在線即時計算器 · 純前端本地秒算 · 零數據上傳

🔢 Matrix Rank 計算機

專業免費的 Matrix Rank 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
2 線性獨立的列數/行數
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是矩陣的秩?

矩陣 A 的秩(rank)是指它所包含的最大線性獨立行向量數目,而這個數值恆等於最大線性獨立列向量的數目。從幾何角度來看,它就是由 A 的各列(或各行)所張成空間的維度。秩是線性代數中的通用概念,不會因國家或習慣不同而改變。順帶一提,在日文中這個概念稱為「階數(kaisuu)」,意義完全相同。

如何使用本計算器

先設定列數(m)與行數(n),接著在文字框中逐列輸入矩陣元素。同一列的數值之間以逗號或空格分隔,不同列之間則以換行或分號分隔。「顯示精度」下拉選單只會影響運算過程中數值的顯示位數,對一般輸入而言並不會改變數學上的秩。按下計算後,工具會回報矩陣的秩、矩陣的形狀,以及該矩陣是否為滿秩。

公式與計算方法

本計算器採用部分主元(partial pivoting)的高斯消去法,將 A 化為列梯形矩陣。一開始將 rank 設為 0,接著逐行掃描:在每一行中,挑選絕對值最大的候選列作為主元(以維持數值穩定性);若該數值超過一個微小的容忍值,便以該列為主元,從其餘各列中消去該行,並將秩加一。如果整行的候選值都趨近於零,這一行便不貢獻任何主元。最後累計的主元數量就是秩,而秩永遠滿足 0 ≤ rank ≤ \min(m, n)。

rank(A) = \dim\!\big(span of pivot rows of Matrix A\big) ≤ \min\!≤ft(m, n\right)
\begin{gathered} rank(A) = \#{nonzero pivots in REF(A)} \\[1.5em] where ≤ft{ \begin{aligned} A &= Matrix entries (m × n) \\ tol &= 10^{-12}· \max_{i,j}\lvert a_{ij}\rvert \\ rank(A) &≤ \min(m, n) \end{aligned} \right. \end{gathered}

範例演算

以 A = [[1, 2, 3], [2, 4, 6], [1, 0, 1]] 為例。第 2 列恰好是第 1 列的 2 倍,因此這兩列彼此線性相依。消去之後僅剩兩列非零的主元列,得到 rank = 2。相對地,3× 3 的單位矩陣會產生三個主元,秩為 3;而任何全零矩陣的秩都是 0。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

秩有可能超過列數或行數嗎?
不會。秩永遠不會大於 \(\min(m,\, n)\)。
滿秩(full rank)是什麼意思?
當矩陣的秩等於 \(\min(m,\, n)\) 時,即稱為滿秩。對方陣而言,這代表它可逆,且行列式不為零。
為什麼要選最大的主元?
部分主元法可避免被極小的數值相除,藉此把浮點運算的捨入誤差壓到最低,使秩的計算更為可靠。