一、向量组的秩是什么？

通俗的说，就是把这一组向量中的垃圾向量踢出后剩下的高品质向量的个数，假设这一组有5个向量，踢出两个垃圾，还剩3个。

那么这个向量组的秩就是3。那什么是垃圾向量呢？就是能被别人线性表示的向量。比如说向量α1能被α2和α3线性表示，也就是它的工作能被别人取代。那么α1就是垃圾向量！

秩是线性代数中最重要的概念，是广大考生一定要掌握的概念。在线性代数中，关于秩有两大类：矩阵的秩以及向量组的秩，这两个概念之间是有区别和联系的。首先，我们来看一下它们各自的概念。

矩阵的秩：矩阵A最高阶非零子式的阶数称之为矩阵A的秩，记为r（A），其中r（A）不超过矩阵行数和列数的最小值。

矩阵的秩可以化为向量组的秩来计算，向量组的秩也可以化为矩阵的秩来计算。在计算矩阵的秩时，理论上需要计算非零子式来确定，但是有的时候计算量大、计算麻烦，故可以利用初等行变换把矩阵化为阶梯型矩阵，最后非零行的个数就是矩阵的秩。

扩展资料：

根据向量组的秩可以推出一些线性代数中比较有用的定理

1 向量组α1，α2，···，αs线性无关等价于R{α1，α2，···，αs}=s。

2 若向量组α1，α2，···，αs可被向量组β1，β2，···，βt线性表出，则R{α1，α2，···，αs}小于等于R{β1，β2，···，βt}。

3 等价的向量组具有相等的秩。

4 若向量组α1，α2，···，αs线性无关，且可被向量组β1，β2，···，βt线性表出，则s小于等于t。

5 向量组α1，α2，···，αs可被向量组β1，β2，···，βt线性表出，且s>t，则α1，α2，···，αs线性相关。

6 任意n+1个n维向量线性相关。

矩阵的秩

有向量组的秩的概念可以引出矩阵的秩的概念。一个m行n列的矩阵可以看做是m个行向量构成的行向量组，也可看做n个列向量构成的列向量组。

行向量组的秩成为行秩，列向量组的秩成为列秩，容易证明行秩等于列秩，所以就可成为矩阵的秩。矩阵的秩在线性代数中有着很大的应用，可以用于判断逆矩阵和线性方程组解的计算等方面。

参考资料：百度百科——向量组的秩

二、通俗解释向量组的秩

都是大姨妈的回答，看你大表叔我的~ 首先为了帮助你明白，你先要弄清楚2个定义： 矩阵的秩的定义：存在K阶子式不为0，对任意K+1阶子式均为0，则k即为矩阵的秩。 向量组的秩的定义：向量组的极大线性无关组所包含向量的个数，称为向量组的秩。 其...3133

三、秩的定义

秩的定义是向量A的极大无关组中向量的个数为A的秩。矩阵的秩是线性代数中的一个概念。在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数，通常表示为r(A)。

在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数目。类似地，行秩是A的线性无关的横行的极大数目。即如果把矩阵看成一个个行向量或者列向量，秩就是这些行向量或者列向量的秩，也就是极大无关组中所含向量的个数。

四、什么叫向量组的秩？

设有n个向量a1,a2...,an（都是m维），如果他们线性无关，那么n个向量组成的向量组的秩就是n。

在线性代数里，矢量空间的一组元素中，若没有矢量可用有限个其他矢量的线性组合所表示，则称为线性无关或线性独立，反之称为线性相关。

在线性代数中，一个矩阵A的列秩是 A的线性无关的纵列的极大数目。类似地，行秩是 A的线性无关的横行的极大数目。矩阵的列秩和行秩总是相等的，因此它们可以简单地称作矩阵 A的秩。通常表示为 rk(A) 或 rank A。

扩展资料：

线性无关和线性相关的性质：

1、对于任一向量组而言,，不是线性无关的就是线性相关的。

2、向量组只包含一个向量a时，a为0向量，则说A线性相关; 若a≠0, 则说A线性无关。

3、包含零向量的任何向量组是线性相关的。

4、含有相同向量的向量组必线性相关。

5、增加向量的个数，不改变向量的相关性。(注意，原本的向量组是线性相关的)

6、减少向量的个数，不改变向量的无关性。(注意，原本的向量组是线性无关的）

7、一个向量组线性无关，则在相同位置处都增加一个分量后得到的新向量组仍线性无关。

8、一个向量组线性相关，则在相同位置处都去掉一个分量后得到的新向量组仍线性相关。

五、向量组的秩和矩阵秩求法有区别吗

有区别

区别如下：

一、求解过程不同

1、向量组的秩：一个m行n列的矩阵可以看做是m个行向量构成的行向量组，也可看做n个列向量构成的列向量组，行向量组的秩成为行秩，列向量组的秩成为列秩。

2、矩阵秩：一个矩阵A的列秩是A的线性独立的纵列的极大数目。类似地，行秩是A的线性无关的横行的极大数目

二、求解方法不同

1、向量组的秩：一个向量组的极大线性无关组所包含的向量的个数，称为向量组的秩；若向量组的向量都是0向量，则规定其秩为0.向量组α1，α2，···，αs的秩记为R{α1，α2，···，αs}或rank{α1，α2，···，αs}。

2、矩阵秩：m × n矩阵的秩最大为m和n中的较小者，表示为 min(m,n)。有尽可能大的秩的矩阵被称为有满秩；类似的，否则矩阵是秩不足（或称为“欠秩”）的。

三、求解目的不同

1、向量组的秩：向量组的秩为线性代数的基本概念，它表示的是一个向量组的极大线性无关组所含向量的个数。由向量组的秩可以引出矩阵的秩的定义。

2、矩阵秩：矩阵的秩是线性代数中的一个概念。在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数。通常表示为r(A)，rk(A)或rank A。

扩展资料：

矩阵的秩是线性代数中的一个概念。在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数。通常表示为r(A)，rk(A)或rank A。

在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数目。类似地，行秩是A的线性无关的横行的极大数目。通俗一点说，如果把矩阵看成一个个行向量或者列向量，秩就是这些行向量或者列向量的秩，也就是极大无关组中所含向量的个数。

向量组的秩为线性代数的基本概念，它表示的是一个向量组的极大线性无关组所含向量的个数。由向量组的秩可以引出矩阵的秩的定义。

参考资料百度百科－矩阵的秩

百度百科－向量组的秩