矩阵的秩几何含义

原创已于 2025-08-27 00:14:24 修改 · 368 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

日常随笔

当前文章被收录于：

日常随笔

9 篇文章 0 人学习

记录日常学习思考中的一些感悟，灵光一闪知识碎片

订阅专栏查看详情

当前文章被以下社区和专栏收录：

于 2025-08-26 20:31:06 首次发布

行满秩列满秩的几何意义，秩表示经过矩阵A变换后像空间（列向量）的实际维度。

对于一个超定系统A（m>n）,由低维输入向高维空间转换，不发生维度的丢失，即像空间是余定义域（m维空间）的一个n维（原像空间维度）子空间，这种情况下是单射的，即一个输入对应一个唯一输出，它的齐次解空间（又称零空间或核空间）是0维的，即只有0向量一个点

对于一个欠定系统A(m<n)，由高维输入向低维空间转换，变换后原像空间维度就被压缩到m维，即满射，即像空间任意一点都有对应的原像空间的某些（多对一的）输入，因是从高维空间到低维空间的转换，必定存在维度的丢失，故零空间是一个n-m维的空间

对于方阵A（m=n），若A满秩，则它既是单射也是满射即双射（像空间任意一点在原像空间都有唯一输入与之对应）

在这里插入图片描述

标签

#矩阵 #线性代数

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

汤姆爱耗儿药

关注关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

关于行列满秩矩阵的一个小结论

universe_1207的博客

08-11

1万+

文章目录行列满秩矩阵的定义小结论①证明小结论①的一个小应用小结论② 行列满秩矩阵的定义若矩阵的行（列）向量组线性无关⇒\Rightarrow⇒该矩阵称为行（列）满秩的小结论① 若一个s×ns×ns×n的矩阵AAA的秩为rrr ⇒∃s×r\Rightarrow\exist s×r⇒∃s×r的列满秩矩阵BBB和r×nr×nr×n的行满秩矩阵CCC,使得A=BCA=BCA=BC 注意！是列满秩×行...

矩阵的秩与奇异值分解：从降维打击到图像压缩

bill的博客

02-22

505

矩阵的秩定义了数据的内在维度，而奇异值分解则赋予我们“看见”并“操控”这一维度的能力。从《三体》中毁灭性的降维打击，到现实中建设性的低秩近似，人类对维度的理解已从恐惧走向驾驭。在机器学习、信号处理、计算机视觉等领域，这种“提取主干、舍弃冗余”的思想无处不在。掌握秩与 SVD，不仅是在学习线性代数，更是在学习一种从复杂中提炼本质的思维方式——而这，或许才是应对信息爆炸时代最宝贵的技能。

参与评论您还未登录，请先登录后发表或查看评论

【线代】矩阵的秩和线性方程组的解的情况

Rolandxxx的博客

08-16

1万+

(也可以叫做行最简阶梯型矩阵,或者行简化阶梯型矩阵)，其特点是：非零行的首非零元为1，且这些非零元所在的列的其它元素都为0。所谓的行最简的意思就是对应的方程组是“最简单的”，就是说，对应的方程组，最多只需要移项就行了，不再需要其他任何的加减乘除运算。就能直接写出该方程组的解来。当然化成阶梯形也可以解只是麻烦一点。：其特点是：阶梯线下方的数全为0；每个台阶只有一行，台阶数即是非零的行数，阶梯线的竖线(每段竖线的均为一行)后面的第一个元素为非零元，也就是非零行的首非零元.

【机器学习｜数学基础】Mathematics for Machine Learning系列之线性代数（9）：矩阵的秩、线性方程组的解

海到无边天作岸山登绝顶我为峰

09-19

3727

文章目录前言3.2 矩阵的秩秩的第一种定义k阶子式子秩的第二种定义定理2推论秩的基本性质3.3 线性方程组的解定理3定理4定理5定理6结语前言 Hello！小伙伴！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～自我介绍 ଘ(੭ˊᵕˋ)੭ 昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，有幸拿过一些国奖、省奖…已保研。目前正在学习C++/Linux/Python 学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英

线性代数（2）

qq_41542141的博客

10-12

1013

张成空间：行向量张成空间的秩与其行向量本身的秩是相同的，即r(A)=n,张成空间的集合为Rr(a)R^{r(a)}Rr(a). 如果行向量{A1,A2,..,AnA_1,A_2,..,A_nA1,A2,..,An}线性相关，所以矩阵A不是行满秩的。在乘法列观点中，张成空间的值域列空间。在列向量矩阵函数Ax=yAx=yAx=y中，yyy是列向量的线性组合。 ...

什么是矩阵的秩

热门推荐

和代码一起舞动

03-30

1万+

如果矩阵A有一个r阶子式不为零，所有的r+1阶子式（如果存在r+1阶子式）都等于零，则可推出A的所有更高阶的子式全为零，于是r是A的非零子式的最高阶数，该阶数称为A的秩。这是书上对矩阵的秩的定义，那矩阵的秩更本质的含义是什么呢，或者是其在线性几何空间中所表示的是什么？说到矩阵的秩就不得不提到向量组的秩，即向量组的极大无关组所含向量的个数，而极大无关组则是一个向量组中的一组线

矩阵的迹、秩等问题的理解

zack_liu的博客

08-30

1万+

文章目录0. 矩阵的几何意义1. 矩阵的秩2. 矩阵的迹3. 病态矩阵4. 奇异矩阵/矩阵奇异5. 退化矩阵/矩阵退化 0. 矩阵的几何意义矩阵来自于方程组系数所构成的方阵，完成的是一个向量空间到另一个向量空间的映射。矩阵的行列式的几何意义是矩阵在n维空间中表示的某一图形的体积（对于2维空间来说是面积）。 1. 矩阵的秩矩阵的秩是非零行的数目，几何意义是经矩阵A变换后图形的纬度。以2维图形为例，若r(A) = 2,则变换后还是一个2维图形，若r(A) = 1, 则变换后成为一个线段，若r(A) = 0

矩阵的秩和行列式的几何意义

afc5935的博客

05-18

999

今天在复习最优化方法时突然想知道矩阵的秩和行列式的几何意义。通过上网搜索，找到一篇不错的讲解。原文http://mdsa.51cto.com/art/201707/544991.htm 首先文章讲解了面积的矢量表示方法：即两个矢量映射出面积大小。第一个矢量是(1.0),第二个矢量是(0,1),也就是说两个矢量分别是X轴和Y轴上的单位为正的单位向量,那么由这两个矢量构成的四边...

讨论矩阵等价、相似的几何含义

m0_72760405的博客

10-31

1136

(补充正交矩阵的含义:方阵A满足AᵀA=AAᵀ=E，则称A是正交矩阵，正交阵的行列式的值是1或者-1，正交阵的行或者列向量组是单位正交向量，即两两正交且为单位向量。正交矩阵A还有一些有趣的性质:A⁻¹，Aᵀ，-A，A*都是正交阵，两个正交阵的乘积也是正交阵。相似对角化就是找到一组“特殊的坐标轴”（即矩阵的特征向量构成的基），在这个新坐标系下，原本复杂的变换会“拆解”成简单的“沿新坐标轴的拉伸/压缩”——而描述这种简单变换的矩阵，就是对角矩阵（对角线上的数是“拉伸倍数”，即特征值）。

矩阵乘法的几何视角

sonadorje的专栏

02-09

921

矩阵乘法本质上是线性变换的数学表达，它将输入向量通过矩阵映射到输出空间。从三个视角理解：1）行点积视角，输出是各行与输入的点积；2）列组合视角，输出是各列的线性组合；3）函数视角，矩阵代表线性映射规则。几何上，矩阵变换对应空间变形（旋转、缩放、剪切等），其行列式决定体积缩放，秩反映维度压缩程度。当m≠p时，矩阵实现升维或降维映射，不可逆时需用最小二乘等方法近似求解。掌握矩阵乘法关键在于理解其作为空间变换的本质。

线性代数的几何意义简单总结

LJR的博客

02-21

2600

以二维为例，如果某一条直线上的向量在经过矩阵变换后仍然在这条直线上（仅发生了放缩），那么这条直线上的向量就称为特征向量，且这些变量放缩后的长度与放缩前有固定倍数关系，这个倍数称为特征值。矩阵而言，它有两个基向量，每个基向量是三维的，可见，原来空间中的全部向量可以由两个基向量表示，变换后的基向量需要三个坐标信息描述，显然实现了从二维到三维的变换；矩阵而言，最初有两个基向量，描述二维空间，该矩阵表示的是变换后的基向量坐标，每个基向量都是一维表示的，说明基向量变换为一维坐标了，实现了从二维到一维的变换。

收藏几个线性代数的直观理解

fripy的专栏

01-30

676

一、如何理解矩阵的「秩」？ https://www.zhihu.com/question/21605094 二、行列式的本质是什么？ https://www.zhihu.com/question/36966326/answer/70687817 三、对了解矩阵、线性变换的本质有太大帮助 https://www.cnblogs.com/aliceluorong/p/7542282.html...

线性代数让我想想：基础解系的个数为何是n-r

深思纵似丁香结，一展芭蕉寸凡心。

07-09

1万+

【作为回顾知识的絮絮叨叨，过于基础可以跳过】首先给出基础解系的背景知识和它相关的概念：对于齐次线性方程组，我们给出它的系数矩阵 Am×nA_{m×n}Am×n，等式右边全为零，我们用 OOO 来表示零矩阵。将 x1x_1x1、x2x_2x2、x3x_3x3、⋯\cdots⋯ 组成的向量 (x1,x2,x3,⋯ )(x_1,x_2,x_3,\cdots)(x1,x2,x3,⋯)，记作 XXX，那么有： AX=O AX=O AX=O 对于非齐次线性方程组，我们给出它的系数矩阵 Am×nA_{m×n

矩阵秩与SVD分解：从理论到降维实战

ik678901的博客

02-26

687

本文深入解析了矩阵的秩与奇异值分解（SVD）的核心原理及其在降维中的应用。矩阵的秩揭示了数据的内在信息量，而SVD分解则通过奇异值量化信息强度，为数据压缩提供依据。文章结合Python代码实战，演示了如何利用SVD进行图像低秩近似，并进一步探讨了其在生物信息学等高维数据分析中的强大降维能力，帮助读者从理论到实践掌握这一关键技术。

线性代数的几何意义 pdf_【网上书院】恩智浦公司工程师杨熙做“线性代数的几何意义”讲座...

weixin_39622628的博客

12-16

371

3月20日下午，恩智浦公司工程师杨熙老师为恩智浦班带来了“线性代数的几何意义”主题线上讲座。数理基础在工程实践中具有举足轻重的作用，杨老师具体讲述了线性代数在应用实践中的重要意义，带领同学们探索了线性代数中数字变换蕴藏的工程意义。讲座内容讲座内容充实，杨熙老师清晰地梳理了《线性代数》这门课程中的诸多重要概念和思想。为了方便同学们复习重温讲座内容，我们将讲座内容整理如下。一、向量1. 向量...

C01 · 向量空间、子空间、秩与零空间的几何直觉 — 线性代数与矩阵分析 — 数学与统计理论基础

最新发布

简简单单Onlinezuozuo

06-21

394

细项 ID向量空间是线性代数的语言骨架，也是理解神经网络权重、嵌入表示与数据降维的共同起点。许多工程师能熟练调用，却对「秩」「零空间」缺乏几何直觉——这会在调试欠定系统、分析梯度冗余或设计低秩适配（LoRA）时造成盲区。本文从向量空间公理出发，建立子空间、线性无关、基与维度的概念链条，重点讲解四个基本子空间（列空间、零空间、行空间、左零空间）及其维度关系——秩-零度定理（Rank-Nullity Theorem）。文中版本敏感信息标注资料截至日期：2026-06-09。#线性代数#向量空间#秩#零空间。

直观理解：为什么A为 n 阶满秩方阵时，Ax＝0 只有零解？

LiPan的博客

08-20

1万+

本篇博客仅记录一下我个人思考的一点想法，方便以后回顾。并不严谨，希望给大家提供一点直观的理解。通过上边的变形，我们可以看出AxAxAx的本意就是用x=[x1x2...xn]x=[x_{1} x_{2} ... x_{n}]x=[x1x2...xn]作为系数对AAA的列向量[A1A2...An][A_{1} A_{2} ... A_{n}][A1A2...An]进行重新组合得到一个新向量。例如，我们从原点出发，先加上3倍的x轴单位向量[1,0,0][1,0,0][1,0,0]，再加上2.

面试官爱问的‘秩不变’问题：从原理到在推荐系统特征工程中的应用

weixin_30654583的博客

04-25

221

本文深入解析面试中常见的‘秩不变’原理，从线性代数的几何直观到推荐系统特征工程的实际应用。通过列满秩矩阵的基底特性，揭示PCA降维等操作如何保持数据关键信息，并探讨在推荐系统中用户特征与物品特征的非对称处理策略。文章还提供了工业界近似保秩技术的实践对比，帮助读者深入理解这一核心概念。

别再死记硬背了！矩阵分块（行/列）的几何直觉与可视化理解指南

weixin_30509393的博客

04-23

426

本文通过几何视角解析矩阵分块（行/列）的核心概念，揭示其作为空间操作工具的本质。文章详细阐述了列分块构建空间、行分块测量空间的原理，并结合可视化案例展示矩阵乘法与方程组的空间意义，帮助读者摆脱死记硬背，建立线性代数的空间直觉。

Lora的低秩思想

2403_89543662的博客

02-22

这个矩阵乘法本质上可以这样来看：矩阵乘法是一个让向量进行空间变换的方式，看左边的矩阵，每一列就把它当作一个基向量，行数代表着基向量新的维度，看被变换的向量[1,1],它的坐标意味着它是1*i1+1*i2。首先向量x是d维的，它首先会先乘A矩阵变成r维，再乘B矩阵变成d维，即x向量先降维后升维，由于r通常很小，x向量就会丢失很多信息（低秩参数量小的代价），但是通常它还是有效的，相关微调任务可能不需要那么多的特征，等于是进行了特征提纯，只保留微调任务最有效的方向。假设模型的一个W矩阵，形状d*d。