You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

线性代数证明问询:如何完成Row A = Row AᵀA的证明

线性代数证明问询:如何完成Row A = Row AᵀA的证明

你已经走对路啦!把原问题转化为证明$\mathrm{Row}\ A = \mathrm{Row}\ A^TA$是完全正确的,接下来我们只需要证明两个子空间互相包含就行——这是证明子空间相等的标准操作,我来一步步帮你理清楚:

第一步:证明 $\mathrm{Row}\ A^TA \subseteq \mathrm{Row}\ A$

矩阵乘法的本质是行向量与列向量的线性组合,我们从$A^TA$的行向量入手分析:
$ATA$的第$i$行,其实是$AT$的第$i$行左乘$A$得到的。而$AT$的第$i$行,正好是$A$的第$i$列的转置$\vec{v_i}T$。

假设$A$的行向量是$\vec{r_1}, \vec{r_2},..., \vec{r_m}$,那么$\vec{v_i}$($A$的第$i$列)的第$j$个分量就是$\vec{r_j}$的第$i$个元素。此时$\vec{v_i}^T A$展开后就是:
$$\vec{v_i}^T A = \vec{r_1}(i)\vec{r_1} + \vec{r_2}(i)\vec{r_2} +... + \vec{r_m}(i)\vec{r_m}$$
这显然是$A$的行向量的线性组合,所以$ATA$的每一行都属于$\mathrm{Row} A$。既然行空间是所有行向量的线性组合构成的集合,那么$\mathrm{Row} ATA$自然是$\mathrm{Row}\ A$的子空间,也就是$\mathrm{Row}\ A^TA \subseteq \mathrm{Row}\ A$。

第二步:证明 $\mathrm{Row}\ A \subseteq \mathrm{Row}\ A^TA$

这一步我们可以借助零空间等价性来推导,先证明$\mathrm{Nul}\ A = \mathrm{Nul}\ A^TA$:

  • 正向包含:如果$\vec{x} \in \mathrm{Nul}\ A$,那么$A\vec{x} = \vec{0}$,两边左乘$AT$可得$ATA\vec{x} = \vec{0}$,所以$\vec{x} \in \mathrm{Nul}\ A^TA$,即$\mathrm{Nul}\ A \subseteq \mathrm{Nul}\ A^TA$。
  • 反向包含:如果$\vec{x} \in \mathrm{Nul}\ ATA$,那么$ATA\vec{x} = \vec{0}$,两边左乘$\vec{x}^T$得到:
    $$\vec{x}^T A^TA\vec{x} = (A\vec{x})^T(A\vec{x}) = ||A\vec{x}||^2 = 0$$
    向量的模长为0当且仅当它是零向量,所以$A\vec{x} = \vec{0}$,即$\vec{x} \in \mathrm{Nul}\ A$,因此$\mathrm{Nul}\ A^TA \subseteq \mathrm{Nul}\ A$。

结合两个方向,我们得到$\mathrm{Nul}\ A = \mathrm{Nul}\ A^TA$。而根据线性代数的核心结论:任意矩阵的行空间是其零空间的正交补,也就是$\mathrm{Row}\ M = (\mathrm{Nul}\ M)^\perp$对所有矩阵$M$成立。既然零空间相等,它们的正交补必然相等,因此:
$$\mathrm{Row}\ A = (\mathrm{Nul}\ A)^\perp = (\mathrm{Nul}\ ATA)\perp = \mathrm{Row}\ A^TA$$

收尾:完成原命题证明

结合你之前的推导:$(\mathrm{Nul}\ A)^\perp = \mathrm{Row}\ A$,再加上我们刚证明的$\mathrm{Row}\ A = \mathrm{Row}\ ATA$,就能直接得出原命题$(\mathrm{Nul} A)\perp = \mathrm{Row}(A^TA)$成立啦!

备注:内容来源于stack exchange,提问作者BranchPredictor4000

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.04.20 02:38:00