在《線性代數》課程中，矩陣的秩是一個極其重要且基礎的概念。它深刻地揭示了矩陣的內在結構，是連接線性方程組、向量空間與線性變換的關鍵橋梁。
一、矩陣秩的定義與基本理解
矩陣的秩，通常記作 r(A) 或 rank(A)，其核心是衡量矩陣所包含的“獨立信息量”或“有效維度”。一個 m × n 矩陣 A，其秩有以下等價且相互關聯的定義方式：
- 行秩：矩陣 A 的行向量組中，最大線性無關組的向量個數。
- 列秩：矩陣 A 的列向量組中，最大線性無關組的向量個數。
- 秩定理：一個矩陣的行秩等于其列秩。這是矩陣秩理論的一個基本定理，保證了我們談論“秩”時無需區分行列。
- 子式定義：矩陣 A 中最高階非零子式的階數。即，若存在一個 r 階子式不為零，而所有 r+1 階子式（如果存在）都為零，則矩陣的秩為 r。
直觀上，秩可以理解為矩陣經過初等行變換后，其行最簡形（或階梯形）中非零行的行數。
二、矩陣秩的性質與計算
理解秩的性質對于計算和證明至關重要：
- 基本性質：0 ≤ r(A) ≤ min(m, n)。當 r(A) = min(m, n) 時，稱矩陣 A 為滿秩矩陣。
- 初等變換不改變秩：矩陣經過初等行變換或初等列變換，其秩不變。這是計算秩最常用的方法：通過行變換將矩陣化為階梯形，非零行數即為秩。
- 常見運算下的秩關系：
- r(A+B) ≤ r(A) + r(B)
- r(AB) ≤ min(r(A), r(B))
- 若 A 可逆，則 r(AB) = r(B)， r(CA) = r(C)。（可逆矩陣乘在左邊或右邊不改變原矩陣的秩）
- r(A) = r(A^T) = r(A^TA) = r(AA^T)
三、矩陣秩的核心應用
- 判斷線性方程組解的情況：
- 對于線性方程組 Ax = b，設其增廣矩陣為 (A | b)。
- 有解判定：方程組有解的充分必要條件是系數矩陣 A 的秩等于增廣矩陣 (A | b) 的秩，即 r(A) = r(A, b)。
- 解的個數：當有解時，若 r(A) = n (未知數個數)，則方程組有唯一解；若 r(A) < n，則方程組有無窮多解，且自由未知量的個數為 n - r(A)。
- 刻畫向量組的線性相關性：
- 由矩陣列向量構成的向量組，其線性無關的充要條件是矩陣的秩等于列向量的個數。
- 向量組的秩，就是以其為列（或行）構成的矩陣的秩。
- 理解線性變換的像空間與核空間：
- 對于一個由矩陣 A 表示的線性變換，其像空間（值域）的維數等于矩陣 A 的秩，即 rank(A)。
- 核空間（零空間）的維數（即零度）滿足：n - rank(A)。這構成了秩-零度定理的核心內容。
四、與思考
矩陣的秩絕不是一個孤立的數值，它是一個強有力的工具和統一的視角。它將矩陣的行與列、向量組的線性結構、線性方程組的解空間以及線性變換的幾何本質緊密地聯系在一起。掌握矩陣的秩，意味著掌握了打開線性代數諸多問題大門的一把通用鑰匙。在學習中，應注重從定義、性質、計算和應用多個層面進行融會貫通，并通過具體例題加深理解。
