Python 为什么矩阵的ndim值与矩阵_秩不同？

我声明一个矩阵如下：

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

np.ndim（vector1）

显示2，而

矩阵秩（vector1）

显示3

---

为什么它们不同？

np.ndim

指矩阵的维数，因此长度为N的向量的维数为1，NxN矩阵的维数为2，NxN“多维矩阵”的维数为3

---

矩阵_秩

与数学秩相关，即从矩阵跨距空间生成矩阵所需的向量数。

您混淆了矩阵的两个不同属性。 维度和等级

维度等于索引的数量。 e、 一个标量的维数为0，一个向量的维数为1，一个普通的2D矩阵，就像你给出的矩阵一样，其维数为2

矩阵的秩等于独立列的数目。

---

在您给出的示例中，秩为3，因为没有一列可以写成其他两列的线性组合。

维度的数量与秩无关。并非每个二维矩阵都有秩2。“R^2中的矩阵”是什么意思？@MarkDickinson我写的是错的。我指的是（想指的是）常见的矩阵，通常用

m（R）\un（n，n）

或类似的符号表示。我的新公式更清楚（正确）吗？编辑：我猜从技术上讲，

M（R^2）\un（n，n）

是一个定义良好的矩阵空间，由成对的数字组成，但在这种情况下会产生误导。