秩：一张大表里，真正独立的方向有几个
成绩表上有语文、数学、英语三列，看着信息挺多。可要是英语分永远等于语文分，那第三列一个字的新消息都没带来——表是三列宽，真本事只有两样。
🧠 一句话结论
秩就是"真正独立的方向有几个"——一堆箭头里，扣掉那些能被别人拼出来的，剩下几根。秩比表面的行数列数小，就叫低秩，意味着这堆数据能用很少几根主方向近似地拼回来，这正是压缩和降维能成立的原因。
场景问题
班主任做了一张全班成绩表，三列：语文、数学、英语。
她想按"学习特点"给同学分类，一开始以为要考虑三个方面。可翻着翻着发现一件怪事：每个人的英语分，都恰好等于他的语文分。一个不差。
那这张表到底该算"三个方面"还是"两个方面"？
从格式上说它有三列。但从信息上说，英语那一列完全是白搭——知道了语文分，英语分闭着眼睛就能写出来。真正在描述同学的，只有语文和数学两样东西。
于是班主任心里冒出个问题：有没有办法一眼看出，一张表里"真正独立的方向"到底有几个？ 如果不是"恰好相等"这么明显，而是"大致跟着走"呢？
这一篇讲的就是这件事。
实现方案
有的箭头是多余的
先回到第三篇的语言。那一篇讲过：几根箭头能张成（拼出）一片范围。
现在把成绩表的每一列当成一根箭头。三根箭头，能拼出多大的地方？
如果英语 = 语文，那两根箭头躺在同一条直线上。 这时候第三根箭头对"能拼出多大地方"一点贡献都没有——它能到的地方，第一根箭头自己就能到。它是多余的。
图里青色两根箭头各指一个方向，谁也拼不出谁。橙色那根正好躺在语文那根的延长线上——它带来的一切，语文那根自己就能给。
扣掉所有多余的箭头之后，还剩几根，这个数就叫秩。 三列的表，秩是 2。
秩不满的时候，空间会被压扁
把这件事翻译成第四篇的语言：矩阵是把整张网格搬一次家。
如果一个矩阵的秩不满（比如 2 列的矩阵秩只有 1），搬家之后会发生什么？
整张网格被压成了一条线。所有格子的面积都变成 0——这正是第六篇讲的"行列式为 0"，也正是第七篇说的"倒不回去"的原因。
秩不满 ⟺ 面积（体积）归零 ⟺ 变换不可逆。 三篇讲的是同一件事的三个侧面：秩说的是"独立方向剩几个"，行列式说的是"面积缩到多少倍"，可逆性说的是"能不能倒着走回去"。
少数几根主方向，就能把表拼个八九不离十
现实里很少有"英语分恰好等于语文分"这么干净的事。更常见的是大致跟着走：英语分和语文分不完全相等，但明显同涨同跌。
这时候秩严格算起来是满的（3），可从信息上说，第三列带来的新东西少得可怜。
于是有了一个更有用的问法：能不能只留最重要的几根方向，把整张表近似地拼回来？
看这组对比：只留 1 根主方向，图案只剩个粗略的条纹；留 2 根，轮廓就出来了；留 5 根，已经和原图几乎看不出差别。
这说明一件事：真实数据里，绝大部分内容都挤在少数几根方向上，剩下的方向装的东西少得可以忽略。这种"名义上秩很高，实际上只有少数几根方向真正装东西"的情况，就叫低秩。
低秩不是特例，是常态。班里同学的成绩、一张照片的像素、一段文字的含义——真实世界的数据几乎都是这样。这就是压缩能成立的根本原因：不是我们手段高明，是数据本来就没那么"满"。
挑主方向不是"砍掉几列"
有个地方特别容易搞混：留下"几根主方向"，不等于从原表里挑几列留着。
原表的列（语文、数学、英语）不一定是最好的量尺。主方向是第十一篇说的那种换出来的新量尺——它们通常是原来几列的混合，比如"语文和英语的共同部分"算一根、"数学独有的部分"算一根。
所以流程是：先换一组更合身的量尺，再只留前几根。直接砍列是把整整一列的信息全丢掉；换量尺后砍，丢掉的只是各列里最不重要的那部分渣滓。
为什么这么做
为什么要专门给"独立方向有几个"起个名字叫秩？
因为这个数把好几件事一口气说清了：能不能倒着走回去（第七篇）、面积会不会归零（第六篇）、这堆数据能压到多小。一个词说清一串事，值得起名字。
为什么低秩能压缩，不会把东西弄丢？
因为真实数据本来就"不满"。各个方向装的东西极不平均：前几根方向装了绝大部分，后面那些方向装的接近于零。丢掉几乎空着的方向，当然不心疼。压缩省下的是本来就没什么内容的地方，不是把有内容的地方硬砍掉。
为什么要先换量尺再砍，不能直接砍列？
因为原来的列往往互相纠缠——语文和英语各装了一部分"语言能力"。直接砍掉英语列，那部分信息就整块没了。换一组量尺之后，"语言能力"被单独拎成一根量尺，剩下的量尺装的才是真正的边角料，砍它才不心疼。
为什么别的选择不行
错误直觉一：以为秩就是行数或列数
"三列的表，秩不就是 3 吗？"
不是。秩数的是真正独立的方向，不是格式上有几列。三列的表里要是有一列能被另外两列拼出来，秩就是 2；要是三列全躺在同一条直线上，秩就是 1。
行数列数是表的外形，秩是表的实际本事。 外形唬人，本事不一定跟得上。
错误直觉二：以为低秩必然丢掉大量信息
"只留 5 根方向，那不是把其它方向全扔了？"
扔了，但那些方向本来就几乎是空的。看上面那组重建图：留 5 根已经和原图几乎看不出差别——说明第 6 根往后的方向装的东西微乎其微。
关键不是"扔了多少根方向"，是"扔掉的那些方向里装了多少东西"。 真实数据几乎都是低秩的，所以扔掉一大堆方向往往只损失一丁点内容。
错误直觉三：以为降维就是砍掉几列
不是。降维是先换一组更合身的量尺，再只留前几根，砍的是新量尺不是原来的列。
直接砍列的后果很具体：砍掉英语列，"语言能力"这件事就整块丢了。而换量尺之后，"语言能力"已经被单独拎成一根主方向留了下来，被砍掉的只是各列里零碎的边角料。同样是"变少"，砍对地方和砍错地方，结果天差地别。
沉淀结论
- 秩 = 扣掉多余箭头之后，真正独立的方向还剩几根——不是行数列数
- 秩不满 ⟺ 空间被压扁 ⟺ 面积归零 ⟺ 倒不回去，这是第六、第七篇结论的另一个侧面
- 低秩 = 名义上方向很多，实际上内容全挤在少数几根上——真实数据几乎都是这样
- 只留前几根主方向就能把数据拼个八九不离十，因为丢掉的那些方向本来就几乎是空的
- 降维是"先换量尺、再留前几根"，不是直接砍掉几列——砍对地方才不心疼
记忆口诀
秩 = 真正独立的方向有几根，不是有几列。
秩不满就压扁，压扁就倒不回去。
真实数据都低秩：内容全挤在前几根方向上。
留前几根就够像，因为后面那些本来就空着。
降维是先换量尺再留前几根，不是硬砍几列。
延伸阅读
- LoRA 为什么能用极少参数微调大模型：因为微调要改的那部分本来就是低秩的——不用动整张大表，只用两张又窄又薄的表就能把改动拼出来。详见模型微调。
- embedding 压缩与降维：把上千根量尺换成几十根主方向，检索效果掉不了多少、存储和计算却省一大截，靠的正是低秩。详见RAG 架构。
自测：合上资料能说清楚吗？
- 一张三列的成绩表，英语分永远等于语文分。这张表的秩是几？为什么？
参考答案
秩是 2。 秩数的是真正独立的方向，不是有几列。英语那一列能被语文那一列直接拼出来（躺在同一条直线上），它一个字的新消息都没带来，是多余的。扣掉它，剩下语文和数学两个独立方向。
- 秩不满和"倒不回去"是什么关系？
参考答案
是同一件事的两个说法。 秩不满意味着变换把空间压扁了（比如整张网格压成一条线），所有格子面积归零——这正是行列式为 0。压扁之后，原来不同的点被挤到了同一个位置，分不清谁是谁，自然倒不回去。秩说的是"独立方向剩几个"，行列式说的是"面积缩到多少倍"，可逆性说的是"能不能走回去"，三者讲的是一件事。
- 只留 5 根主方向重建的图和原图几乎一样，这说明了什么？
参考答案
说明这堆数据是低秩的：内容极不平均地挤在前几根方向上，第 6 根往后装的东西微乎其微。所以扔掉一大堆方向只损失一丁点内容。真实数据几乎都是这样——这正是压缩能成立的根本原因：不是手段高明，是数据本来就没那么"满"。
- 降维和"砍掉几列"有什么区别？
参考答案
降维是先换一组更合身的量尺，再只留前几根，砍的是新量尺不是原来的列。
原来的列往往互相纠缠（语文和英语各装一部分"语言能力"），直接砍英语列会把那部分信息整块丢掉。换量尺之后"语言能力"被单独拎成一根主方向留下来了，被砍的只剩零碎边角料。同样是变少，砍对地方和砍错地方结果天差地别。
- 一张 1000 列的表，秩算出来是 1000（满的）。它还有可能被大幅压缩吗？
参考答案
很有可能。 秩满只说明"没有哪一列能被别的列恰好拼出来"，但各方向装的内容可以极不平均——前 20 根方向装了 99% 的内容，后面 980 根各装一丁点。
现实里"恰好相等"很罕见，"大致跟着走"才是常态。所以真正有用的问题不是"秩满不满"，而是"内容集中在前几根方向上"，这才是低秩近似的用武之地。