如果矩阵A有一个r阶子式不为零所有的r+1阶子式(如果存在r+1阶子式)都等于零,则可推出A的所有更高阶的子式全为零于是r是A的非零子式的最高階数,该阶数称为A的秩这是书上对矩阵的秩的定义,那矩阵的秩更本质的含义是什么呢或者是其在线性几何空间中所表示的是什么? 說到矩阵的秩就不得不提到向量组的秩即向量组的极大无关组所含向量的个数,而极大无关组则是一个向量组中的一组线性无关的向量且向量组中任意的向量都可由这组线性无关向量线性表出。 矩阵无非就是一组向量的集合就是由这组向量所构成的一个线性空间,而矩阵的秩是和其行秩和列秩相等的也就是说矩阵的秩就是等于构成该矩阵的向量组的秩的...
如果矩阵A有一个r阶子式不为零,所有的r+1阶子式(如果存在r+1阶子式)都等于零则可推出A的所有更高阶的子式全为零,于是r是A的非零子式的最高阶数该阶数称为A的秩。这是书上对矩阵嘚秩的定义那矩阵的秩更本质的含义是什么呢,或者是其在线性几何空间中所表示的是什么
说到矩阵的秩就不得不提到向量组的秩,即向量组的极大无关组所含向量的个数而极大无关组则是一个向量组中的一组线性无关的向量,且向量组中任意的向量都可由这组线性無关向量线性表出
矩阵无非就是一组向量的集合,就是由这组向量所构成的一个线性空间而矩阵的秩是和其行秩和列秩相等的,也就昰说矩阵的秩就是等于构成该矩阵的向量组的秩的而该向量组中的每一个向量都是可以由该组中的极大无关向量组线性表出的,也就是說存在着这样一个线性空间空间中的所有的向量都可由一组特定的向量来表示,这组特定向量就决定了这样的一个线性空间这组特定嘚向量就是向量组中的极大无关组,该极大无关组的个数就是向量空间的维数。
举一个例子对于我们熟悉的2维平面空间来说,表示坐標轴的两个向量就组成了该空间中的一个极大无关组该空间上的任意向量都可由这两个向量线性表出,该空间的秩即是该空间的维数 鉯上仅是一些粗浅的探讨,如果你有其他的看法欢迎指正
阅读提示这篇文章是在的基础仩作答的。
下面分别解释这两个答案前者更直观,而后者是前者的原因 1 「秩」是通过矩阵变换之后嘚维度 这是比较直观的一个角度。 我们通过旋转矩阵 进行变换:
因此旋转矩阵的「秩」为2。
因此此矩阵的「秩」为1。
因此此矩阵的「秩」为0。 所以「秩」是通过矩阵变换之后的维度。 要解释为什么我们需要另外一个角度的答案。 2 「秩」是列空间的维度
首先看下什麼是列空间 我们通过旋转矩阵来解释什么是列空间: |
本站是提供个人知识管理的网络存储空间,所有内容均由用户发布不代表本站观點。如发现有害或侵权内容请点击这里 或 拨打24小时举报电话: 与我们联系。
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。