c++求矩阵的秩_离开解方程，矩阵它到底是个啥？

相信不少人像我一样，每次复习线代的时候，总是满怀信心的翻开课本准备大干一场，但是一个小时后你突然发现，这知识他不进脑子啊！渐渐的你越来越想问候矩阵创始人的家人，你越来越想知道，到底是谁，为了解个方程组竟然还要定义一个新概念！而且还有如此多的子概念，子子孙孙无穷匮也！那么我们不妨就浅析一下，这矩阵，除了解方程的工具，他到底是个什么玩意？

矩阵是运动与变换的描述

相信不少同学在大学开学第一课时，都听到过这样的一句话：“大学数学要用运动的眼光来研究”。听起来十分高大上，但真正做起来却不容易；现在我们思考一下，矩阵怎么用运动的眼光来看待呢？

我们不妨先来看这样一个问题：在一个二维空间里有( -1 ,2 )这样一个向量，我们都知道它可以被看作-1个（1，0）基向量与2个（0，1）基向量合成所得；那么现在我将（1，0）调整方向与大小变为向量（1，-2），同理将（0，1）变换成（3，0），会发生什么呢？显然，x轴方向变成了沿（1，-2）的，y轴则沿（3，0），同时整个坐标系的旋转与压缩也导致了（-1，2）的大小与方向的改变。

且新的向量为（-1+3*2，（-2）*（-1）+0)，即（5，2）

现在我们回过头看一看刚才所发生的事，用一句话描述就是一个向量（-1，2）变换成了（5，2）这个新向量。用数学的语言描述就是

聪明如你肯定发现了，当我们把两个新的基向量写在一起时，写成了矩阵的形式，而且计算方式与矩阵的运算性质完全符合；这难道是巧合吗？当然不是，其实矩阵的每一列就代表了一个基向量，每一个基向量都代表了对原来正常坐标系的某一个基向量（比如（1，0））所做的变换，而整个矩阵则代表了对整个空间的变换；也就是说，只要确定了一个矩阵，就确定了该坐标系变换的方法（旋转的角度，拉伸的倍数等），我们也就随之确定了坐标系下每个向量的变换后的新向量；

当然我们刚刚讨论的是一个平面上的情况（二维的），假如是（x,y,z)，则是在三维空间下考虑问题，同理，在n维空间下，也是一样的，只不过我们比较难以直观想象了。

（如果还不明白，可以考虑高中学过的斜二测画图，本质上是一样的，如果把矩阵比作视角的话，那么我们使用单位矩阵的时候就是在用xy轴”正视“这个向量，而使用其他矩阵时，就是在用其他视角看这个向量；）

理解了这一概念后，我们再来看一看我们课上所学的知识；

一、矩阵的概念

由m*n个数组成的m行n列的矩形数表——>m维空间下的n组向量，并且描述了该空间在n种变换共同作用后的变换情况；

二、矩阵的分类

1.单位阵：我们都知道，任意一个矩阵乘以单位阵都不变，也就是说做单位阵这种变换，等于没变换，所以单位阵所描述的变换其实就是：由正交坐标系仍变换为正交坐标系，相当于什么变化也不做。（坐标系不变，所以向量也不会变）。比如我们以3阶单位阵为例，第一列代表的向量是（1，0，0）也就是x轴上的单位向量本身，第二列是（0，1，0）是y轴上的单位向量，第三列是（0，0，1）是z轴上的单位向量，在他们的共同作用下，坐标系显然不变；

2.方阵：我们不妨先从n阶行列式入手，考虑一个n阶单位阵变化成一个n阶方阵的过程，其实就是对所有的n个基向量都做了变幻的描述，从而全面的描述了该控件的变换；

三、矩阵的乘法

介绍矩阵乘法之前我们需要先理解矩阵的作用顺序这个概念，假设现有矩阵a和矩阵b相乘得到矩阵c，我们能猜到既然a和b都是对空间的变换，那么c也是对空间的一种变换，且是a和b共同作用下的。那么问题来了，我们如何知道空间是怎么变的呢？是先进行a变换再做b变换，还是先进行b变换在做a变换呢？

我先把答案告诉大家（如果大家自己推不出来，可以在评论区里问我）：矩阵按从右到左的顺序对空间产生变化作用，什么意思呢？比如说有有矩阵a、b，则a*b是指先将空间以b的方式变换再以a的形式变换；

理解了作用顺序后，我们再来推导一下矩阵乘法公式

同时我们也能理解了为什么矩阵相乘一定要求矩阵a的列数n等于矩阵b的行数n：因为从右往左的顺序做变幻时，右侧的b的行数n确定了基向量是一个n维向量，所以a对b的基向量做变幻时，会要求每个方向都有一个向量与之相乘，所以a有n组向量，占了n列；

四、矩阵的逆

我们已知矩阵乘以矩阵的逆为单位阵，也就是说对正交坐标系先做一次变换，再做一次变换后它又变回了正交坐标系，打个比方，比如矩阵a的作用是使x轴逆时针转45度，那么矩阵a的逆的作用则是使x轴顺时针转45度。

至于为什么可逆矩阵一定是方阵，我们不妨先留一个小小的悬念，一会儿另行解答。

五、矩阵的初等变换

理解了以上知识点，我想关于矩阵的初等变换这里就很好解释了，其实初等变换就是对空间变换实际操作的方法，比如某列乘以某个数就是拉伸或压缩基向量；

六、矩阵的秩

我们在高中的时候就学过，二维空间基向量不能共线，否则只能表示一条线上的向量，换句话说，就是一个二维面被压缩成了一维线。现在我们加上矩阵的知识，假如我们把（1，0）旋转45度再拉伸变成了（1，1），又把（0，1）旋转45度再拉伸变成了（2，2），那么新的基向量就共线了，我们可以做一个实验，拿这个矩阵乘以任意向量，结果所得向量均在y=x这条线上，即一个二维空间被降维打击了。

而我们可以发现该向量的秩恰好就为1，所以我们可以猜到，矩阵的秩，代表了一个n维空间，做了矩阵所代表的变换后，被降到的维数；

并且我们可以证明，只要|A|不等于零，则A就不会被降维，即A是满秩的；

我们不妨再来证明秩的以下性质

1. r（A）=min{m，n}：假设行数m小于列数n，因为只有该空间被降维或不变才能得到秩，所以秩一定小于等于空间本身维度m；假设行数m大于列数n，我们设原空间基向量为a1,a2,a3...am.则矩阵A的第一列代表了对a1的变换，第二列对a2变......以此类推，最后还剩m-n个基向量没有变换，又因为最后的空间列数与A相同，所以新的空间丢失了m-n个维度，虽然有m行，但实际上最多只有n维，所以秩小于等于n；（想象三维空间丢失了z方向上的基向量就成了一个面了）
2. r（A）=0则A=0：如果空间被降为成了一个点，则说明没有基向量，或基向量在任意维度都为0，所以A=0；
3. 矩阵的非零子式最高阶数为该矩阵的秩：（这里的证明方法有一点抽象，我的证法有可能有瑕疵，大家可以在评论区与我讨论）假设一个n阶矩阵，有一个最高m阶的非零子式，那么这个m阶子式，必然代表一个m维的空间（因为子式不为零说明满秩了），而m维的空间是该n维空间的一个元素，所以当该n维空间降维时从n-1维、n-2维...最后到m维时，一定会有该m维空间使其不能被压缩了。就好比三维空间压到二维空间后，遇到了一个不能被压缩的长方形，则无论再怎么压缩，该空间都不能被压缩成一条线了。
4. 初等变换不改变矩阵的秩：以一个面为例，不管怎么拉伸，旋转，翻折，我们得到的永远都还是一个面，也就是说，我们所做的初等变换，只是在该维度上的操作，不会改变维度数；（就好比我们日常接触的东西永远都是三维的，我们无法创造一个二维或者高维的物体，我们每天所做的事都有三维的限制）

七、n维向量的线性关系

1）线性无关——即向量组中任意向量都不能被其他向量所替代

2）不符合线性无关则为线性相关；

先整理这么多，之后有机会还会再更新的！您的点赞与关注就是我的动力！