线代第三章向量第三节:向量组的秩

向量组的秩

向量组的秩是线性代数的核心概念 ,它描述了向量组中线性无关向量的最大个数,反映了向量组的 "本质维度",是判断向量组线性相关性、求解线性方程组、分析矩阵结构的关键工具。

一、核心定义

1. 极大线性无关组

给定一个向量组 α1​,α2​,...,αs​(向量可以是 n 维列向量或行向量),如果它的一个部分组 αi1​​,αi2​​,...,αir​​ 满足两个条件:

  1. 线性无关:该部分组中没有任何一个向量可以由其余向量线性表示。
  2. 极大性:从原向量组中任意添加一个剩余向量到该部分组,新的向量组都会变成线性相关。

则称这个部分组为原向量组的 极大线性无关组。

注意:

  • 一个向量组的极大线性无关组不唯一。例如向量组 α1=(1,0),α2=(0,1),α3=(1,1),{α1,α2} 和 {α1,α3} 都是它的极大线性无关组。
  • 仅含零向量的向量组没有极大线性无关组。

2. 向量组的秩

向量组的所有极大线性无关组所含向量的个数是相同的 ,这个公共的个数称为该向量组的秩,记作 r(α1​,α2​,...,αs​) 或 rank(α1​,α2​,...,αs​)。

关键结论:

  1. 若向量组仅含零向量,秩为 0。
  2. 若向量组线性无关,则它的极大线性无关组就是自身,秩等于向量组的向量个数 s,即 r=s。
  3. 若向量组线性相关,则 r<s。

二、向量组的秩与矩阵的秩的关系

在 AI 领域,我们通常将向量组按列或按行排列成矩阵,利用矩阵的秩来求向量组的秩,这是最常用的计算方法。

1. 基本定理

设 A 是一个 m×n 矩阵:

  • 矩阵 A 的列秩:矩阵的 n 个列向量构成的向量组的秩。
  • 矩阵 A 的行秩:矩阵的 m 个行向量构成的向量组的秩。
  • 核心定理 :矩阵的列秩 = 行秩 = 矩阵的秩(矩阵的秩定义为最高阶非零子式的阶数)。

这个定理建立了向量组的秩与矩阵的秩的桥梁,也是 AI 中矩阵运算的理论基础(比如神经网络中的特征降维)。

2. 计算向量组的秩的方法(核心步骤)

对于 n 维列向量组 α1​,α2​,...,αs​,计算秩的步骤:

  1. 构造矩阵:将向量组按列排列成矩阵 A=(α1,α2,...,αs)(n×s 矩阵)。
  2. 初等行变换 :对矩阵 A 做初等行变换,将其化为 行阶梯形矩阵。
  3. 数非零行的行数 :行阶梯形矩阵中非零行的行数就是矩阵的秩,也就是原向量组的秩。

3. 初等行变换不改变矩阵列向量组的线性关系

将α1​,α2​,α3​,α4​按列构成矩阵,对其做初等行(只做行变换)变换化为行最简形:

行最简形有 2 个非零行,故向量组的秩为 2,极大线性无关组含 2 个向量(不唯一),常见的有:

  1. {α1,α2}(行最简形 "首非零元" 对应的列);
  2. {α1,α3}(α3不能由α1线性表示);
  3. {α1,α4}(α4不能由α1线性表示)。

以 **极大线性无关组{α1​,α2​}**为例,根据行最简形的列向量关系,原向量满足:

相关推荐
VIP_CQCRE2 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
泯泷3 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”
人工智能
oak隔壁找我3 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件
人工智能·程序员
高洁013 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
Csvn4 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)
人工智能·aigc·agent
在所不辞兄5 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
锋行天下5 小时前
langgraph 全栈项目(三)
前端·人工智能·后端
黄啊码6 小时前
【黄啊码】最近面了十几个想转 FDE 的程序员,一个都没招
人工智能
锋行天下6 小时前
langgraph 全栈项目(二)
前端·人工智能·后端
大模型真好玩6 小时前
用 Seedance 2.5 Flash 实现1分钟AI短剧,满足孩子的超级英雄对战梦
人工智能·aigc·deepseek