目录
向量组的秩
向量组的秩（Rank of a Vector Group）是向量组中的极大线性无关组的向量个数，也就是向量组的最大独立向量的个数。
例如，对于向量组A = ((1, 2, 3), (4, 5, 6), (7, 8, 9))，它的秩为3，因为它包含三个线性无关的向量。
对于向量组B = ((1, 2, 3), (4, 5, 6), (7, 8, 9), (10, 11, 12))，它的秩也为3，因为其中任意三个向量都是线性无关的，而第四个向量可以由前三个向量线性表出。
因此，向量组的秩可以通过对其进行初等行变换，将其化为行阶梯形式，然后计算非零行的数量来得到。
极大线性无关组
极大线性无关组（Maximal Linearly Independent Group）是线性代数中的一个概念，用于描述向量组之间的关系。
一个向量组的极大线性无关组是该向量组的一个子集，满足以下两个条件：
1. 这个子集中的向量是线性无关的。
2. 向量组中任意一个向量都可以由这个子集中的向量线性表出。
一个向量组的极大线性无关组可能有多个，但它们所含向量的个数是相同的，称为这个向量组的秩。
例如，对于向量组A = ((1, 2, 3), (4, 5, 6), (7, 8, 9))，它的一个极大线性无关组可以是((1, 2, 3), (4, 5, 6))，也可以是((1, 2, 3), (7, 8, 9))，但它们的秩都是2。
极大线性无关组的概念在线性代数中非常重要，因为它可以用来判断向量组的独立性和生成子空间的维数等问题。
矩阵的秩
矩阵的秩（Rank of a Matrix）是矩阵中线性无关的行向量或列向量的极大数目。
对于矩阵A，如果它的行向量组线性无关，则它的秩等于行向量组的秩，即r(A) = r(a1, a2, ..., am)
对于矩阵A，如果它的列向量组线性无关，则它的秩等于列向量组的秩，即r(A) = r(a1, a2, ..., an)
矩阵的秩可以通过对其进行初等行变换，将其化为行阶梯形式，然后计算非零行的数量来得到。
例如，对于矩阵A = ((1, 2, 3), (4, 5, 6), (7, 8, 9))，它的秩为3，因为它包含三个线性无关的向量。
对于矩阵B = ((1, 2, 3), (4, 5, 6), (7, 8, 9), (10, 11, 12))，它的秩也为3，因为其中任意三个向量都是线性无关的，而第四个向量可以由前三个向量线性表出。
矩阵秩的公式
矩阵秩的公式为：R(A)=R(A^T)=R(AA^T)」。
这个公式的证明过程如下：
首先证明R(A)=R(A^T)：
设B为A的任意r阶子式，D为A^T的任意r阶子式。根据子式的性质，可以得到以下两个等式：
BD=DB=0，
因此D和D^T都是A和A^T的最高阶非零子式，数r称为矩阵A和A^T的秩，记作R(A)=R(A^T)。
然后证明R(A)=R(AA^T)：
设C为AA^T的任意r阶子式，根据AA^T的性质，可以得到以下等式：
AC=CA=0，
因此A和C都是AA^T的最高阶非零子式，数r称为矩阵AA^T的秩，记作R(AA^T)=r。同时根据R(A)=R(A^T)，可以得到R(A)=R(AA^T)。
因此，矩阵秩的公式为R(A)=R(A^T)=R(AA^T)''。
三秩相等
矩阵的“三秩相等”是指矩阵的秩、矩阵的转置的秩、以及矩阵与其转置乘积的秩相等。
具体地，设$A$为$m\times n$矩阵，则有以下等式：
1. $rank(A) = rank(A^T)$
2. $rank(AA^T) = rank(A)$
3. $rank(A^TA) = rank(A^T)$
其中，$rank(A)$表示矩阵$A$的秩，$A^T$表示矩阵$A$的转置，$AA^T$表示矩阵$A$与其转置的乘积。
这个结论在矩阵分析和线性代数中非常有用，它可以用来解决一些与矩阵秩有关的问题。