矩阵的行向量秩是矩阵行向量组的极大线性无关组所含向量的个数，具体定义和计算方法如下：

一、定义

对于一个 $m times n$ 的矩阵 $A$，其行向量秩（记作 $r（A）$ 或 $text{rank}（A）$）是指矩阵中线性无关的行向量的最大数量。换句话说，它是通过初等行变换将矩阵化为行阶梯形后，非零行的行数。

二、计算方法

初等行变换

通过初等行变换（交换两行、某行乘以非零常数、某行加上另一行的倍数）将矩阵化为行阶梯形矩阵。初等行变换不改变矩阵的秩。

非零行计数

行阶梯形矩阵中非零行的数量即为原矩阵的行向量秩。例如，若行阶梯形矩阵有 3 个非零行，则原矩阵的行向量秩为 3。

三、相关性质

行秩与列秩相等

对于任何矩阵，行秩总是等于列秩，因此通常只说矩阵的秩，而不单独区分行秩或列秩。

秩的几何意义

秩表示矩阵行向量或列向量所张成的子空间的维数。例如，若矩阵的秩为 2，则其行向量最多可张成一个二维子空间。

四、示例

考虑矩阵 $A = begin{pmatrix} 1 & 2 & 3 2 & 4 & 6 1 & 0 & 1 end{pmatrix}$：

化为行阶梯形：

$$

begin{pmatrix} 1 & 2 & 3 0 & 0 & 0 1 & 0 & 1 end{pmatrix} rightarrow begin{pmatrix} 1 & 2 & 3 0 & 0 & 0 0 & -2 & -2 end{pmatrix} rightarrow begin{pmatrix} 1 & 2 & 3 0 & 1 & 1 0 & 0 & 0 end{pmatrix}

$$

计算非零行数：

行阶梯形矩阵有 2 个非零行，因此矩阵 $A$ 的行向量秩为 2。

五、应用场景

线性方程组 ：判断方程组是否有唯一解、无穷多解或无解。若系数矩阵的秩等于未知数个数，则有唯一解。

向量空间 ：确定向量组的线性相关性及最小生成空间维度。

通过以上方法，可以系统地计算矩阵的行向量秩，并理解其在线性代数中的重要意义。