秩
说到秩,那么先从极大无关向量组说起,极大无关向量组定义如下:
一个向量组的
a
1
,
a
2
,
.
.
.
,
a
m
a_1,a_2,...,a_m
a1,a2,...,am 的部分组**
a
j
1
,
a
j
2
.
.
.
.
.
,
a
j
r
a_{j1},a_{j2}.....,a_{jr}
aj1,aj2.....,ajr**成为这个向量组的一个极大线性无关组,如果
- ** a j 1 , a j 2 . . . . . , a j r a_{j1},a_{j2}.....,a_{jr} aj1,aj2.....,ajr**线性无关
- ** a j 1 , a j 2 . . . . . , a j r a_{j1},a_{j2}.....,a_{jr} aj1,aj2.....,ajr**中得到的新向量组线性相关
我们可以把这些极大无关向量看成一个个代表,向量组中的其他任何一个向量加入到极大线性无关组中都会比出现冗余现象。而这些极大线性无关组中的任何一个向量也不能缺少,因为缺少一个就会使得其他任何向量都不能被这些向量表示。
我们看下二维的图片就可以知道里面的奥妙了,
(注意我们不会过多的关注0向量)
如果我们想要用两个向量表示平面中的任何一个向量,那么我们知道这时候向量一定不能共线,如他们刚好共线,我们会发现他们的秩刚好为1,只有秩为2的时候,空间中的任何直线才可以被这两个向量表示,同样
N
N
N维空间的秩的理解也是如此,只有当向量组中的所有向量线性无关的时候,也就是向量组的秩是
N
N
N的时候才可以表示
N
N
N维空间中的任何一个向量。
我们总是会遇到 N N N个向量的秩会 ≤ \leq ≤N,那是因为 N N N个向量中有的向量可以被其他的向量表示出来,不妨想想,如果 3 3 3维向量 a 1 , a 2 , a 3 a_1,a_2,a_3 a1,a2,a3中向量 a 1 a_1 a1被 a 2 , a 3 a_2,a_3 a2,a3表示出来,那么很明显 a 1 a1 a1就显的没有多么的重要了,这时候 3 3 3维度空间中只有两个线性无关,那么其只能表示一个 平 面 平面 平面,不能把整个 N N N维空间表示出来,因为 a 1 a_1 a1总是可以被另外两个表示出来。
秩还可以被理解成条件
我们一定都见过如下式子
{
a
11
x
1
+
a
12
x
2
+
.
.
.
.
+
a
1
n
x
n
=
b
1
a
22
x
1
+
a
22
x
2
+
.
.
.
.
+
a
2
n
x
n
=
b
2
a
32
x
1
+
a
32
x
2
+
.
.
.
.
+
a
3
n
x
n
=
b
3
.
.
.
.
.
a
m
2
x
1
+
a
m
2
x
2
+
.
.
.
.
+
a
m
n
x
n
=
b
n
\begin{cases} a_{11} x_1+a_{12}x_2+....+a_{1n}x_n=b_1\\ a_{22} x_1+a_{22}x_2+....+a_{2n}x_n=b_2\\ a_{32} x_1+a_{32}x_2+....+a_{3n}x_n=b_3\\ .....\\ a_{m2} x_1+a_{m2}x_2+....+a_{mn}x_n=b_n \end{cases}
⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧a11x1+a12x2+....+a1nxn=b1a22x1+a22x2+....+a2nxn=b2a32x1+a32x2+....+a3nxn=b3.....am2x1+am2x2+....+amnxn=bn
(以下叙述会有些不严谨,限于作者的水平有限,但简单叙述,省略下那些严谨的条件反而更然更容易理解)
我们知道只有当
R
(
A
)
=
R
(
A
‾
)
=
n
R(A)=R(\overline{A})=n
R(A)=R(A)=n的时候才会有唯一的解。,我们从小就知道有
x
x
x个方程组和
x
x
x个未知数的话,那么此方程一定有可行解,但如果这
x
x
x个方程其中的某些方程可以被其他的方程表示出来呢?显然,这个时候有些方程组就是多余的,消来消去,最后一定可以把没用的方程给消掉,这么一来,矩阵
A
A
A的秩就可以理解为消取之后有效方程的个数,假如有
x
+
n
x+n
x+n个方程
x
x
x个参数也是如此,只要最后消来消去,有效方程的个数变成
n
n
n,那么此时方程一定有解。
另外补充一点,关于行列式与秩的关系,因为并没有叙述空间变换的直观解释,所以不打算做此方面的叙述,但他们在图形上也是可解释的!