行向量组的秩与列向量组的秩_20251228130437.pdfVIP

行向量组的秩与列向量组的秩

本文结合问题：行向量组的秩与列向量组的秩，对相关知识点进行理论分析与典

型例题讲解

一、基本概念

1.1向量组的秩

给定一个向量组（无论是行向量还是列向量），其秩（rank）是指该向量组中极

大线性无关组所含向量的个数，记作。

若向量组全部为零向量，则秩为0；

秩反映了向量组“张成空间”的维数。

1.2矩阵的行秩与列秩

设是一个的实矩阵：

行秩：将的每一行视为一个维行向量，这些行向量组成的向量组的秩，

称为行秩；

列秩：将的每一列视为一个维列向量，这些列向量组成的向量组的秩，

称为列秩。

重要定理（秩的相等性）：

对任意矩阵，其行秩等于列秩。这个共同的值称为矩阵的秩，记作

或。

这一结论是线性代数的核心结果之一，说明无论从行还是列的角度分析，矩阵所

蕴含的“独立信息量”是一致的。

二、计算方法

2.1初等行变换法（最常用）

对矩阵施行初等行变换化为行阶梯形矩阵（RowEchelonForm,REF）或行

最简形（ReducedRowEchelonForm,RREF）：

非零行的个数行秩矩阵的秩；

列秩虽不能直接从行变换后的列读出，但由定理知其等于行秩。

注意：初等行变换不改变行空间，但会改变列向量的具体形式；然而列秩保持不

变。

2.2子式法（理论意义强，计算繁琐）

矩阵的秩等于其最高阶非零子式的阶数。即：

若存在一个阶子式（行列式）不为零，而所有阶子式均为零，则

。

2.3列视角下的判断

若需直接分析列向量组的线性相关性，可将列向量组成矩阵后求解齐次方程

：

解空间维数（为列数）；

列秩。

三、关键性质总结

性质说明

行秩列秩对任意矩阵成立

初等行变换不改变秩可用于简化计算

转置不改变秩

若为方阵且，则

满秩

可逆

秩≤min(m,n)矩阵秩不超过行数或列数

四、典型例题分析

例题1（基础计算：行秩列秩）

问题：

求矩阵

的行秩和列秩。

解答：

对做初等行变换：

1.第2行减去2×第1行：→

2.第3行减去第1行：→

得：

非零行数2⇒行秩2

由秩相等定理⇒列秩2

✅结论：行秩列秩2。

验证列向量：

易见，但？验证：

✓

故三列中仅有两个线性无关⇒列秩2。

例题2（行满秩但非方阵）

问题：

设

求其行秩与列秩。

解答：

行数2，两行显然线性无关（不成比例，且为标准基扩展）⇒行秩2

列数4行数，故列向量必线性相关，但列秩行秩2

✅结论：行秩列秩2（行满秩，但非列满秩）

注：此矩阵的列空间是中的一个二维子空间（即整个），故列秩为2。