矩阵的秩可以直观地理解为筛眼的大小:
下面就来解释这句话是什么意思?
1 矩阵的作用
假设对于向量 x1 、 x2、 x3、x4 有:
上述关系可以用图像来表示,左侧的向量 x1 、 x2、 x3、x4,在 A 的作用下,求矩阵的秩最简单方法,变为了右侧的向量 y1 、y2 、y3 、y4 :,
上述关系可以用图像来表示,左侧的向量 x1 、 x2、 x3、x4,在 A 的作用下,变为了右侧的向量 y1 、y2 、y3 、y4 :
矩阵的秩计算公式:A=(aij)m×n。矩阵的秩是线性代数中的一个概念。在线性代数中,一个矩阵A的列秩是A的线性独立的纵列的极大数,通常表示为r(A),rk(A)或rank A。矩阵一个按照长方阵列排列的复数或实数集合,最早。
2 矩阵的秩
如果 A 的秩不一样,那么左侧的矩形在 A 的作用下,右侧就可能得到不同的图形:
有一个很明显的特点,矩阵的秩 rank(A) 越小,得到的图形越小(这里直接给结论了,细节就不展开了):
A=(aij)m×n 矩阵的秩是线性代数中的一个概念。在线性代数中,一个矩阵A的列秩是A的线性独立的纵列的极大数,通常表示为r(A),rk(A)或rank A。在线性代数中,一个矩阵A的列秩是A的线性独立的纵列的极大数目。类。
3 矩阵是筛子
因为上面的结论,所以可以将矩阵 A 看作一个筛子:
筛眼越小,自然漏过去的越小。
4 矩阵复合的秩
把矩阵的秩看作筛眼的大小还是有一定解释能力的。比如矩阵的秩有如下的性质,该性质也称为矩阵复合的秩:
A 、B 可以看作两个筛子:
可以用带网格两个圆来表示这两个筛子,可以看到各自的筛眼大小不同,也就是各自的矩阵的秩不相同:
1、求秩有三种方法:(1)你给的例子 。用初等变换秩不变 然后讨论未知数情况;比较简单。(2)特殊行列式:用加边法、累加写出结果 ,用行列式值是否等于零与满秩的关系。(3)实对称针用多角化再判断。2、矩阵的。
当这两个筛子叠在一起的时候,叠加部分的筛眼变小了,比单独某一个筛子的筛眼要小:
所以此时有:
当然还有可能 A 、B 如下:
这时叠在一起时,叠加部分的筛眼等于其中某一个筛子的筛眼:
所以此时有:
综合起来就是:
5 满秩矩阵复合的秩
满秩矩阵 P 可以看作完全没有筛眼的筛子:
这样两者复合,筛眼大小就完全取决于 A :
矩阵的秩计算方法:矩阵的行秩,列秩,秩都相等,初等变换不改变矩阵的秩,如果A可逆,则r(AB)=r(B),r(BA)=r(B),矩阵的乘积的秩Rab<=min{Ra,Rb}。引理:设矩阵A=(aij)sxn的列秩等于A的列数n,则A的列秩。
所以可得到满秩矩阵复合的性质: