乍一看，行空间与列空间似乎是两个风马牛不相及的世界。线性代数中最令人拍案叫绝、也最出人意料的核心定理之一，行秩等于列秩。
为什么一个由行向量张成的空间的维度，必须精确地等于一个由列向量张成的空间的维度？这绝非巧合，而是线性变换内在对称性与和谐性的深刻体现。
为了理解这个“奇迹”，我们需要分三步走：
-
审视两个“独立世界”：清晰地理解行空间与列空间在哲学上代表什么。 -
搭建一座“逻辑之桥”：通过一个巧妙的论证，证明这两个世界的维度必然相等。 -
领悟“统一的本质”：理解这个相等性对于整个线性代数的意义。
第一幕：两个独立的世界 —— “测量” vs “创造”
我们已经知道，一个矩阵 可以从两种视角来解读：
1. 列视角 (Column View) —— “创造”的世界
-
内涵：矩阵的列是变换后的基向量。列空间 (Column Space) 是这些列向量的所有线性组合构成的空间。 -
它是什么：它是线性变换 所有可能输出的集合，是变换的“值域 (Range)”或“落点空间”**。 -
列秩 (Column Rank)：是这个“落点空间”的维度。它回答：“这次变换的创造力有多强？它能生成一个多高维度的世界（一条线？一个平面？）”
2. 行视角 (Row View) —— “测量”的世界
-
内涵意义：矩阵的行是独立的“测量工具”或“约束条件”。行空间 (Row Space) 是这些行向量的所有线性组合构成的空间。 -
它是什么：它代表了所有有效的“测量方法”所构成的空间。一个向量如果与行空间正交，它就会被变换到零（即属于零空间）。 -
行秩 (Row Rank)：是这个“测量空间”的维度。它回答：“我们有多少把‘本质不同’的测量尺？（即有多少个线性无关的约束条件）”
核心矛盾：
为什么“创造出的世界的维度”（列秩），必须精确等于“本质上不同的测量工具的数量”（行秩）？
一个是关于输出，一个是关于输入的约束。它们凭什么要相等？