12._矩阵的秩的意义_向量版
说明 本文介绍矩阵的秩,是从向量空间角度进行理解,适合具有一定线性基础的人进行阅读,如果您是初学者,推荐你首先查看矩阵的秩的意义(方程组版) 的课程进行理解。矩阵的秩的本质反映的是方程组里,有效的方程的个数。
矩阵的秩的意义(向量版)
在线性代数中,一个矩阵的秩是其非零子式的最高阶数,一个向量组的秩则是其最大无关组所含的向量个数。
矩阵的秩是反映向量之间分布上的集中或限制程度的一个数值。它表示一组n维向量中最多有几个向量是无关的。如果一个矩阵满秩,说明这组向量中最多有n个向量是无关的,若加进来第n+1个向量,该组一定相关。矩阵的秩也可以反映矩阵的行或列中包含的独立方程式的个数。如果矩阵不满秩,那么矩阵会化简出有全零行,主元就“不完全”。
矩阵乘以一个向量就是把这个向量映射到列空间中去, 同时矩阵的秩也是其列空间的维数。 如果矩阵乘以一个图形 (向量的集合), 就会把这个图形统统变换到列空间去。变换后的图形维数最大不能超过列空间的维数。举几个例子: 对于二阶矩阵 , 其行列式 , 因此 ; 对于二阶矩阵 , 其行列式 , 故 , 进而得到 ; 矩阵 和 对单位圆上向量的变化图形如图 5-31 所示。

显然,
当二阶矩阵的秩等于 2 时, 矩阵把二维的圆形仍然变换为二维的椭圆图形; 当矩阵的秩降低为 1 时, 矩阵变换后的图形退化为一维的线段。
同样地, 三阶矩阵对于空间球面上的向量的变换图形是:
当矩阵的秩等于 3 时, 单位球被变换成三维空间中的一个椭圆球 (三维图形); 当矩阵的秩等于 2 时, 单位球被变换成三维空间中的一个椭圆面 (二维图形); 当矩阵的秩等于 1 时, 单位球被变换成三维空间中的一个线段 (一维图形)。
换句话说,矩阵的秩的大小,可以看成对图形降维的尺度。
矩阵的秩的定义
在 矩阵 中,任取 行与 列 ,位于这些行列交叉处的 个元 素,不改变它们在 中所处的位置次序而得的 阶行列式,称为矩阵 的 阶子式。 矩阵 中的 阶子式共有 个. 设在矩阵 中有一个不等于 0 的 阶子式 且所有 阶子式 (如果存在的话)全等于 0 ,那么 称为矩阵 的最高阶非零子式,数 称为矩阵 的秩,记作
并规定:零矩阵的秩等于 0.
由行列式按行(列)展开的性质可知,若 的所有 阶子式全等于零,则所有高于 阶的子式也全为 0 ,因此, 阶非零子式 被称为最高阶非零子式, 而矩阵 的秩 就是非零子式的最高阶数. 由此可得,若矩阵 中有某个 阶子式不为 0 ,则 若矩阵 中所有 阶子式全为 0 ,则 . 对于 阶矩阵 因为 的 阶子式只有一个 , 所以,当 时, , 当 时, 从而可逆矩阵的秩等于它的阶数,而不可逆矩阵的秩小于它 的阶数. 因此,可逆矩阵又称为满秩矩阵,不可逆矩阵又称为降秩矩阵.
例 求
\left|\begin{array}{ccc} 1 & 1 & 2 \ -1 & 2 & 0 \ 0 & 3 & 2 \end{array}\right|=0, \quad\left|\begin{array}{ccc} 1 & 1 & 3 \ -1 & 2 & 1 \ 0 & 3 & 4 \end{array}\right|=0, \quad\left|\begin{array}{ccc} 1 & 2 & 3 \ -1 & 0 & 1 \ 0 & 2 & 4 \end{array}\right|=0, \quad\left|\begin{array}{ccc} 1 & 2 & 3 \ 2 & 0 & 1 \ 3 & 2 & 4 \end{array}\right|=0
B =\left(\begin{array}{ccccc} 2 & -3 & 4 & 4 & 5 \ 0 & -2 & 1 & -1 & 3 \ 0 & 0 & 0 & 0 & 4 \ 0 & 0 & 0 & 0 & 0 \end{array}\right)
\left|\begin{array}{ccc} 2 & -3 & 5 \ 0 & -2 & 3 \ 0 & 0 & 4 \end{array}\right|=-16 \neq 0