定理: 一个矩阵的行空间的维数等于列空间的维数,等于这个矩阵的秩.
定义:A=(aij)m×n的不为零的子式的最大阶数称为矩阵A的秩，记作rA，或rankA。
特别规定零矩阵的秩为零。扩展资料
显然rA≤min(m,n) 易得：若A中至少有一个r阶子式不等于零，且在r<min(m,n)时，A中所有的r+1阶子式全为零，则A的秩为r。也就是要计算它的子式,当计算至r阶子式不等于零,而r+1阶子式等于零时,矩阵的维数(秩)就为r。
何为矩阵？
在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合 ，最早来自于方程组的.系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。
矩阵是高等代数学中的常见工具，也常见于统计分析等应用数学学科中。 在物理学中，矩阵于电路学、力学、光学和量子物理中都有应用；计算机科学中，三维动画制作也需要用到矩阵。 矩阵的运算是数值分析领域的重要问题。将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。对一些应用广泛而形式特殊的矩阵，例如稀疏矩阵和准对角矩阵，有特定的快速运算算法。关于矩阵相关理论的发展和应用，请参考《矩阵理论》。在天体物理、量子力学等领域，也会出现无穷维的矩阵，是矩阵的一种推广。
数值分析的主要分支致力于开发矩阵计算的有效算法，这是一个已持续几个世纪以来的课题，是一个不断扩大的研究领域。 矩阵分解方法简化了理论和实际的计算。 针对特定矩阵结构（如稀疏矩阵和近角矩阵）定制的算法在有限元方法和其他计算中加快了计算。 无限矩阵发生在行星理论和原子理论中。 无限矩阵的一个简单例子是代表一个函数的泰勒级数的导数算子的矩阵。
求特征子空间的维数公式：D=n(n+1)/2。维度（Dimension），又称为维数，是数学中独立参数的数目。在物理学和哲学的领域内，指独立的时空坐标的数目。0维是一个无限小的点，没有长度。1维是一条无限长的线，只有长度。2维是一个平面，是由长度和宽度(或部分曲线)组成面积。
特征子空间(characteristicsubspace)是一类重要的子空间，即对应于线性变换的一特征值的子空间。设V是域P上的线性空间，σ是V的一个线性变换，σ的对应于特征值λ₀的全体特征向量与零向量所成的集合。
