矩阵的秩是线性代数中的核心概念，其定义和性质如下：

一、基本定义

行秩与列秩

行秩 ：矩阵中线性无关的行向量的最大个数。 - 列秩 ：矩阵中线性无关的列向量的最大个数。 - 等价性 ：任意矩阵的行秩等于列秩，统称矩阵的秩，记作 $r（A）$、$rk（A）$ 或 $text{rank}（A）$。

子式与秩的关系

矩阵的秩等于其非零子式的最高阶数。例如，若存在一个 $k$ 阶子式不为零，且所有 $k+1$ 阶子式全为零，则矩阵的秩为 $k$。

二、性质与判定

基本性质

$r（A） leq min（m, n）$（矩阵的秩不超过行数或列数）；

零矩阵的秩为 0，单位矩阵的秩为阶数 $n$；

转置矩阵的秩与原矩阵相等；

可逆矩阵的秩等于阶数 $n$（满秩矩阵）。

计算方法

通过初等行变换将矩阵化为行阶梯形，非零行的数量即为秩；

行阶梯形矩阵中，主元所在的列数也等于秩。

三、应用与意义

线性方程组 ：方程组有解的充要条件是 $r（A） = r（[A | b]）$（增广矩阵）；

矩阵可逆性 ：若 $r（A） = n$（$n$ 为阶数），则矩阵可逆，反之则不可逆；

维度与空间 ：秩可理解为矩阵列空间的维度，反映矩阵映射后图像的维数。

四、补充说明

极大无关组 ：矩阵的秩等于其行向量组或列向量组的极大无关组所含向量的个数；

奇异矩阵与满秩矩阵 ：行列式为零的矩阵为奇异矩阵（不可逆），行列式非零的矩阵为满秩矩阵。

通过以上定义和性质，矩阵的秩为理解线性方程组、向量空间及矩阵变换提供了重要理论基础。