-
秩
(線性代數術語)
鎖定
- 中文名
- 秩
- 外文名
- Rank
- 所屬學科
- 線性代數
秩定義
秩矩陣的秩
主條目:矩陣的秩
用行列式定義
用線性映射定義
考慮線性映射:
對於每個矩陣
,
都是一個線性映射,同時,對每個的
線性映射
,都存在矩陣
使得
。也就是説,映射
秩向量組的秩
主條目:向量組的秩
用最大無關組定義
設有向量組
,若能在
中選出
個向量
,滿足
(i)向量組
線性無關;
(ii)向量組
中任意
個向量(如果有的話)都線性相關,
用線性空間定義
在一個
維線性空間
中,一個向量組
的秩表示的是其生成的子空間的維度。考慮
矩陣
,將
的秩定義為向量組
的秩,則可以看到如此定義的
的秩就是矩陣
的線性無關縱列的極大數目,即
的列空間的維度(列空間是由
的縱列生成的
的子空間)。因為列秩和行秩是相等的,我們也可以定義
的秩為
的行空間的維度。
[2]
秩性質
矩陣的秩的性質
(1)
;
(2)
;
(3)若
,則
;
(4)若
可逆,則
;
(6)若
為方陣(即
),則
與
可逆等價;
(7)
;
(8)
;
(9)
,
推廣到多個矩陣的情況,即
;
(2)當且僅當
(即矩陣
行滿秩)時,
是滿射;
向量組的秩的性質
(1)矩陣的秩等於它的列向量組的秩,也等於他的行向量組的秩;
(3)向量組
能由向量組
線性表示的充要條件是
(4)若向量組
能由向量組
線性表示,則
;
秩計算
例如矩陣
對其應用初等行變換可得
注意:使用計算機按上述方法求矩陣的秩時,可能涉及浮點數。此時基本高斯消去(LU分解)可能是不穩定的,可以使用奇異值分解(SVD)或有支點(pivoting)的QR分解。秩的數值判定要求對一個值比如來自 SVD 的一個奇異值是否為零的依據,實際選擇依賴於矩陣和應用二者。
[3]
秩應用
(i)
,方程組有惟一解;
(ii)
,方程組有無窮解;
判斷向量組的線性相關性
參見“性質”一節。
其它
在解析幾何中,矩陣的秩可用來判斷空間中兩直線、兩平面及直線和平面之間的關係;
[4]
在控制論中,矩陣的秩可以用來確定線性系統是否為可控制的(或可觀察的)。