在线性代数中秩的定义：

一个矩阵A的列秩是 A的线性无关的纵列的极大数目。类似地，行秩是 A的线性无关的横行的极大数目。

矩阵的列秩和行秩总是相等的，因此它们可以简单地称作矩阵 A的秩。通常表示为 rk(A) 或 rank A。

m× n矩阵的秩最大为 m和 n中的较小者。有尽可能大的秩的矩阵被称为有满秩；类似的，否则矩阵是秩不足的。

所以矩阵列空间、行空间的维度相等，并且为矩阵的秩不是偶合而是必然的。任意一个矩阵都可以经过一系列的初等行变换为阶梯形矩阵，而阶梯形矩阵的秩对于其中非零行的个数。

所以矩阵秩的计算方法：用初等行变换把矩阵化为阶梯形，则该阶梯形矩阵中的非零行数就是所求矩阵的秩。

例子如下：

矩阵的秩：定理：矩阵的行秩，列秩，秩都相等，初等变换不改变矩阵的秩，如果A可逆，则r(AB)=r(B),r(BA)=r(B)，矩阵的乘积的秩Rab=min{Ra,Rb}。

矩阵的秩是线性代数中的一个概念，在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数，通常表示为r(A)，rk(A)或rank A。

在线性代数中，一个矩阵A的列秩是A的线性独立的纵列的极大数目，类似地，行秩是A的线性无关的横行的极大数目。即如果把矩阵看成一个个行向量或者列向量，秩就是这些行向量或者列向量的秩，也就是极大无关组中所含向量的个数。

引理：设矩阵A=(aij)sxn的列秩等于A的列数n，则A的列秩，秩都等于n，当r(A)=n-2时，最高阶非零子式的阶数=n-2，任何n-1阶子式均为零，而伴随阵中的各元素就是n-1阶子式再加上个正负号，所以伴随阵为0矩阵，当r(A)=n-1时，最高阶非零子式的阶数=n-1，所以n-1阶子式有可能不为零，所以伴随阵有可能非零。

个人观点，仅供参考。