除非另有说明,F 是域,每个维数公式中的空间均为有限维。
除非另有说明,F 是域,向量空间均为有限维。熟悉的列向量空间 Fn 只是向量空间的一个模型:多项式、矩阵及函数也可以是向量。关键是运用它们的运算,而非外观。
定义
子空间与直和
向量空间 V 的非空子集 U 是子空间,若对所有 u,v∈U 及 a,b∈F,均有 au+bv∈U。子空间 U,W 的和为 U+W={u+w:u∈U,w∈W}。若每个元素的这种分解唯一,称其为直和,记作 U⊕W;这等价于 U∩W={0}。
把两个分解相减便得出等价性;反过来,交集中非零向量会有两个分解。串接 U,W 的基底可张成其和;该串接列表线性独立当且仅当和为直和。
对两个子空间 U,W,其和为 U+W={u+w}。当且仅当 U∩W={0} 时它是直和,记作 U⊕W;等价地,和中每个向量有唯一分解。将 U∩W 的基分别扩充为 U 和 W 的基,合并扩充后的列表给出
dim(U+W)=dimU+dimW−dim(U∩W).
为检查线性无关性,把 U 和 W 的线性组合移到等式两边:共同向量位于交集中,因此额外基向量的系数为零,随后交集基向量的系数也为零。有限维空间的每个子空间都可由基扩充得到补空间,但补空间通常不唯一,也不具有规范性。
定义
核与像
若 T:V→W 满足 T(av+bw)=aT(v)+bT(w),则称为线性映射。其核为 kerT={v:T(v)=0},像为 imT={T(v):v∈V};两者均为子空间。T 单射当且仅当 kerT={0},满射当且仅当 imT=W。
映射 T:V→W 若满足 T(αv+βu)=αTv+βTu,则为线性。其核与像都是子空间。选取 kerT 的基 k1,…,kr,并以 v1,…,vs 扩充为基,则 Tv1,…,Tvs 构成 imT 的基:展开任意输入可证明张成性;若这些像线性相关,相应输入组合落入核,而扩充基的线性无关性迫使所有系数为零。因此
dimV=dimkerT+dimimT.
这就是秩–零度定理。有限维且维数相等时,单射与满射等价;无限维空间中该等价可能失效。
例题
多项式微分
令 P2 为次数至多二的实多项式空间,D:P2→P2 为微分。若 p=a+bx+cx2,则 Dp=b+2cx。故 kerD=span{1},imD=span{1,x};维数 1+2=3 符合秩–零化度定理。以 P2 为陪域时,D 既非单射亦非满射。
选择方法与常见错误
用子空间判别法证明封闭性,用基底证明维数;当核或像其中之一较易求时用秩–零化度。用交集检查分解是否唯一;和不一定是直和。不要未经证明把核当成零向量,或把像当成陪域。有限维空间的自映射中单射等价于满射,但任意不同维数的定义域与陪域并非如此。
练习
- 在 P2 中令 U=span{1,x}、W=span{x,x2}。求 U∩W 及 dim(U+W)。
- 令 T:P2→R2 把 p 映至 (p(0),p(1))。求核的基底,并判断是否满射。
- 证明:有限维 V 上的线性自映射若单射,则满射。
完整解答
- 同时在两个张成空间内的多项式没有常数项及二次项,故 U∩W=span{x}。其和为 P2,维数为 2+2−1=3。
- 设 p=a+bx+cx2,条件为 a=0 及 b+c=0。故 p=c(x2−x),核的基底为 {x2−x}。秩–零化度给出像的维数 3−1=2,所以像是整个 R2。
- 单射给出零核。秩–零化度得 dimimT=dimV;有限维空间中同维子空间等于全空间,故满射。
连系
选取基底后,这些结构命题变成矩阵命题。核与像的维数不依赖基底的选择。