个案排秩 Rank (linear algebra) 秩 (线性代数)
非叫“秩”不可，有秩才有解_王治祥_新浪博客
http://blog.sina.com.cn/s/blog_8e7bc4f801012c23.html
我在一个大学当督导的时候，一次我听一位老师给学生讲《线性代数》中矩阵的“秩”。
矩阵的“秩”是《线性代数》中的一个非常重要的概念。我认为，理解了“秩”，线性代数就好学多了，用起来也主动多了。
因为这个概念的重要性，课间休息时，我问这位老师：“秩”是什么？为什么非要叫“秩”？
对前一个问题，他又重复了一遍教科书上的数学定义。对后一个问题，始呈不屑回答意，继则愕然，终了闪烁其词回避走开了。我没有追问下去，但是我有些不踏实：非数学专业学生的学习效果会怎么样。
“秩”在数学上是有严格定义的。从数学上去掌握“秩”的数学解析意义应该说不难。简单来说，“秩”就是组成矩阵的各向量之间的最大线性无关数。例如，有一个有5个向量组成的方阵，如果这5个向量中最多有3个向量互不相关，就说这个矩阵的秩为3；如果这5个向量中最多有4个向量互不相关，就说这个矩阵的秩为4；如果这5个向量中5个向量都互不相关，就说这个矩阵满秩。满秩，就是组成矩阵的所有向量都线性无关。当然，这里略去了行秩和列秩的区别。
我更关心的是要回答为什么非要叫“秩”。也就是说，从文字意义上，为什么叫“秩”？叫别的行不行？譬如，叫“牛”、叫“马”、叫“石头”、叫“鬼”、叫“酷”，等等，行不行？为什么一定要叫“秩”？
这个问题我又和其他几位数学教师讨论过。有的说，开始就这么叫的，习惯了，所以叫“秩”；有的说，不叫“秩”也行，无所谓。有的干脆说，不知道。尽管这些老师的数学功底很深，但是都没有给我一个使我满意的回答。
我说，不对，非要叫“秩”不可，叫别的绝对不行。叫“秩”，是有深刻含义的。准确来说，是有深刻物理意义的。
为什么呢？
我们从实用角度来理解“秩”的物理意义，就可以看出来，为什么非要叫“秩”不可。说明一点：请原谅，为了好懂，在不失数学原意的情况下，下面对严格的数学表述作了一些文字上的简化处理。
先说解决数学本身的一个实用问题。要解一个方阵 组成的线性代数方程，如果矩阵 满秩，方程才有唯一解。即：线性代数方程组有唯一解的条件是：矩阵满秩。否则，方程就无解。
再说现代控制理论中的一个实用问题。线性系统有一个矩阵，叫能控性矩阵。如果这个矩阵是满秩的，系统的状态就完全能控制；如果不满秩，系统的状态就不完全能控制。
上面两个实用例子，意思都是说矩阵要满秩，问题就有解。如果不满秩，问题就解决不了。而满秩，就是组成矩阵的所有向量都线性无关；而不满秩就是有线性相关的向量了。我们可以这么说：如果所有的向量都没有线性相关的关系，问题就有解；只要有两个向量或有一些向量有线性相关的关系，问题就解决不了。
这使我们联想到了很多社会问题的解决。有些看似很复杂的社会问题，很容易解决；有些看似很简单的社会问题，却始终解决不了。这跟“秩”有关。
举个简单的例子，排队抢购一件紧俏商品。如果排队的人彼此完全不认识，就都会老老实实地排队。哪怕队伍排得很长，也会非常有秩序。过不一会，东西就可以买到手。相反，如果排队的时候，突然走来一个关系紧密的熟人，他又不自觉，队伍又很长，东西又紧俏，非要插队。后面的人就开始嚷嚷了，秩序就乱了，搞得不对，哪怕队伍再短，也会天下大乱，谁也买不成。
这个例子说明：彼此不认识，彼此不相关，就有秩序，问题就好解决；彼此认识，彼此相关，就很难有秩序或者说没有秩序，问题就不好解决。
于是数学家就把日常生活中的这种现象和规律，总结到矩阵中的所有向量之间的关系中来，并加以抽象，于是就提出了矩阵秩的概念。说明，如果矩阵中的所有向量都是线性无关的，那么，矩阵就完全有秩序，方程就有唯一的解，系统状态就完全能控；如果矩阵中的所有向量有线性相关的，那么，矩阵就没有秩序，方程就不会有解，系统状态就不可能完全能控。
一句话，完全不相关，就有秩序；不是完全不相关，就不会有秩序。所以，矩阵中的最大的不相关的向量的个数，就叫秩，而且非叫秩不可，不能叫别的。
我又联想到其它一些问题。例如，我们国家很多地方很多部门，有很多三姑六姨的人际关系网，有些地方甚至可以用盘根错节近亲繁殖来形容。显然，这些地方这些部门，用线性代数的话来说，就不满秩，而且非常不满秩；用社会生活语言来说，就是没有秩序。这些地方和这些部门的工作，完全可以想象，是搞不好的，因为没有秩序。要搞好一个地方一个部门的工作吗，要很轻松地搞好一个地方一个部门的工作吗？用数学语言说，你首先要满秩。
所以我的结论是：线性代数中表示向量间是否线性相关的这个概念，一定要叫秩，不能叫别的。
如果这么来认识矩阵秩的概念，高深的线性代数，是不是好学一些了？学了以后是不是更好用一些了？
好学好用的根本原因，是知道了秩这个概念的数学意义以后，更清楚地理解了秩的物理意义，更明白了“秩”的文字意义。我把这种对于一个理论问题，既准确讲述数学意义，又直观讲解物理意义，还直白说明日常生活意义和文字意义的理论教学方法，叫平民化教学法。而只讲述数学意义，不讲解物理意义，不说明日常生活意义和文字意义的理论教学方法，叫学院式教学法。平民化的理论教学法，更有利于学，更有利于用。学生学起来，更有兴趣一些，更容易学一些，收获更大一些，老师也更好教一些。
平民化教学方法显然具有直观形象的特点，又不失理论的严密性和严肃性。对非数学专业的学生讲数学的时候，平民化教学法可能更有效。特别是对目前我们国家大部分非数学专业类的大学生来说，可能是更合适的。在目前的大学生状态下，我建议：尽量采用平民化教学法，尽量放弃学院式教学法。学院式的理论教学应当尽量平民化。
当然，对于数学逻辑思维能力特别强的学生来说，可能就多此一举了。
像“秩”这样好像既深奥又难懂的概念和知识，还有很多。都需要老师下功夫去思考去研究去回答，让非数学专业的学生，能够多听到一些“平民化”的数学，而不是“学院式”的数学。例如，为什么要叫矩阵的“迹”？为什么要叫矩阵的“范数”？为什么要叫“友矩阵”？为什么要叫“酉矩阵”？为什么要叫复变函数的“留数”？可以说，在数学中要这么讲的例子俯拾即是。在其它课程中也有很多，例如，热工学中的“熵”和“焓”，也有一个为什么非要叫“熵”和“焓”的问题。也要讲清楚它的物理意义文字意义，也要平民化，不要学院化。
2012年4月10日星期二 14：43 于宿迁
矩阵的秩可 线性映射线空间的维数
w
https://www.ibm.com/support/knowledgecenter/zh/SSLVMB_23.0.0/spss/base/idh_rank_types.html
个案排秩: 类型
您可以选择多种排秩方法。将为每种方法创建单独的排秩变量。排秩方法包含单秩、Savage 得分、分数秩和百分位数。您也可以基于比例估计和正态得分创建排秩。
秩。简单等级。新变量的值等于它的等级。
Savage 得分。新变量包含基于指数分布的 Savage 得分。
分数秩。新变量的值等于等级除以非缺失个案的权重总和。
分数秩百分比。每个等级除以带有有效值的个案数，再乘以 100。
个案权重总和。新变量的值等于个案权重的合计。对于同一组中的所有个案，该新变量是一个常数。
Ntile。基于百分位组的等级，每一组包含的个案数大致相同。例如，4 个 Ntile 会将等级 1 指定给第 25 个百分位以下的个案，将等级 2 指定给第 25 个与第 50 个百分位之间的个案，将等级 3 指定给第 50 个与第 75 个百分位之间的个案，将等级 4 指定给第 75 个百分位以上的个案。
比例估计。估计与特定等级对应的分布的累积比例。
正态得分。对应于估计的累积比例的 z 得分。
比例估计公式。 对于比例估计和正态得分，您可以选择比例估计公式：Blom、Tukey、Rankit 或 Van der Waerden。
- Blom。基于使用公式 (r-3/8) / (w+1/4) 的比例估计创建新的等级变量，其中 w 是个案权重的总和，r 是等级。
- Tukey。使用公式 (r-1/3) / (w+1/3)，其中 r 为等级，w 为个案权重的总和。
- Rankit。使用公式 (r-1/2) / w，其中 w 是观察次数，r 是等级，范围是从 1 到 w。
- Van der Waerden。Van der Waerden 转换，由公式 r/(w+1) 定义，其中 w 是个案权重的合计，r 是等级，范围从 1 到 w。
选择排秩方法
- 从菜单中选择：
- 选择一个或多个要排秩的变量。您可以只对数值变量排秩。
- 单击秩类型。
- 选择一种或多种排秩方法。将为每种排秩方法创建单独的变量。
要基于比例估计或正态得分创建秩：
- 选择比例估计和/或正态得分。
- 选择一种排秩方法。
In linear algebra, the rank of a matrix A is the dimension of the vector space generated (or spanned) by its columns.[1] This is the same as the dimension of the space spanned by its rows.[2] It is a measure of the "nondegenerateness" of the system of linear equations and linear transformation encoded by A. There are multiple equivalent definitions of rank. A matrix's rank is one of its most fundamental characteristics.
https://en.wikipedia.org/wiki/Rank_(linear_algebra)
https://zh.wikipedia.org/wiki/秩_(线性代数)
http://baike.baidu.com/item/秩
