矩阵的秩 | 学习笔记

简介: 快速学习矩阵的秩

开发者学堂课程【人工智能必备基础:线性代数: 矩阵的秩】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/543/detail/7384


矩阵的秩

矩阵当中,有一个词叫做一个矩阵的秩。通俗地做上一个比喻,有这样一个矩阵 A ,一个随便的某一个矩阵,一个矩阵能分成行向量,也能分成一个列向量。向量的意思是比如现在指定一个 α,首先第一点它不是一个数字,它是一个向量,矩阵当中任何一行都表示一个向量,也就是说一个行向量,它就是这么一行一行,是用这个行向量代表了秩。他所有的元素把它们放在一起了,这就是一个行向量。比如说矩阵当中每一行都可以当成一个 N 维的向量,所以说,每一横行他都是一个 N 维的一个向量,他是向量,而不是一个数。这样,就可以把它的一个表达式写出来了,α 就是行向量。所有的一个纵坐标,每一列它都是等于当前选择的image.png,他是对应的。

对于一个 S*N 的矩阵:

image.png

矩阵 A 的每一行可以看作一个 N 维向量:

α1=(αi1,αi2,...αin),i=1,2,...,s

α1,α2,...,αs 叫作 A 的行向量

矩阵 A 的每一列可以看作一个 S 维向量:

image.png

β1,β2,β3... 叫作 A 的列向量

矩阵的秩

我们有两个东西,一个行向量,一个列向量。这个东西跟矩阵秩有什么关系,比如说现在有这样的一个矩阵 α1、α2、α3、α4,写成行向量形式把每一列写成β1,β2,β3,β4写成向量。如果说一个矩阵秩等于三是什么意思?他的意思就是说,在你做的行向量或者列向量当中,他们的一个极大线性无关组有三个线性无关的。

行向量组:

α1=(1,1,3,1),α2=(0,2,-1,4),

α3=(0,0,0,5),α4=(0,0,0,0)。

image.png

举个例子,比如现在有 α1、α2、α3、α4。然后如果这个 α1 能由 α2 来表示出来,那这个 α1 和 α2 就相关了,比如再写一个 α2,并对它进行一个线性变换,我就能得到这个 α1 了,那他们之间就是一个相关的,那现在这个矩阵秩表达什么意思?这个矩阵行向量组或者列向量组当中极大无关组,至少有多少个它们之间是线性无关的。

求其极大线性无关组假设有:

k1α1+k2α2+k3α3=0

image.png

矩阵的秩

由于含有零向量,比线性相关。

所以向量组:α1,α2,α3,α4 的秩为 3

对于列向量组同理可得:

image.png

线性无关

矩阵的行秩=列秩

这个东西该怎么理解?看起来就是里边相关有多少个,或者说相关的有多少组,我们就说他的秩是几,可以这么来看,比如说现在构造一个二乘二的一个矩阵。然后,现在有一个点,随便一个点给出来就可以,一个 XY,先把这个 XY 点,作为一个向量,对一个向量来说,先给他写成一个一乘二的一个矩阵,然后如果用了一个旋矩阵,先看一下这样的结果,一个一乘二的矩阵 XY 乘上一个二乘二的矩阵,里面有一些值,一乘二乘二乘二的值必然等于一乘二的一个结果,一乘二原来是一个向量,能找到一个点。并再次去给他算一下,比如说,现在这个 X 和 Y 和当前得出的旋转矩阵给他乘起来,得到一个新的点吗?看起来那新的点,观察了一下,原来它是一个二维的点,现在,我渲染完之后得到的图形,怎么样对图形做了一个旋转,这里就拿下面这个点来举例子,得到的是图形做了一个旋转,图形得到一个旋转之后如果对图形乘上了一个旋矩阵之后,得到的是一个二维的,无论是行向量,列向量,不能找到它们之间有哪种线性组合。再来看另外一个特点发现负号也发生了改变,向量都是可以进行一个行变换,,得到的是一条线,得到一条线意味着从一个二维变换成了一个一维矩阵,秩就等于这个一

可以对二维图形进行旋转,比如用旋转矩阵:

image.png

image.png

变换后依然是二维的,所以旋转矩阵的秩为 2

同理,如果二维图形进行旋转得到

image.png

变换后是一维的,所以矩阵的秩为 1

矩阵中最大不相关向量的个数就是秩。

相关文章
|
前端开发 应用服务中间件 Linux
Gin-Vue-Admin 线上部署
Gin-Vue-Admin 线上部署
1408 0
Gin-Vue-Admin 线上部署
|
Java
SpringBoot 映射路径中 匹配正则表达式
SpringBoot 映射路径中 匹配正则表达式
1222 0
SpringBoot 映射路径中 匹配正则表达式
|
8月前
|
数据采集 人工智能
2025年华为杯F题|江南古典园林的美学特征建模|思路、代码、论文|持续更新中....
2025年华为杯F题|江南古典园林的美学特征建模|思路、代码、论文|持续更新中....
733 0
|
8月前
|
数据采集 数据可视化 安全
2025年华为杯C题|围岩裂隙精准识别与三维模型重构|思路、代码、论文|持续更新中....
2025年华为杯C题|围岩裂隙精准识别与三维模型重构|思路、代码、论文|持续更新中....
437 0
|
Kubernetes 负载均衡 网络协议
Istio的流量管理(概念)
Istio的流量管理(概念)
393 2
|
监控 自动驾驶 5G
|
机器学习/深度学习 人工智能 算法
AI计算机视觉笔记十一:yolo5+Deepsort实现目标检测与跟踪(CPU版)
DeepSORT是一种基于深度学习的计算机视觉跟踪算法,扩展了SORT算法,通过添加外观描述符减少身份切换,提高跟踪效率。本文档提供了DeepSORT环境搭建步骤,包括创建虚拟环境、安装依赖及解决常见错误等,最终实现人员和车辆的跟踪计数功能。适合无GPU设备的学习者参考。
1469 1
|
数据可视化 Java 数据库
回顾 2023,NebulaGraph 的这一年的变化
在整体上,从 v3.3.0 到 v3.6.0,NebulaGraph 的稳定性有了明显的提升;而最新的发行版 v3.6.0 版本,在性能上,针对图上常用的路径查询、多跳查询上,均有不同程度的性能提升,最高提升了 6 倍。
325 0
回顾 2023,NebulaGraph 的这一年的变化
|
机器学习/深度学习
|
机器学习/深度学习 编解码 自然语言处理
【VIT】小白入门篇:从各个角度认识Vision Transformer
【VIT】小白入门篇:从各个角度认识Vision Transformer
1718 0
【VIT】小白入门篇:从各个角度认识Vision Transformer

热门文章

最新文章