通俗理解矩阵的秩

flyfish

一、通俗的理解

想象有一张表格（矩阵），表格里有很多数字。矩阵的秩告诉我们这个表格里的数据有多么“特别”或者“复杂”。

1. 行和列的概念：

矩阵是由行（横排的数字）和列（竖排的数字）组成的。
比如一个3行2列的矩阵可能长这样：
$\begin{pmatrix} 1 & 2 \\ 3 & 4 \\ 5 & 6 \end{pmatrix}$

2. 矩阵的秩是什么？

矩阵的秩是在说这些行或列里，哪一些是“独立”的，哪一些是可以通过其他行或列来“组合”出来的。

3. 什么是“独立”和“组合”？

比如，假设有一个2行3列的矩阵：
$\begin{pmatrix} 1 & 2 & 3 \\ 2 & 4 & 6 \end{pmatrix}$

看起来有2行，但实际上第二行（2, 4, 6）是第一行（1, 2, 3）乘以2得到的。所以，第二行并没有提供新的信息，它和第一行并不是“独立的”。
这里的秩就是1，因为只有一行是独立的。

4. 秩的理解

矩阵的秩 其实就是这个矩阵中有多少“独立的”行或列。
如果所有的行或列都是独立的，那么秩就等于行或列的数量。
如果有一些行或列是可以由其他行或列“组合”出来的，那么秩就会变小。

二、矩阵的秩是行秩和列秩相等的

行独立和列独立 其实描述的是同一个概念，因为行秩和列秩相等。
可以通过行的独立性或者列的独立性去计算矩阵的秩，结果是一样的。

1. 行独立和列独立的解释

行独立 ：如果一个矩阵的行是线性独立的，那么它们不能通过其他行的线性组合（加权相加）得到。
列独立 ：如果一个矩阵的列是线性独立的，那么它们不能通过其他列的线性组合得到。

2. 行秩和列秩

行秩：行之间的独立性，即有多少行是线性独立的。
列秩：列之间的独立性，即有多少列是线性独立的。
无论是行秩还是列秩，它们的值总是相等的 。因此，矩阵的秩既可以看作是行的独立性，也可以看作是列的独立性，最终得出的值是一样的。

3. 为什么行秩和列秩相等？

这是一个重要的数学结论，它背后的原因涉及到线性代数的理论（比如高斯消元法、矩阵变换等），但简单来说，当进行矩阵的行变换时，可以看作是在改变行的排列方式，而列独立性也随之保持相应的关系。这种对称性保证了行秩和列秩始终相等。

三、数学语言

矩阵中线性无关列的个数是矩阵的秩。

1. 线性无关

线性无关 的意思是：一组向量中，任何一个向量都不能通过其他向量的线性组合（加权相加）得到。如果一个向量可以通过其他向量的线性组合得到，那这些向量就是线性相关 的，而不是线性无关的。

线性组合

线性组合是指将一组向量进行某种“加权相加”，即：
$c_1 \mathbf{v}_1 + c_2 \mathbf{v}_2 + \cdots + c_n \mathbf{v}_n = 0$

其中 $c_1, c_2, \dots, c_n$ 是系数（可以是任何数）， $\mathbf{v}_1, \mathbf{v}_2, \dots, \mathbf{v}_n$ 是向量。如果所有的系数 $c_1, c_2, \dots, c_n$ 都为 0 才能让等式成立，那么这组向量是线性无关的；否则，它们是线性相关的。

2. 线性无关列向量的直观理解

我们来看矩阵的列向量 。假设有一个矩阵： $\begin{pmatrix} 1 & 2 & 1 \\ 0 & 1 & 0 \\ 0 & 0 & 0 \end{pmatrix}$

这个矩阵的列是三个向量：
$\mathbf{v}_1 = \begin{pmatrix} 1 \\ 0 \\ 0 \end{pmatrix}, \quad \mathbf{v}_2 = \begin{pmatrix} 2 \\ 1 \\ 0 \end{pmatrix}, \quad \mathbf{v}_3 = \begin{pmatrix} 1 \\ 0 \\ 0 \end{pmatrix}$

现在判断这些列向量是否线性无关：

第一列 ( $\mathbf{v}_1$ ) 是 $\begin{pmatrix} 1 \\ 0 \\ 0 \end{pmatrix}$ 。
第三列 ( $\mathbf{v}_3$ ) 和第一列完全一样，因此第三列可以通过第一列乘以1得到。所以它们是线性相关的 ，并不是线性无关的。

这意味着第三列实际上没有提供新的信息。

3. 线性无关列和秩的关系

在矩阵中，列向量的线性无关性 告诉我们每一个向量是否是其他向量的线性组合。如果有一个列向量是其他列向量的线性组合，那么它就是线性相关的。只有那些无法通过其他列向量线性组合出来的列向量才是线性无关的 。
矩阵的秩 就是这个矩阵中线性无关列向量的个数 。

例如：

假设矩阵中有 3 个列向量，但只有 2 个列向量是线性无关的，那么这个矩阵的秩就是 2。
如果所有列向量都是线性相关的，那么矩阵的秩就会小于列的总数。

4. 例子：线性无关和相关

假设有一个 2 列 3 行的矩阵：
$\begin{pmatrix} 1 & 2 \\ 2 & 4 \\ 3 & 6 \end{pmatrix}$

这两个列向量是：
$\mathbf{v}_1 = \begin{pmatrix} 1 \\ 2 \\ 3 \end{pmatrix}, \quad \mathbf{v}_2 = \begin{pmatrix} 2 \\ 4 \\ 6 \end{pmatrix}$
可以看到，第二个向量 ( $\mathbf{v}_2$ ) 是第一个向量 ( $\mathbf{v}_1$ ) 乘以 2 得到的。所以它们是线性相关的 ，不是线性无关的。因此，这个矩阵的秩为 1，因为只有 1 个线性无关的列向量。

通俗理解矩阵的秩