为什么矩阵的ndim值与matrix_rank不同？

Question

我宣布一个矩阵如下，

vector1 = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 0)]); 

np.ndim(vector1)显示2和matrix_rank(vector1)显示3

为什么他们有什么不同？

Answer 1

np.ndim指矩阵的维数，所以用长度为N的矢量具有尺寸1，一个NxN矩阵的维数2，NxNxN“多维矩阵”具有尺寸3.

matrix_rank涉及数学秩，即从矩阵跨度空间生成所需的向量的数量。

Answer 2

你混淆了矩阵的两个不同的性质。 维度和等级。

尺寸等于指数的数量。 例如一个标量具有维数0，一个向量具有维度1，一个共同的二维矩阵（与您给出的矩阵相同）具有维度2.

矩阵的秩等于独立列的数量。 在你给出的例子中，等级是3，因为没有一列可以写成其他两列的线性组合。