矩阵秩计算器
使用高斯消元法(行阶梯形)计算任意矩阵的秩。获取分步行化简、主元分析、列空间和零空间维度以及视觉热图。支持高达 10×10 的矩阵。
检测到广告拦截,导致我们无法展示广告
MiniWebtool 依靠广告收入免费提供服务。如果这个工具帮到了你,欢迎开通 Premium(无广告 + 更快),或将 MiniWebtool.com 加入白名单后刷新页面。
- 或升级 Premium(无广告)
- 允许 MiniWebtool.com 显示广告,然后刷新
矩阵秩计算器
欢迎使用矩阵秩计算器,这是一个全面的线性代数工具,通过高斯消元法确定任何矩阵的秩。矩阵的秩是线性无关的行或列向量的最大数量——这是一个基本概念,决定了方程组是否有解、变换是否可逆以及数据如何压缩。本计算器提供分步的行化简过程、主元分析、零空间计算、可视化热图以及通过秩-零化度定理进行的验证。
什么是矩阵的秩?
矩阵 A 的秩定义为:
等价地,秩也是:
- 矩阵 A 的行阶梯形中主元位置的数量
- 矩阵 A 的列空间(像)的维数
- 矩阵 A 的行空间的维数
- 矩阵 A 的非零奇异值的数量
- 最大非零子式(方阵子矩阵行列式)的阶数
对于一个 m×n 矩阵,秩满足 \(0 \leq \text{rank}(A) \leq \min(m, n)\)。
高斯消元法如何确定秩
高斯消元法(也称为行化简)通过三种初等行变换将矩阵转换为行阶梯形 (REF):
- 行交换: 交换两行 (\(R_i \leftrightarrow R_j\))
- 行倍乘: 用一个非零标量乘以某行 (\(R_i \leftarrow c \cdot R_i\))
- 行相加: 将一行的倍数加到另一行 (\(R_i \leftarrow R_i + c \cdot R_j\))
在行阶梯形中:
- 所有全零行都在底部
- 每个非零行的首项(主元)位于其上方行主元的右侧
- 秩等于 REF 中非零行(主元)的数量
为了提高数值稳定性,本计算器使用部分主元选择法——在每列中选择绝对值最大的元素作为主元。
秩-零化度定理
其中 n 是矩阵 A 的列数。零化度是零空间(核)的维数——即 Ax = 0 的所有解的集合。该定理意味着列要么是主元列(贡献于秩),要么是自由列(贡献于零化度),且每一列必居其一。
秩与线性方程组
矩阵的秩直接决定了线性方程组 Ax = b 的可解性:
特殊情况与性质
满秩
当 rank(A) = min(m, n) 时,矩阵是满秩的:
- 对于 n×n 方阵:满秩意味着可逆(det ≠ 0),具有平凡零空间
- 对于长矩阵 (m > n):满列秩意味着单射(一一对应)
- 对于宽矩阵 (m < n):满行秩意味着满射(映上)
秩亏矩阵
如果 rank(A) < min(m, n),则该矩阵是秩亏的(对于方阵则为奇异矩阵)。当行或列线性相关时会出现这种情况——某些行可以表示为其他行的组合。
关键秩恒等式
- rank(A) = rank(AT) — 行秩等于列秩
- rank(AB) ≤ min(rank(A), rank(B)) — 乘积秩的上界
- rank(A + B) ≤ rank(A) + rank(B) — 次可加性
- rank(ATA) = rank(AAT) = rank(A)
不同领域中的矩阵秩
| 领域 | 秩的应用 |
|---|---|
| 线性代数 | 求解方程组、可逆性、基变换 |
| 统计学 | 多重共线性检测、设计矩阵分析 |
| 控制理论 | 可控性和可观测性秩条件 |
| 信号处理 | 低秩逼近、噪声过滤 |
| 机器学习 | 特征选择、PCA、矩阵分解 |
| 结构工程 | 运动确定性、自由度 |
常见问题解答
什么是矩阵的秩?
矩阵的秩是矩阵中线性无关的行向量(或等价地,列向量)的最大数量。它告诉您列空间(或行空间)的维数。对于一个 m×n 矩阵,秩最大为 min(m, n)。秩等于 min(m, n) 的矩阵称为满秩矩阵。
如何使用高斯消元法计算矩阵秩?
高斯消元法通过执行初等行变换(交换行、用非零标量乘以某行、将一行的倍数加到另一行)将矩阵转换为行阶梯形(REF)。秩等于 REF 中非零行的数量(等价地,主元位置的数量)。这种方法是线性代数课程中教授的标准算法方法。
什么是秩-零化度定理?
秩-零化度定理指出,对于任何 m×n 矩阵 A,rank(A) + nullity(A) = n,其中 n 是列数。零化度是零空间(所有满足 Ax = 0 的向量 x 的集合)的维数。这一基本定理连接了列空间和零空间的维数。
矩阵何时是满秩的?
当矩阵的秩等于 min(m, n)(即行数和列数中的较小者)时,该矩阵为满秩矩阵。对于 n×n 方阵,满秩意味着秩 = n,这暗示矩阵是可逆的(非奇异的)且行列式不为零。满秩矩阵具有平凡零空间(仅包含零向量),且其列是线性无关的。
行秩和列秩有什么区别?
线性代数中的一个基本定理证明,对于任何矩阵,行秩(行空间的维数)始终等于列秩(列空间的维数)。这个共同的值简称为矩阵的秩。高斯消元法通过计算主元行直接揭示行秩,但相同数值也给出了列秩。
矩阵秩与线性方程组有什么关系?
对于方程组 Ax = b,秩决定了其可解性:如果 rank(A) = rank([A|b]),则方程组是相容的(有解)。如果此外 rank(A) = n(未知数个数),则解是唯一的。如果 rank(A) < n,则有无穷多个解,由 n - rank(A) 个自由变量参数化。Rouché-Capelli 定理正式阐述了这些条件。
其他资源
引用此内容、页面或工具为:
"矩阵秩计算器" 于 https://MiniWebtool.com/zh-cn//,来自 MiniWebtool,https://MiniWebtool.com/
由 miniwebtool 团队提供。更新日期:2026年2月20日
您还可以尝试我们的 AI数学解题器 GPT,通过自然语言问答解决您的数学问题。