行向量组的秩与列向量组的秩.docxVIP

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

满秩

若为方阵且，则可逆

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：

第2行减去2×第1行：→

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。

例题3（零矩阵与秩为0）

问题：

设

求行秩与列秩。

解答：

所有行向量为零?行向量组无非零向量?行秩=0

所有列向量为零?列秩=0

?结论：行秩=列秩=0。

例题4（通过列向量直接分析）

问题：

已知列向量组：

构造矩阵，求其行秩与列秩。

解答：

矩阵为：

方法一：行变换求秩

:

:

:

得：

?行秩=2?列秩=2

方法二：列分析

?相关；

无法由表示（因第三分量不匹配）；

故线性无关，且可由其表示?列秩=2

?结论：行秩=列秩=2。

例题5（高维方阵：满秩情形）

问题：

设

判断其行秩与列秩。

解答：

计算行列式：

行列式为0?秩3

进行行变换：

:

此时，

:

得：

?结论：行秩=列秩=2（不满秩）

注：尽管是3×3方阵，但因行（列）线性相关，秩为2。

五、常见误区澄清

误区

正确认识

“行变换后列向量变了，列秩也变”?

初等行变换不改变列秩（虽然列向量本身改变，但线性关系不变）

“行数多就秩大”?

秩取决于线性无关性，而非数量。如100行但全相同?秩=1

“行秩和列秩可能不同”?

对任意矩阵，二者恒等（这是定理！）

“秩等于非零元素个数”?

完全错误。秩是线性无关向量的最大个数

六、应用与延伸

线性方程组解的存在性：

有解?

矩阵的等价标准形：

任意矩阵都等价于

数值计算中的秩亏：

在数据科学中，低秩矩阵常用于降维（如PCA）。

七、总结

行秩=列秩=矩阵的秩，这是线性代数的基石之一；

计算时通常用初等行变换化为阶梯形，数非零行即可；

无论从行视角还是列视角分析线性相关性，最终得到的“独立信息量”一致；

掌握秩的概念，是理解线性方程组、向量空间、线性映射等后续内容的关键。