线性代数中三秩相等是什么？怎么用？在什么情况下三秩相等？

三秩相等是指矩阵的列向量组的秩（简称列秩）、行向量组的秩（简称行秩）和通过子式定义的秩（k阶子式是指一个m×n的矩阵中任取k（k<=m,k<=n）行k列拼起来构成的新矩阵的行列式，矩阵的秩等于其阶数最大的非零子式的阶数）相等。

行秩与列秩比较常用。在计算中，行秩与列秩可用于计算矩阵的秩（高斯消元法）。在证明中，行秩与列秩实质上将矩阵的秩转化为向量组的秩，故可有向量的性质推证矩阵性质。通过子式定义的秩用的较少，在一些特殊的证明中可能会比较便捷。

对一个 n 行 n 列的非零矩阵 A，如果存在一个矩阵 B 使 AB = BA =E（E是单位矩阵），则 A 为非奇异矩阵（或称可逆矩阵），B为A的逆阵。

扩展资料：

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。

一个矩阵 A的秩还可定义为fA的像的维度（像与核的讨论参见线性映射）。矩阵 A称为 fA的变换矩阵。这个定义的好处是适用于任何线性映射而不需要指定矩阵，因为每个线性映射有且仅有一个矩阵与其对应。秩还可以定义为 n减 f的核的维度；秩-零化度定理声称它等于 f的像的维度。

参考资料来源：百度百科--秩

参考资料来源：百度百科--线性代数

三秩相等是一个非常有用的结论，就是矩阵的行秩=列秩=秩。在任何时候三秩都相等。在后面的学习中会不断用到这个结论。

大哥你来错地方了