问：矩阵的秩是怎么定义的,以及为什么要这么定义
- 答：秩，就是看有多少，不多余的向量。在初等行变换中，消去的行，就是与其他向量线性相关的行剩下的就是全是线性无关的。因此，秩表示线性无关的行或列的个数。
行列式等于零，意味着，矩阵不是满秩。其中有一行，系数可以变成零。系数为o，而k*0=0，0可以线性表示任何数，因此一定是线性相关。 - 答：矩阵的秩的定义：是其行向量或列向量的极大无关组中包含向量的个数。
能这么定义的根本原因是：矩阵的行秩和列秩相等（证明可利用n+1个n维向量必线性相关）
矩阵的秩的几何意义如下：
在n维线性空间V中定义线性变换，可以证明：在一组给定的基下，任一个线性变换都可以与一个n阶矩阵一一对应；而且保持线性；换言之，所有线性变换组成的空间End<F>(V)与所有矩阵组成的空间M(n)<F>是同构的。
对于每一个线性变换，它所对应矩阵的秩就是V在此线性变换下的像空间的维数。 - 答：矩阵的秩的定义：是其行向量或列向量的极大无关组中包含向量的个数。
能这么定义的根本原因是：矩阵的行秩和列秩相等（证明可利用n+1个n维向量必线性相关）
矩阵的秩的几何意义如下：在n维线性空间V中定义线性变换，可以证明：在一组给定的基下，任一个线性变换都可以与一个n阶矩阵一一对应；而且保持线性；换言之，所有线性变换组成的空间End<F>(V)与所有矩阵组成的空间M(n)<F>是同构的。
扩展资料：
A=(aij)m×n的不为零的子式的最大阶数称为矩阵A的秩，记作rA，或rankA或R(A)。
特别规定零矩阵的秩为零。
显然rA≤min(m,n) 易得：若A中至少有一个r阶子式不等于零，且在r<min(m,n)时，A中所有的r+1阶子式全为零，则A的秩为r。
由定义直接可得n阶可逆矩阵的秩为n，通常又将可逆矩阵称为满秩矩阵, det(A)≠0；不满秩矩阵就是奇异矩阵，det(A)=0。
由行列式的性质知，矩阵A的转置AT的秩与A的秩是一样的。
奇异值分解非常有用，对于矩阵A(p*q)，存在U(p*p)，V(q*q)，B(p*q)（由对角阵与增广行或列组成），满足A = U*B*V
U和V中分别是A的奇异向量，而B是A的奇异值。AA'的特征向量组成U，特征值组成B'B，A'A的特征向量组成V，特征值（与AA'相同）组成BB'。因此，奇异值分解和特征值问题紧密联系。
如果A是复矩阵，B中的奇异值仍然是实数。
SVD提供了一些关于A的信息，例如非零奇异值的数目（B的阶数）和A的阶数相同，一旦阶数确定，那么U的前k列构成了A的列向量空间的正交基。
参考资料来源： - 答：矩阵的秩的定义：是其行向量或列向量的极大无关组中包含向量的个数。
能这么定义的根本原因是：矩阵的行秩和列秩相等（证明可利用n+1个n维向量必线性相关）
矩阵的秩的几何意义如下：
在n维线性空间V中定义线性变换，可以证明：在一组给定的基下，任一个线性变换都可以与一个n阶矩阵一一对应；而且保持线性；换言之，所有线性变换组成的空间End<F>(V)与所有矩阵组成的空间M(n)<F>是同构的。
对于每一个线性变换，它所对应矩阵的秩就是V在此线性变换下的像空间的维数。 - 答：通过化简矩阵 使矩阵达到最简 有多少行非零的 秩就是多少 秩和解的个数有关
问：计算机怎样计算矩阵的秩？（详细的，关于程序设计的）使用定义吗，还是想我们一样话行阶梯？
- 答：我以前写过一篇关于计算矩阵的秩的小论文，里面是我的一些看法，我从中摘录了一部分，附在下面，看看对你有没有什么帮助。我的看法也是通过将矩阵化成最简形来求解，以下是这么选择的原因。其实这个问题可以讨论讨论的，当时我对自己的算法也不算很满意，所以有什么问题尽管提。
本程序是为求解矩阵的秩而进行编译的。要说明其功能，首先要明白什么是矩阵的秩。设在矩阵A中有一个不等于0的r结子式D，且所有r+1阶子式（如果存在的话）全等于0，那么D称为矩阵A的最高阶非零子式，数r称为矩阵A的秩，记作R(A)。零矩阵的秩为1。根据定义推断，计算矩阵A的秩，可以转化为计算矩阵A的最大非零子式。但是，实际应用这条原理来解决此问题并不容易。因为，应用计算机计算矩阵A所对应的行列式|A|的值非常麻烦。一个m×n的矩阵，其k阶子式多达m!/[k!•(m-k)!]•n!/[k!•(n-k)!]个，这大大增加了程序的计算量。同时，由于不同阶的子式的值的算法不易通用，故也增加了程序员的编程负担，最重要的是，程序的通用性较低，不易应用于相似题目的求解。故，本程序算法并未采用这种思路。那么，本题又应当如何求解呢？实际生活中，我们一般的求解方法是应用初等变换求解。应用初等变换，将要求的矩阵A变换成行最简形或列最简形然后再进行判断，这才是我们求解矩阵的秩的常规做法。那么，编写程序求解矩阵的秩当然也可以遵循这种做法。相对于前面所讨论的原理来说，应用这种原理进行算法设计，可以减少不少的时间，同时计算机求解的速度也能大大提高。而且，再本算法的基础上稍加改进，即可适应任何阶次的矩阵的秩的求解。
问：矩阵的秩怎么求
- 答：☞ 如果是增广矩阵，只能用《行初等变换》求它的秩，不能用《列初等变换》，∵列变换打乱了未知量的顺序。行初等变换最终将它化为《行最简形》矩阵，其中非0行的行数=增广矩阵的秩。这里的秩表示独立方程个数。
☞ 如果是一般矩阵，既可用《行初等变换》，也可用《列初等变换》。最终将矩阵化为左上角为《单位矩阵》，且单位矩阵以下的所有行全为0、右边的所有列也全为0。单位矩阵1的个数=秩。这里的秩表示线性无关《列向量》的最大个数。对角线上的1直观显示: 行秩=列秩。 - 答：用初等行变换化成梯矩阵, 梯矩阵中非零行数就是矩阵的秩.
可以同时用初等列变换, 但行变换足已.
有时可能用到一个结论:
若A中有非零的r阶子式, 则 r(A)>=r;
若A的所有r+1阶子式(若存在)都是0, 则r(A)<=r.
逆命题也成立.
满意请采纳^_^ - 答：通过对矩阵做初等变换（包括行变换以及列变换）化简为梯形矩阵求秩。此类求解一般适用于矩阵阶数不是很大的情况，可以精确确定矩阵的秩。
对矩阵做分块处理，如果矩阵阶数较大时将矩阵分块通过分块矩阵的性质来研究原矩阵的秩也是重要的研究方法。此类情况一般也是可以确定原矩阵秩的。
矩阵的列秩和行秩总是相等的，因此它们可以简单地称作矩阵A的秩。通常表示为r(A)，rk(A)或。 m × n矩阵的秩最大为m和n中的较小者，表示为 min(m,n)。有尽可能大的秩的矩阵被称为有满秩；类似的，否则矩阵是秩不足（或称为“欠秩”）的。 - 答：抽象的矩阵则采用一些定理：例R(AB)>=R(A)+R(B)-N (N为A的列数）等
- 答：根据矩阵A的秩的定义求秩，找 A 中不等于 0 的子式的最高阶数。
一般当行数与列数都较高时，按定义求秩是很麻烦的。
对于行阶梯形矩阵，显然它的秩就等于非零行的行数。
因为两个等价的矩阵的秩相等，也可以用初等变换把矩阵化为行阶梯形矩阵。
矩阵经初等变换后其秩不变，因而把矩阵用初等变换化为行阶梯形矩阵，行阶梯形矩阵中非零行的行数即为所求矩阵的秩。这是求矩阵秩的一种常用方法。
