Rank 秩

问题的引入

假设方程：

设 系数 矩阵 $A$：

想问一个问题：这个矩阵中到底有多少个“真正独立的信息”？ 这就是 秩（rank） 想要回答的问题。

从行的角度看：有多少个独立的约束？

从方程行的角度上看这 3 个方程：

• 第 2 个方程 = 2 × 第 1 个方程，第 2 行是第 1 行的倍数，因此没有提供新的独立约束；
• 第 3 个方程和第 1 个方程不成比例；
• 这三个方程实际上只有 2 个独立的约束。

也就是说，第 2 个方程是废话——它没有带来任何新信息。有没有第 2 个方程都不会影响对整个方程的求解。真正独立的方程只有 2 个。 所以：

我们可以说：有 2 个真正独立的约束作用在 3 个未知数上。会留下 1 个自由度。在这个系数矩阵中，行秩为2 。意思是「有 2 个真正的约束在起作用」。

其中 n 是未知数的个数。

从列的角度看：输出有多少个独立方向？

现在把三列抽出来，看成三个向量：

它把输入

变成一个输出：

也就是说，输出其实就是三个列向量的组合。

但仔细看：

这意味着，其实方程压根不需要$a_3$参与进来:

整理：

只需要 $a_1$ 和 $a_2$ 这 2 个列向量就可以表示 $A\begin{pmatrix}x\\y\\z\end{pmatrix}$。不管输入的 $x,y,z$ 是什么，最终输出都只需要这两个方向就能表示。

也就是说，矩阵的三个列向量组成的所有可能的输出：$Im(A)$ 像空间）实际只要用 2 个列向量 来表示。所有可能的输出都属于 $a_1$ 和 $a_2$ 的Span 张成空间：

也就是说：

而 $a_1,a_2$ 是线性独立的，所以这个空间是二维的。

为什么"线性无关"就能数出维度？这正是 Basis 基 的定义在起作用：一组向量如果张成某个空间、又线性无关，它就是那个空间的一组基；而空间的维度 = 基里向量的个数。对 $a_1, a_2$ 做两步检查：

1. 张成：上面已经推过——所有输出都能只用 $a_1, a_2$ 表示，所以 $\operatorname{span}\{a_1,a_2\} = \operatorname{Im}(T)$ ✓；
2. 线性无关：$\mathbf{a}_1=(1,2,1)$ 和 $\mathbf{a}_2=(2,4,1)$ 不成比例（前两个分量是 2 倍关系，第三个分量却是 1 倍），谁也表示不了谁 ✓。不放心就解一下 $c_1\mathbf{a}_1 + c_2\mathbf{a}_2 = \mathbf{0}$：第三分量要求 $c_1 + c_2 = 0$，第一分量要求 $c_1 + 2c_2 = 0$，两式相减得 $c_2 = 0$，代回得 $c_1 = 0$——只有零解，确实无关。

两个条件都满足，所以 $\{a_1, a_2\}$ 是 $\operatorname{Im}(T)$ 的一组基，基里有 2 个向量，于是 $\dim\operatorname{Im}(T) = 2$。

反着想就更清楚：如果 $a_1, a_2$ 线性相关（共线），它们张成的只是一条直线，维度就是 $1$。决定维度的不是"有几个向量"，而是"有几个独立方向"——这正是 Span 张成空间 里强调的落点，也是秩真正在数的东西。

直观上：

也就是说输入有 3 个方向可以动，但这个矩阵最终只能让输出沿着 2 个独立方向动。

定义A

秩（Rank）是方程的系数矩阵的列(或行)向量 张成空间的维数。

设 $v_1 \dots v_k$ 为 方程的系数矩阵 $A$ 的 列(或行)向量，则矩阵$A$ 的秩为：

定义B

对于线性变换 $T$：

定义C

方程的系数矩阵 $A$ 中 最大线性无关的行（或列）向量的个数

理解：为什么 行秩 = 列秩

对于同一个矩阵 $A$，行空间的维数和列空间的维数永远相等，这个共同的数字就是秩（Rank）。

把矩阵想成“信息表”

行 是在描述：有多少个独立的“规则/约束”？列是在描述：有多少个独立的“输出方向”？虽然观察角度不同，但它们都在数这个矩阵里面到底有多少份真正独立的信息。

而一个矩阵不可能因为你“横着看”就有 3 份信息，换成“竖着看”又变成 2 份。所以最终会得到同一个数字。不过这只是直觉。