数学术语之源——(矩阵或行列式的)秩数(rank)

目录

1.   rank的词源

2.   rank在数学中的引入

3.   rank在数学中的含义

4.   秩数(rank)在线性代数中的正式定义


1.   rank的词源

         英语单词rank始于14世纪,其词义为row(行), line(列), or series(序列); 来自古法语 “ranc”,现代法语为“rang” ,其词义为“row(行), line(线)”。

“社会阶层(a social division)、阶级(class of persons)”的含义始于15世纪初。“社会中较高的地位或地位(high status or position in society)”的含义始于15世纪初。“相对位置(a relative position)”的含义始于1600年左右。“棋盘上的一排方格(one of the rows of squares across a chess board)”的含义始于1570年代。“士兵的队伍(the body of private soldiers)”的含义始于1809年。

2.   rank在数学中的引入

    在数学中,(行列式或矩阵的)“rank”由 F. G. Frobenius 创造,在他的论文《关于齐次(齐性)全微分方程》(Uber homogene totale Differentialgleichungen)( J. reine angew. Math. 第86卷(1879)第 1 页)中,他使用了德语单词“rang”(根据 C. C. MacDuffee 的《矩阵理论》(The Theory of Matrices)( Springer (1933))。Frobenius当时针对行列式定义“rank”,但该术语却传播开了。

    在英语中,矩阵的“rank”可以在 T. J. Bromwich 于 1906 年出版的专著《二次型及其通过不变因子的分类》(Quadratic forms and their classification by means of invariant factors)中找到。该引文由 Rod Gow 提供,他写道,可能在 G. B. Mathews 于 1900 年左右出版的一本早期书籍(R. F. Scott 于 1880 年出版的行列式书籍的修订版)中包含该词。

    “rank”也可在 1907 年 Maxime Bôcher 所著的《高等代数导论》(Introduction to Higher Algebra)中找到:其中的定义与 Frobenius 相同:“Definition 3. A matrix is said to be of rank r if it contains at least one r-rowed determinant which is not zero, while all determinants of order higher than r which the matrix may contain are zero. A matrix is said to be of rank 0 if all its elements are 0. ... For brevity, we shall speak also of the rank of a determinant, meaning thereby the rank of the matrix of the determinant.”(定义3:如果一个矩阵至少包含一个不为零的r行列式,且所有阶(order)高于r的行列式均为零,则称该矩阵的rankr。如果一个矩阵的所有元素均为0,则称该矩阵的rank为0。……为了简便起见,我们也将讨论行列式的rank,即该行列式所在矩阵的rank ) 这是现在行列式或矩阵中 rank 的意义。

    rank相关性: Charles Spearman在其发表于《美国心理学杂志》(American Journal of Psychology)第15卷(1904年)第72-101页的《两事物之间关联的证明与测量》(The Proof and Measurement of Association between Two Things)中建议,可以使用rank相关性来衡量变量之间的依赖性。他在发表于《英国心理学杂志》(British Journal of Psychology)第2卷(1906年)第100-101页的《测量相关性的‘英尺规则’》(sFoot-rule’s for Measuring Correlation)中进一步阐述了这一建议。

    Karl Pearson 在《相关性的进一步方法》(Further Methods in Correlation)中批评 Spearman 的方法时使用了rank相关这个术语,Drapers's Company Res. Mem. (Biometric Ser.) IV. (1907) 第25页:“任何两个rank相关都是不可靠或不可比的,除非我们假设频率分布具有相同的一般特征……由正态分布的假设提供……Spearman 博士认为一系列数据中的rank应该具有相关的特征,但他并没有将rank相关仅仅视为达到真正相关的垫脚石”[OED]。

3.   rank在数学中的含义

    牛津词典中关于该词的数学就用的解释:

    “Used variously, at the discretion of the author , to denote some integer that characterizes the entity being discussed.”(由作者自行决定以各种方式使用,以表示表征所讨论实体的某个整数数量。)

    在英语中,rank 本义指“行或行”,用在矩阵或行列式中指“矩阵中线性无关的行数或列数”,它本质上量化了矩阵中包含的信息的“大小”或“维度”。该术语的提出是为了帮助理解和求解线性方程组,确定线性系统的可控性和可观测性,以及分析通信的复杂性。

    而在汉语中,“秩”字并没有数量的意思,也没有行或列的意思,免强可与rank词义中的“阶级或阶层”对应的词义是“官阶”,而矩阵可以简化为行阶梯形矩阵,也可以说二者有一定的相似之处吧。但根据这个意义,“rank”应该翻译为“阶数”更为合理,若要翻译成“秩”,最好翻译成“秩数”更妥,以避免引起混淆。

4.   秩数(rank)在线性代数中的正式定义

    在线性代数中,矩阵 A 的秩数是其列生成(generated)(或张成(spanned))的向量空间的维数。这对应于 A 中线性无关列的最大数量反过来,这等于其行张成向量空间的维数。因此,秩数是衡量由 A 编码的线性方程组和线性变换的“非退化性(nondegenerateness)”的指标。秩数有多个等价的定义。矩阵的秩数是其最基本的特征之一。

    秩通常用 rank(A) 或 rk(A) 表示;有时不写括号,如 rank A 。

    设A为一个矩阵,下面是几种等价定义:

(1)  A 的列秩是 A 的列空间的维数,A 的行秩是A的行空间的维数。

(2)  线性代数中的一个基本结果是,列秩和行秩始终相等。即线性无关的行或列的数量,简称为 A 的秩数。

(3)  如果一个矩阵的秩数等于同维矩阵中行数和列数中较小的一个,则称该矩阵为满秩矩阵(秩数=行数=列数)。如果一个矩阵不是满秩矩阵,则称该矩阵为秩亏矩阵(rank-deficient )。矩阵的秩亏矩阵(rank-deficiency)等于行数和列数中较小的一个与秩之间的差值。

<think>好的,我现在需要回答用户关于矩阵的定义及性质的问题。用户提到他们可能在学习线性代解决编程中的矩阵运算问题,所以我要确保回答既涵盖理论也涉及应用。 首先,矩阵定义。矩阵中行向量列向量的最大线性无关组的量。这点需要准确表达,可能需要引用用户提供的引用中的内容,比如引用[2]提到向量组的线性相关定义,可以联系起来说明的概念。接下来是性质部分。用户可能需要知道的几个关键性质,比如与行阶梯形矩阵的关系,行列式的关系(比如满矩阵行列式非零),在方程组中的应用(引用[1]的内容),以及矩阵运算的关系(如相加、相乘后的变化)。这里需要分点列出,确保结构清晰。然后,考虑用户可能的编程需求,比如如何计算矩阵。引用[3]中的Python代码示例,可以提到使用NumPy库的`matrix_rank`函,但这里不需要详细展开代码,只需说明实际应用中的方法即可。 另外,要检查是否需要区分行和列,但根据定理,行等于列,所以统一称为即可。同时,矩阵与线性方程组的解的关系,如引用[1]所述,可以作为应用场景的一部分,增强回答的实用性。 还需要注意用户的中文回答要求,避免使用专业术语时过于晦涩,尽量用易懂的语言解释。例如,解释“线性无关”时,可以结合引用[2]中的定义,说明没有非零系组合能得到零向量。 最后,生成相关问题需要考虑用户可能进一步探索的方向,如的计算方法、在线性方程组中的应用、编程实现时的注意事项等,确保问题覆盖理论和实践,帮助用户深入学习。总结回答结构:先定义,再分点列出性质,结合引用中的例子和应用,最后生成相关问题。确保每个部分逻辑连贯,引用适当,符合用户的需求。</think>### 矩阵定义及性质 #### 定义 矩阵是指其**行向量组****列向量组**中**最大线性无关组**的向量个。 - 行:行向量的最大线性无关组个 - 列:列向量的最大线性无关组个 根据定理,**行等于列**,因此统称为**矩阵**,记为$r(A)$[^1]。 #### 核心性质 1. **与初等变换** 矩阵经过初等行变换列变换后,不变。利用这一性质,可通过行阶梯形矩阵快速计算。 $$r(A) = \text{行阶梯形矩阵中非零行的量}$$ 2. **行列式** - 若$n$阶方阵$A$的$r(A)=n$(即满),则$|A| \neq 0$,矩阵可逆 - 若$r(A) < n$,则$|A|=0$,矩阵不可逆 3. **矩阵运算** - $r(A+B) \leq r(A) + r(B)$ - $r(AB) \leq \min\{r(A), r(B)\}$ - 若$A$可逆,则$r(AB)=r(B)$且$r(BA)=r(B)$ 4. **与线性方程组** - 齐次方程组$Ax=0$的解空间维度为$n - r(A)$($n$为未知) - 非齐次方程组$Ax=b$有解的条件:$r(A) = r([A|b])$[^1] 5. **与向量组** - 向量组线性无关 $\iff$ 其等于向量个 - 若部分组线性相关,则整体必线性相关;若整体线性无关,则任意部分组也线性无关[^2] #### 应用示例 在编程中计算矩阵(如Python的NumPy库): ```python import numpy as np matrix = [[1,2,3], [4,5,6], [7,8,9]] rank = np.linalg.matrix_rank(matrix) # 输出为2 ``` 此代码利用奇异值分解(SVD)计算[^3]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值