化简演变 观察矩阵元素如何被消减
当前推演状态
原始矩阵
随着消元进度的推进，原矩阵平滑地向其行最简形（标准形）演变。完全归零的行代表了在这个维度上信息的完全冗余与丢失。
矩阵形态追踪 动态数值
若最终出现全零行，则证明矩阵并非满秩。
空间塌缩 相关性带来的面积消失
矩阵张成空间的面积：
面积 = 5.00
最初两个向量线性无关（秩为 2）。随着进度条推进，向量逐渐共线，平面塌缩成一条线（秩为 1）；最后所有向量归零，空间塌缩为一个点（秩为 0）。
基向量的命运 可视化的降维打击
请点击自动演示，观察平行四边形如何被拍扁。
矩阵秩的核心法则
衡量空间信息含量的标尺与线性方程组的终极判据
秩的定义
独立信息量$$ \text{秩}(A) = \text{极大线性无关组的数量} $$
矩阵中真正“有用”的、不重复的向量个数。多余的向量都可以由这些核心向量组合而成。
行秩必定等于列秩
奇妙对称$$ \text{秩}(A) = \text{秩}(A^T) $$
线性代数中最令人惊叹的结论之一：一个矩阵中独立行的数量永远等于独立列的数量。
标准形计算法
高斯消元$$ A \xrightarrow{\text{初等行变换}} \text{标准形}(A) $$
将矩阵化为行最简形后，剩下非零行的个数就是该矩阵的秩。初等变换绝不会改变矩阵的秩。
满秩与非奇异
方阵特权$$ \text{秩}(A_{n \times n}) = n \iff \det(A) \neq 0 $$
对于方阵，满秩意味着所有列都独立，行列式不为零，矩阵完全可逆。空间没有发生塌缩。
降秩的几何意义
空间塌缩$$ \text{秩}(A) < n \implies \text{体积}=0 $$
降秩意味着矩阵将高维空间拍扁到了低维。比如将三维空间压成了一张纸，此时体积彻底丢失（行列式为0）。
秩与零空间
维度定理$$ \text{秩}(A) + \text{零度}(A) = n $$
矩阵输出空间的维度（秩）加上被压缩到零点的信息维度（零度），必然等于输入空间的总维度。
方程组的解：齐次
$Ax=0$$$ \text{秩}(A) = n \implies \text{仅有零解} $$
只有当矩阵降秩时，即存在冗余信息时，齐次方程组才会有非零解（无穷多解）。
方程组的解：非齐次
$Ax=b$$$ \text{秩}(A) = \text{秩}([A|b]) $$
Kronecker-Capelli定理：当且仅当增广矩阵的秩等于系数矩阵的秩时，方程组才有解。