些问题的研究常常反映为有关矩阵的某些方面的研究

在这一节，我们来介绍一个处理级数较高的矩阵时常用的方法，即矩阵的分 块.有时候，我们把一个大矩阵看成是由一些小矩阵组成的，就如矩阵是由数组 成的一样.特别在运算中，把这些小矩阵当作数一样来处理.这就是所谓矩阵的分 块

将分块乘法与初等变换结合就成为矩阵运算中极端重要的手段

一、线性空间的定义. 例 1 在解析几何里,讨论过三维空间中的向量.向量的基本属性是可以按平行四边形规律相加，也可以与实数作数量算法.不少几何和力学对象的性质是可以通过向量的这两种运算来描述的

在 n 维线性空间中，任意 n 个线性无关的向量都可以取作空间的基.对于不 同的基，同一个向量的坐标一般是不同的.随着基的改变，向量的坐标是怎样变 化的

定理 5 如果 V1 ,V2 是线性空间 V 的两个子空间，那么它们的交 V1 V2 也是 V 的子空间

设E1,E2,…,E是线性空间V的一组基,在这组基下,V中每个向量都有确定 的坐标,而向量的坐标可以看成P元素,因此向量与它的坐标之间的对应实质 上就是V到P的一个映射.显然这个映射是单射与满射,换句话说,坐标给出了 线性空间V与P的一个双射.这个对应的重要性表现在它与运算的关系上

定义6设A是线性空间V的一个线性变换,的全体像组成的集合称为 的值域,用AV表示所有被A变成零向量的向量组成的集合称为A的核,用 A-(0)表示 若用集合的记号则AV={A55∈V},a-(0)={A5=0,5∈V} 线性变换的值域与核都是V的子空间 AV的维数称为A的秩,A-(0)的维数称为A的零度

由前面的讨论可知，并不是对于每一个线性变换都有一组基，使它在这组基 下的矩阵成为对角形.下面先介绍一下，在适当选择的基下，一般的一个线性变 换能化简成什么形状