第十章
二元空间,二元性
10.1双空间E和线性形式
在第3.8节中,我们定义了向量空间e的对偶空间e=hom(e,k),并证明了有限维向量空间的对偶基的存在性。
在本章中,我们更深入地研究了空间E与其双空间E之间的联系。正如我们即将看到的,每一个线性映射f:e→f都会产生一个线性映射f>:f→e,结果表明,在适当的基础上,f>的矩阵是f的矩阵的转置。因此,对偶空间的概念提供了与tra相关的现象的概念解释。n位置。
但是它做得更多,因为它允许我们把一个线性方程看作双空间E的一个元素,从而把E的子空间看作一组线性方程的解,反之亦然。子空间与线性形式集之间的关系是对偶性的本质,一个经常被松散使用的术语,但可以精确地作为给定向量空间e的子空间集与其对偶e的子空间集之间的双射。在这种对应关系中,e的子空间v产生e的子空间v 0,由在v上消失的所有线性形式组成(即,v中所有输入的值为零)。考虑下一组r3中的两个“线性方程”,
x −Y+Z=0 x−Y−Z=0,
让我们找出它们的公共解(x,y,z)的集合v∈r3。通过从第一个方程中减去第二个方程,我们得到2z=0,并且通过添加这两个方程,我们发现2(x-y)=0,因此解的集合v由下式给出:
y =x z=0。
这是r3的一维子空间。几何上,这是平面z=0中方程y=x的直线。
三百一十九
现在,为什么我们说上面的方程是线性的?这是因为,作为(x,y,z)的函数,两个映射f1:(x,y,z)→7 x−y+z和f2:(x,y,z)7→x−y−z都是线性的。从r3到r的所有这些线性函数的集合是一个向量空间;我们利用这个事实来形成“方程式”f1和f2的线性组合。观察子空间V的尺寸为1。环境空间的尺寸为n=3,有两个“独立”方程f1、f2,因此由m独立方程定义的子空间v的尺寸dim(v)似乎是
尺寸(V)=N−m,
这确实是一个普遍的事实。
一般来说,在RN中,线性方程是由一个n-元组(a1,…,an)∈RN决定的,该线性方程的解是由n-元组(x1,…,xn)∈RN给出的,这样a1x1+·····+anxn=0;
这些解构成了线性映射(x1,…,xn)7→a1x1+·····+anxn的核心。上述考虑假设我们在RN的规范基(e1,…,en)中工作,但是我们可以通过将“线性方程”视为从E到K场的线性映射的向量空间hom(e,k)的元素,来定义独立于基和任何维的“线性方程”。
定义10.1.对于向量空间e,从e到场k的线性映射的向量空间hom(e,k)称为e的对偶空间(或对偶空间)。空间hom(e,k)也用e表示,e中的线性映射称为线性形式,或covector。空间e的双空间e称为e的双空间。
记法上,线性形式f:e→k也用星号表示,如u、x等。
给定一个向量空间e和任意基(u i)i∈i for e,我们可以将一个线性形式u i∈e与每个ui关联,并且u i具有一些显著的性质。
定义10.2.给定一个向量空间e和任意基(ui)i∈i for e,通过命题3.13,对于每一个i∈i,都有一个唯一的线性形式,这样
,
对于每个j∈i,线性形式称为索引i w.r.t的坐标形式。基础
(ui)i∈i。
第3.8节解释了术语坐标表的原因。
我们在定理3.18中证明,如果(u1,…,un)是e的基,那么()是e的基,称为对偶基。
10.1。双空间E和线性形式
如果(u1,…,un)是rn的基(更一般地说是kn),则可以显式地找到对偶基(),其中每个u i由行向量表示。例如,考虑b’ezier矩阵的列
.
由于条件定义的公式=0,因此它由行向量(λ1λ2λ3λ4)表示,以便
.
这意味着这是B4的倒数第1行。自从
,
线性形式()对应于B4-1的行。特别地,用(1 1 1 1 1)表示。
上述方法适用于任意n。给定rn的任何基(u1,…,un),如果p是n×n矩阵,其jth列为uj,则对偶形式由矩阵p-1的第i行给出。
当e是有限维n且(u1,…,un)是e的基础时,我们注意到该族
)是双空间e(称为(u1,…,un)的双基)的基础。让我们看看双基上的线性形式_的坐标是如何随基的变化而变化的。
设(u1,…,un)和(v1,…,vn)为e的两个基,设p=(aij)为基矩阵从(u1,…,un)变为(v1,…,vn),使
,
设p−1=(bij)为p的倒数,因此
.
由于u i(uj)=δij和vi(vj)=δij,我们得到
,
因此
,
和
.
这意味着基础从双重基础()转变为双重基础。自从
,
我们得到
,
因此,使用矩阵p>将新坐标j表示为旧坐标i。如果我们使用行向量(,…,n)和(),我们有
与基础变化比较
,
我们注意到,这一次,线性形式_的坐标(_i)与基础变化方向相同。因此,我们说线性形式的坐标是协变的。由于语言的滥用,人们常说线性形式是协变的,这就解释了为什么covector这个术语也用于线性形式。
如果(e1,…,e n)是向量空间e的基础,那么,作为从e到k的线性映射,每一个线性形式f∈e都由1×n矩阵表示,也就是说,由一个行向量表示。
(λ1,…,λn)
关于e的基(e1,…,e n)和k的基(1),其中f(ei)=λi。向量u=由n×1矩阵表示,即由列向量表示。
,
10.1。双空间E和线性形式
f对u的作用,即f(u),用矩阵积表示。
.
另一方面,对于对偶基(,线性形式f是
由列向量表示
.
备注:在许多使用张量的文本中,向量通常用较低的索引索引。如果是这样,则更方便的是使用上面的索引将向量X的坐标写在基(U1,…,Un)上,这样,
,
在基础的变化中,我们
和
.
同时,线性形式被索引为高索引。然后,在双基(u 1,…,u n)上使用较低的索引将covector的坐标_写为(_i),以便
在基础的变化中,我们
和
.
有了这些约定,求和的指标在上下两个位置分别出现一次,求和符号可以被安全地省略,这是爱因斯坦的一个技巧。例如,我们可以写
作为的缩写
.
对于爱因斯坦符号的另一个例子,如果向量(v1,…,vn)是向量(u1,…,un)的线性组合,则
那么上述方程是:
vi=Ajiuj,1≤i≤n。
因此,在爱因斯坦的表示法中,n×n矩阵(aij)用(aji)表示,这是一个(1,1)张量。
注意,有些作者认为矩阵是坐标之间的映射,在这种情况下,矩阵(aij)用(aij)表示。
10.2 E与E_的配对与对偶性
给定线性形式u∈e和向量v∈e,应用u to v的结果u(v)也用hu,v i表示。这定义了一个满足以下性质的二元运算h−,−i:e×e→k:
hu 1+u 2,vi=hu 1,vi+hu 2,vi
胡,v1+v2i=hu,v1i+hu,v2i hλu,vi=λhu,vi hu,λvi=λhu,vi.
上面的恒等式意味着h−、−i是双线性映射,因为它在每个参数中都是线性的。通常称为e和e之间的正则对,鉴于上述恒等式,给定任何固定向量v e,映射evalv:e→k(v处的评价)定义如下:
evalv(u)=hu,vi=u(v)对于每个u∈e
是从e到k的线性映射,也就是说,evalv是e中的线性形式。同样,根据上述身份,地图evale:e→e,定义如下:
evale(v)=evalv,对于每个v∈e,
是一个线性映射。注意
evale(v)(u)=hu,vi=u(v),对于所有v∈e和所有u∈e。
10.2。E与E的配对与对偶性
我们将看到映射evale是内射的,当e有有限维时它是同构的。
我们现在将线性方程组v 0的概念形式化,在给定子空间v e中的所有向量上消失,并将线性方程组u e的公共解集u0的概念形式化。对偶定理(定理10.1)表明,v和v 0的维数,以及u和u0的维数,都以一种关键的方式联系在一起。在有限维上,图V 7→V 0和U 7→U0是从E的子空间到E的子空间的逆双射。
定义10.3.在给定向量空间e及其对偶e的情况下,如果hu,vi=0,则向量v e和线性形式u e是正交的。给定e的子空间v和e的子空间u,我们认为对于每个u∈u和每个v∈v,v和u是正交的,如果hu,vi=0。给出e(resp.e的一个子集u),v的正交v 0是e的子空间v 0,定义如下:
v 0=u∈e hu,vi=0,对于每个v∈v
(响应u的正交u0是e的子空间u0,定义如下:
u0=v∈e hu,vi=0,对于每个u∈u)。
子空间v 0 e也被称为v的湮灭子。被u e_歼灭的子空间u0 e没有特殊名称。把它称为线性子空间(或线性变化)似乎是合理的。
非正式地说,v 0是在v上消失的线性方程组,u0是在u中所有线性方程的公共零点组。我们也可以用
V 0=U∈E V Keru
和U0
.
观察e0=0=(0)和0 0=e。此外,如果v1 v2 e,则
,如果U1 U2 E,那么。
实际上,如果v1 v2 e,那么对于任何一个,对于所有v∈v2,我们都有f(v)=0,因此对于所有v∈v2,f(v)=0。同样地,如果u1 u2 e,那么对于任何一个,对于所有的f(v)=0,对于所有的f∈u2,那么f(v)=0,对于所有的f∈u1,这意味着。
下面是一些例子。设e=m2(r),实2×2矩阵的空间,设v为矩阵所跨越的m2(r)的子空间。
.
我们会立即检查子空间v是否由该形式的所有矩阵组成。
,
也就是说,所有的对称矩阵。矩阵
在v中满足方程
A12−A21=0,
所有这些方程的标量倍数,所以v 0是e的子空间,用u(a11,a12,a21,a22)给出的线性形式表示。根据对偶定理(定理10.1),我们有
尺寸(V 0)=Dim(E)−Dim(V)=4−3=1。
上面的例子推广到e=mn(r)对于任何n≥1,但这次,考虑线性形式的空间u,断言矩阵a是对称的;这些是由n(n−1)/2方程所跨越的线性形式。
aij−aji=0,1≤i<j≤n;
注意,对角项和半个方程没有限制。
aij−aji=0,1≤i=6 j≤n
是冗余的。很容易验证i<j的方程(线性形式)是线性独立的。更精确地说,假设u是E中线性形式的空间,由线性形式u i j(a11,…,a1n,a21,…,a2n,…,an1,…,ann)=aij−aji,1≤i<j≤n所跨越。
然后,这些方程的公共解的集合u0是对称矩阵的空间s(n)。根据对偶定理(定理10.1),这个空间有维
.
我们把它作为一个练习来寻找s(n)的基础。
如果e=mn(r),考虑e中由线性形式所跨越的线性形式的子空间u。
u i j(a11,…,a1n,a21,…,a2n,…,an1,…,ann)=aij+aji,1≤i<j≤n u ii(a11,…,a1n,a21,…,a2n,…,an1,…,ann)=aii,1≤i≤n。
10.2。E与E的配对与对偶性
很容易看出这些线性形式是线性独立的,所以dim(u)=n(n+1)/2。满足上述方程的矩阵a∈mn(r)的空间u0显然是斜对称矩阵的空间斜交(n)。根据对偶定理(定理10.1),u0的维数为
.
我们把它作为一个练习来寻找歪斜(n)的基础。
对于另一个例子,e=mn(r),对于任何a∈mn(r),考虑由tr(a)=a11+a22+·········+ann给出的e中的线性形式,
称为a的迹线。e的子空间u0由所有矩阵a组成,这样tr(a)=0是尺寸n2-1的空间。我们把它作为一个练习来寻找这个空间的基础。尺寸方程
尺寸(V)+尺寸(V 0)=Dim(E)Dim(U)+Dim(U0)=Dim(E)
总是正确的(如果e是有限维的话)。这是对偶定理(定理)的一部分
10.1)。
在前面的例子中,给定矩阵a∈mn(r),断言a>a=i的方程不是线性约束。例如,对于n=2,我们有
A211+A221=1 A221+A222=1 A11A12+A21A22=0。
评论:
(1) 符号v 0(分别为u0)表示e(resp)的子空间v的正交。e)的子空间u不是通用的。其他作者使用符号v(resp.u)。然而,符号v也用于表示子空间v相对于空间e上内积的正交补码,在这种情况下,v是e的子空间,而不是e的子空间(见第11章)。为了避免混淆,我们更喜欢使用表示法v 0。
(2) 由于线性形式可以看作线性方程(至少在有限维中),给定e的一个子空间(甚至一个子空间)u,我们可以用
z(u)=v∈e u(v)=0,对于所有u∈u。
当然z(u)=u0,但概念z(u)可以推广到更一般的方程,即多项式方程。在这个更一般的设置中,u是一组n个变量的多项式,系数为k(其中n=dim(e))。形式z(u)的集合称为代数变种。线性形式对应于一阶齐次多项式被考虑的特殊情况。
如果v是e的子集,那么很自然地将k[x1,…,xn]中消失在v上的多项式集与v联系起来。这个集合,通常表示为i(v),有一些特殊的属性使它成为理想。如果v是e的一个线性子空间,我们自然会把注意力限制在v上消失的线性形式的空间v 0上,在这种情况下,我们识别i(v)和v 0(尽管从技术上讲,i(v)不再是理想的)。
对于任意一组多项式u k[x1,…,xn](resp v e),i(z(u))和u(resp)之间的关系。z(i(v))和v)通常不简单,即使我们总是
u i(z(u))(分别为v z(i(v)))。
然而,当场k是代数闭的,那么i(z(u))等于理想u的根式,这是希尔伯特的著名结果,被称为nullstellensatz(见lang[106]或dummit和foote[55])。代数变种的研究是代数几何学的主要课题,是一门美丽而又令人生畏的学科。要了解代数几何,请参见lang[106]或dummit和foote[55]。
对偶定理(定理10.1)表明,如果我们把注意力局限于线性子空间,情况会简单得多;在这种情况下
u=i(z(u))和v=z(i(v))。
我们声称e的每个子空间v v 00,e的每个子空间u的u u00。
实际上,对于任何v∈v,为了证明v∈v 00,我们需要证明u(v)=0对于所有u∈v 0。然而,v 0由所有线性形式u组成,因此u(y)=0表示所有y∈v;特别是,因为v v,u(v)=0表示所有u∈v 0,根据需要。
同样,对于任何u∈u,为了证明u∈u00,我们需要证明u(v)=0对于所有v∈u0。但是,u0由所有向量v组成,因此f(v)=0表示所有f∈u;特别是,由于u∈u,u(v)=0表示所有v∈u0,根据需要。
我们很快就会看到,在有限维中,我们有v=v 00和u=u00。
然而,即使v=v 00总是真的,当e是无限维时,u=u00也不总是真的。
在给定向量空间e和e的子空间u的情况下,根据定理3.5,u的每一个基(u i)i∈i都可以推广到e的基(u j)j∈i j,其中i j为∅。
10.3对偶定理
我们有以下重要的定理改编自E.Artin[6](第1章)。
定理10.1。(对偶定理)让e是一个向量空间。以下属性保留:
(a) 对于e的每一个基(ui)i∈i,坐标形式族是线性独立的。
(b) 对于e的每个子空间v,我们有v 00=v。
(c) 对于e的有限余维m的每个子空间v,对于e的每个子空间w,使e=v_w(其中w是有限维m),对于e的每个基(ui)i∈i,使(u1,…,um)是w的基,该族是正交的基。
e中v的0,因此dim(v 0)=codim(v)。
此外,我们有v 00=v。
(d) 对于e的有限维m的每个子空间u,e中u的正交u0是有限余维m,因此
codim(u0)=dim(u)。
此外,u00=u。
证据。(a)假设
xλiu i=0,
我爱我
对于一个家族(λi)i∈i(k中的标量)。因为(λi)i∈i有有限的支持,所以i有一个有限的子集j,因此,对于所有i∈i−j,λi=0,我们有
xλju j=0.
J·J·J
将线性形式pj∈jλj u j应用于每一个uj(j∈j),根据定义10.2,因为u i(uj)=1,如果i=j,否则为0,我们得到所有j∈j的λj=0,即所有i∈i的λi=0(根据j的定义作为支持)。因此,(是线性无关的。
V
(因此,ui)(i∈b)显然,我们有ij0是∈/i的基础。从0开始(其中v∈00v,i00u。如果j0jis与=v∅=6)中的每种线性形式正交。从00开始,那么让(v=6 Vu00i,)i∈uij 0 j∈作为0的一个00的基础。现在,我们有vj000,这样∈j(和
UJ V
)=0表示所有i∈i,因此。然而,)=1,这与uj0与v 0中的所有线性形式都是正交的这一事实相矛盾。因此,v=v 00。
(c) 设j=i−1,…,m。每一个线性形式f∈v 0与每一个uj正交,对于j j,因此,f(uj)=0,对于所有j j。对于这样一个线性形式f∈v 0,让
.
我们有g(ui)=f(ui),对于每个i,1≤i≤m。此外,根据定义,g在所有uj上消失,其中j∈j。因此,f和g在(ui)i∈i of e,and so,g=f。
这表明()产生了v 0,由于它也是一个线性独立的族,
)是V 0的基础。很明显,dim(v 0)=codim(v),根据(b)部分,我们得到v 00=v。
(d) 让()作为u的基础。注意地图h:e→km的定义如下:
对于每一个v∈e,都是一个线性映射,其核kerh精确地为u0。
提案5.11,e≈ker(h)imh=u0 imh,
由于dim(imh)≤m,我们推断u0至多是有限余维e的一个子空间,通过(c),我们得到dim(u00)=codim(u0)≤m=dim(u)。然而,很明显u u00,这意味着dim(u)≤dim(u00),所以dim(u00)=dim(u)=m,我们必须有u=u00。
定理10.1的(a)部分表明
尺寸(e)≤尺寸(e)。
当e是有限维n且(u1,…,un)是e的基础时,通过(c)部分,族
)是双空间e的基础,称为(u1,…,un)的双基础。定理3.18也直接证明了这一事实。
定义从e的子空间到e的子空间的函数e(e表示方程)和从e的子空间到e的子空间的函数z(z表示零),方法是
网络错误 网络错误 网络错误 | 网络错误 网络错误 |
---|---|
(z_e)(v)=v 00=v
(e_z)(u)=u00=u,
其中v是e的有限余维的子空间,u是e的有限维的子空间,因此映射e和z是这些子空间之间的反向双射。这些映射在e的有限余维子空间和e的有限维子空间之间建立了对偶性。特别是,如果e是有限维,那么维m的每个子空间v e是线性形式空间(方程)v 0的公共零点集,它的维数为n−m。这证实了我们对由一组线性方程定义的子空间的维数所作的声明。
注意这个双射不延伸到无限维的e的子空间。
当e是无限维时,对于e的每一个基(u i)i∈i,坐标形式的族(u i)i∈i绝不是e的基。它是线性独立的,但它“太小”不能产生e。例如,如果e=r(n),其中n=0,1,2,…,则表示e中向量的非零坐标和的映射f:e→r是线性形式,但很容易看出它不能表示为坐标形式的线性组合。因此,当e是无限维时,e和e不是同构的。
假设v是维m的rn的子空间,而(v1,…,vm)是v的基础。为了找到v 0的基,我们首先将(v1,…,vm)扩展到rn的基(v1,…,vn),然后通过定理10.1的(c)部分,我们知道()是v0的基。例如,假设v是两个线性无关向量所跨越的r4的子空间。
,
r4中haar基的前两个向量。haar矩阵的四列
构成r4的基础,w的倒数由
.
因为双基()由w-1的行给出,w-1的最后两行,
,
构成V 0的基础。我们还通过因子1/2重新缩放获得了一个基,因此行向量给出的线性形式
形成V 0的基础,即线性形式(线性方程)在子空间V上消失的空间。
我们描述的求v 0的方法需要先扩展v的基,然后求逆矩阵,但还有一种更直接的方法。实际上,假设a是n×m矩阵,其列是v的基向量(v1,…,vm)。那么,由行向量表示的线性形式u属于v 0 iff u v i=0,i=1,…,m iff。
UA=0
敌我识别
A>U>=0。
因此,我们需要做的就是找到>的空空间的基础。这可以通过将矩阵约简为约简行梯队形式(RREF)来非常有效地实现;参见第节
7.10。
现在让我们考虑一个问题,找到由方程定义的Rn中超平面h的基。
c1x1+·····+cnxn=0.
更准确地说,如果u(x1,…,xn)是u(x1,…,xn)=c1x1+······+cnxn给出的(rn)中的线性形式,那么超平面h是u的核心。当然,我们假设一些Cj是非零的,在这种情况下,线性形式u跨越(rn)的一维子空间u,并且u0=h具有尺寸n-1。
网络错误 | |
---|---|
网络错误 | 网络错误 |
1 网络错误 2 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 网络错误 |
网络错误 网络错误 网络错误 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 网络错误 网络错误 网络错误 |
---|---|---|---|---|---|---|---|
由于u不是一个相同为零的线性形式,所以有一个最小的正指数j≤n,使得cj=06,所以我们的线性形式实际上是u(x1,…,xn)=cjxj+······+cnxn。我们
j1 0 0…1 0 0…0
J 0 0…0 C/C C/C…C/C_
观察删除j行得到的(n-1)×n-1)矩阵是单位矩阵,因此上述矩阵的列是线性无关的。一个简单的计算也表明,线性形式u(x1,…,xn)=cjxj+·····+cnxn在上述矩阵的每一列上都消失了。对于R6中的一个具体例子,如果u(x1,…,x6)=x3+2x4+3x5+4x6,我们得到方程的超平面h的基础。
x3+2x4+3x5+4x6=0
由以下矩阵给出:
网络错误 网络错误 网络错误 网络错误 网络错误 网络错误 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 网络错误 网络错误 | 网络错误 网络错误 网络错误 |
---|---|---|---|---|
相反,给定一个超平面h,在rn中,作为n-1线性向量的跨度。
(u1,…
和
是两个线性无关的向量,那么
,
u和v的叉积u×v由
是一个解决方案。
下面是另一个例子,说明定理10.1的幂。设e=mn(r),并考虑断言矩阵a∈mn(r)每一行中的项之和等于同一个数的方程。我们有n-1方程
,
很容易看出它们是线性独立的。因此,由上述线性形式(方程)所跨越的e中线性形式的空间u的维数为n−1,而将所有这些方程化的矩阵的空间u0的维数为n2−n+1。找到这个空间的基础并不那么明显。
现在我们将确定向量空间e与其双e之间的关系。
提案10.2.设e为向量空间。以下属性保留:
(a) 线性映射evale:e→e定义如下:
evale(v)=evalv,对于所有v∈e,
也就是说,evale(v)(u)=hu,vi=u(v)对于每个u∈e,都是内射的。
(b) 当e为有限维n时,线性映射evale:e→e是同构(称为规范同构)。
证据。(a)设(ui)i∈i为e的基,设v=pi∈i viui。如果evale(v)=0,那么特别是eval)=0表示全部,并且自
埃瓦
对于所有i∈i,我们有vi=0,也就是说,v=0,表明evale:e→e是内射的。
如果e是有限维n,根据定理10.1,对于每个基(u1,…,un),族
)是双空间e的基础,因此族()是双空间e的基础。这表明dim(e)=dim(e)=n,由于(a)部分,我们知道evale:e→e是内射的,实际上evale:e→e是双射的(因为一个内射映射将一个线性独立的族传递给一个线性独立的族,在一个维数为n的向量空间中,一个li几乎独立的n向量族是一个基础,见命题
3.6)。
当一个向量空间E有无限维时,E及其双e永远不同构。
当e是有限维且(u1,…,un)是e的基础时,考虑到正则同构evale:e→e,双元的基础()用
(U1,…,联合国)。
命题10.2可以用配对的方式非常有效地重新表述,这是庞特贾金在1931年发现的一个非常有用的概念(改编自E.Artin[6],第1章)。在一个k域上给定两个向量空间e和f,我们认为,如果对于每一个v∈v,映射u 7(u,v)(从e到k)是线性的,对于每一个u∈e,映射v 7→(u,v)(从f到k)是线性的,那么函数_:e×f→k是双线性的。
定义10.4.在两个向量空间e和f超过k的情况下,e和f之间的配对是双线性映射,即:e×f→k。这种配对是非退化的iff。
(1) 对于每一个u∈e,如果所有v∈f的(u,v)=0,则u=0,并且
(2) 对于每一个v∈f,如果所有u∈e的(u,v)=0,则v=0。
一个配对:e×f→k通常用h−、−i:e×f→k表示。例如,前面定义的映射h−、−i:e×e→k是一个非退化配对(使用命题10.2中(a)的证明)。如果e=f和k=r,e上的任何内积都是非退化配对(因为内积是肯定的);见第11章。
10.4。超平面和线性形式
给出了一个配对,我们可以定义两个映射,l:e→f和r:f→e如下:对于每个u∈e,我们在f中定义线性形式l(u),这样
l(u)(y)=(u,y),对于每个y∈f,
对于每一个v∈f,我们定义e中的线性形式r_(v),这样
每x∈e,r(v)(x)=(x,v)。
我们有以下有用的建议。
提案10.3.给定两个向量空间e和f over k,对于e和f之间的每一个非退化配对,映射l:e→f和r:f→e是线性的和内射的。此外,如果e和f有有限的尺寸,那么这个尺寸是相同的,l:e→f和r_:f→e是双射。
证据。因为配对是双线性的,所以图l:e→f和r:f→e是线性的。如果l(u)=0(零形式),则
对于每一个v∈f,
既然是非退化的,u=0。因此,l:e→f是注射的。同样,R:F→E是注射剂。当f有有限维数n时,我们已经看到f和f有相同的维数。因为l:e→f是内射的,我们有m=dim(e)≤dim(f)=n。同样的论点也适用于e,因此n=dim(f)≤dim(e)=m。但是,dim(e)=dim(f),l:e→f和r:f→e是双射。
当e有有限维时,非简并配对h−,−i:e×e→k给出了e与e之间存在自然同构的另一个证明。当e=f时,由e上的内积引起的非退化配对产生e和e之间的自然同构(见第11.2节)。
有趣的非退化配对出现在外代数中。我们现在展示超平面和线性形式之间的关系。
10.4超平面和线性形式
实际上,下面的命题10.4是从定理10.1的(c)和(d)部分得出的,但我们认为给出一个更直接的证明也是有趣的。
提案10.4.设e为向量空间。以下属性保留:
(a) 给定任意非零线性形式f∈e,其核h=kerf是超平面。
(b) 对于e中的任何超平面h,都有一个(非空)线性形式f∈e,这样h=kerf。
(c) 给定e中的任意超平面h和任意(非空)线性形式f∈e,使得h=kerf,对于每个线性形式g∈e,h=kerg iff g=λf,对于k中的某些λ=06。
证据。(a)如果f∈e为非空,则存在一些向量v0∈e,使得f(v0)=06。让
H=切口。对于每一个v∈e,我们有
.
因此,
和
,
也就是说,e=h+kv0。另外,由于f(v0)=06,我们得到v0∈/h,即h kv0=0。因此,e=h kv0,h是超平面。
(b) 如果h是一个超平面,对于某些v0∈/h,e=h kv0,那么每个v∈e都可以用一种独特的方式写成v=h+λv0。因此,有一个定义明确的函数f:e→k,因此,对于每个v=h+λv0,f(v)=λ。作为一个简单的练习,我们将验证f是一个线性形式。由于f(v0)=1,线性形式f为非空。而且,根据定义,很明显,λ=0 iff v∈h,即切口=h。
(c) 设h为e中的超平面,设f∈e为任意(非空)线性形式,使得h=kerf。显然,如果g=λf对于某些λ=06,则h=kerg。相反,假设对于某些非空线性形式g,h=kerg。从(a),我们得到e=h kv0,对于一些v0,这样f(v0)=06和g(v0)=06。然后,观察
是一个在h上消失的线性形式,因为f和g都在h上消失,但也在kv0上消失。因此,g=λf,与
.
作为练习,我们将向量空间e的每个子空间v=6e,都是包含v的所有超平面的交集。我们现在考虑线性映射和矩阵转置的概念。
10.5线性映射和矩阵的转置
给定一个线性映射f:e→f,可以定义一个具有一些有趣特性的映射f>:f→e。
定义10.5.给定线性映射f:e→f,f的转置f>:f→e是定义如下的线性映射:
f>(v)=v f,对于每个v∈f,
如下图所示:
f
fe>(bb bbbb/f v_
五)
K
等效地,线性映射f>:f→e的定义如下:
hv,f(u)i=hf>(v),ui,
对于所有u e和所有v f。
很容易验证以下属性是否有效:
(f +g)>=f>+g>
(g _f)>=f>g>id.
注意(g f)>=f>g>右侧的成分倒转。
方程式(g f)>=f>g>包含以下有用的命题。
提案10.5.如果f:e→f是任何线性映射,则以下属性保持不变:
(1) 如果F是注射剂,那么F>是注射剂。
(2) 如果F是Surjective,则F>是Injective。
证据。如果f:e→f是注射剂,那么它有一个收缩r:f→e,这样r f=ide,如果f:e→f是注射剂,那么它有一个s:f→e部分,这样f s=idf。现在,如果f:e→f是内射的,那么我们有
(r f)>=f>r>=ide,
这意味着f>是主观的,如果f是主观的,那么我们有
(f s)>=s>f>=idf,
这意味着f>是内射的。
我们还拥有以下显示Eval地图自然性的属性。提案10.6.对于任何线性图f:e→f,我们有
f>>evale=evalf f,
或者等价地,下图是通勤路线:
F>
EO/O
逃逸
/
证据。对于每一个u e和每一个_ f,我们有
(f>>evale)(u)()=hf>>(evale(u)),_i
=混合气(u),f>()i
=hf>(),用户界面
=h_,f(u)i
=hevalf(f(u)),i
=h(evalf f)(u),i=(evalf f)(u)()
证明F>>evale=evalf f,如权利要求所述。
如果e和f是有限维的,那么evale和evalf是同构的,所以命题10.6表明,如果我们用e的双e,和f的双f_,那么(f>)>=f来标识e。
作为命题10.6的推论,如果dim(e)是有限的,那么我们得到ker(f>>)=evale(ker(f))。
实际上,如果e是有限维的,那么map evale:e→e是同构的,因此,对于某些u∈e,每个 e的形式都是=evale(u),map evalf:f→f_是内射的,
网络错误 | |||
---|---|---|---|
网络错误 | 网络错误 | 网络错误 | |
网络错误 | 网络错误 | ||
网络错误 | 网络错误 | ||
网络错误 | 网络错误 | ||
网络错误 | 网络错误 |
这证明了ker(f>>)=evale(ker(f))。
下面的命题说明了正交性和换位之间的关系。
提案10.7.给定一个线性映射f:e→f,对于e的任何子空间v,我们有
f(v)0=(f>)−1(v 0)=w∈f f>(w)∈v 0。
因此,
kerf>=(imf)0和kerf=(imf>)0。
证据。我们有
hw,f(v)i=hf>(w),vi,
对于所有的V ,f(v)i=0,对于每个V,f(v)0,iff(v)0,iff(w)。
由于我们已经观察到e0=(0),在上面的恒等式中取v=e,我们得到
切口>=(imf)0.
从方程式
hw,f(v)i=hf>(w),vi,
我们推导出,v∈(imf>)0 i f f hf>(w),v i=0表示所有w∈f iff hw,f(v)i=0表示所有w∈f。假设v∈(imf>)0。如果我们选取f的基(wi)i∈i,那么我们有这样的线性形式,并且因为我们必须对所有i∈i和(wi)i∈i都有=0,我们得出f(v)=0,因此v∈kerf(这是因为hwi,f(v)i是与基向量wi关联的f(v)的系数)。相反,如果v∈kerf,那么hw,f(v)i=0代表所有w∈f,那么我们得出v∈(imf>)0。因此,v∈(imf>)0 iff v∈kerf,即:
切口=(imf>)0,
如要求。
下面的命题给出了商空间e/u的对偶(e/u)的自然解释。
提案10.8.对于向量空间e的任何子空间u,如果p:e→e/u是e/u上的标准投影,则p>是内射的,并且
im(p>)=u0=(ker(p))0.
因此,p>是(e/u)和u0之间的线性同构。
证据。由于p是主观的,根据命题10.5,映射p>是内射的。显然,u=ker(p)。观察到im(p>)由所有线性形式ψe组成,因此,对于某些_(e/u)来说,ψ=_p,由于ker(p)=u,我们得到u ker(ψ)。相反,对于任何线性
式ψ∈e,如果u ker(ψ),则通过e/u的ψ因子为ψ=ψp,如下图所示。
磷
E/E/U
CCCψCCCCC!γ
K
式中,ψ:e/u→k由下式给出
ψ(v)=ψ(v),v∈e,
式中,v∈e/u表示v∈e的等价类,图ψ不依赖于
在V类当量中选择的代表,因为如果v0=v,即v0−v=u∈u,则ψ(v0)=ψ(v+u)=ψ(v)+ψ(u)=ψ(v)+0=ψ(v)。因此,我们有
im(p>)=p∈(e/u)
克(ψ)
这证明了我们的结果。
命题10.8给出了对偶定理(定理10.1)第(b)部分的另一个证明,它不涉及基的存在(在无限维中)。
提案10.9.对于任何向量空间e和e的任何子空间v,我们有v 00=v。
证据。我们首先观察到v 0=v 000。这是因为,对于e的任何子空间u,我们都有u u00,所以v 0 v 000。此外,V V 00保持,任何两个子空间
m,n,e,如果m n,那么n0 n0,我们得到v 000 v 0。写v1=v 00,这样。我们想证明v1=v。
由于v v1=v 00,规范投影p1:e→e/v1因子为p1=f p,如下图所示,
磷
E/E/V型
CCPC1CCCCC!f
E/V1
式中,p:e→e/v是e/v上的正则投影,f:e/v→e/v1是p1诱导的商映射,其中f(ue/v)=p1(u)=ue/v1,对于所有u∈e(既然v v1,如果u−u0=v∈v,那么u−u0=v∈v1,那么p1(u)=p1(u0))。既然p1是主观性的,f也是主观性的,我们想证明f实际上是同构的,因此,就足以证明f是内射的。通过变换所有的映射,我们得到了交换图。
P>
e dho hhhhhhh(he/vo f>)
(e/v1),
但是根据命题10.8,映射p>:(e/v)→v 0和是同构的,因此,我们有下面的图,其中p>和都是同构的:
v 0 hdo hhph>hhhhh(he/vo f>)
(E/V1)。
因此,是同构的。我们声称这意味着f是内射的。
如果f不是内射的,那么有一些x∈e/v,这样x=06和f(x)=0,所以对于每一个θ∈(e/v1),我们有f>()(x)=(f(x))=0。然而,存在线性形式ψ∈(e/v)使得ψ(x)=1,因此ψ=6 f>()对于所有的ω∈(e/v1),与f>是主观的这一事实相矛盾。为了找到这样一个线性形式ψ,选取e/v中kx的任何补充w,使e/v=kx w(w是e/v中不含x的超平面),并将ψ定义为w的零和x的1。因此,f是内射的,既然我们已经知道它是外射的,它是双射的。这意味着带有v v1的正则映射f:e/v→e/v1是同构的,这意味着v=v1=v 00(否则,如果v∈v1−v,那么p1(v)=0,那么f(p(v))=p1(v)=0,但是p(v)6=0,因为v/∈v,而f不是内射的)。
下面的定理说明了f的秩与f>的秩之间的关系。
定理10.10。对于线性映射f:e→f,以下属性保持不变。(a)国际货币基金组织的双重(国际货币基金组织)与国际货币基金组织同构,即,
(国际货币基金组织)≈国际货币基金组织>。
(b)Rk(f)≤Rk(f>)。如果Rk(f)是有限的,我们得到Rk(f)=Rk(f>)。证据。(a)考虑线性图
P J E−→IMF−→F,
P.J
式中,e−→imf是e−→f诱导的推测图,imf−→f是imf的注入包含图,根据定义。为了简化符号,让i=imf。根据命题10.5,由于e−→p i是主观性的,i−p→e是内射的,并且
因为imf−→f是注射剂,所以是推测性的。既然f=j_p,我们也有
f>=(j_p)>=p>j>,
既然是主观的,是内射的,我们在(imf)和(f)之间有同构。
(b)我们已经注意到,定理10.1的(a)部分表明,对于每个向量空间e,dim(e)≤dim(e)。因此,dim(imf)≤dim(imf),由(a)表示,rk(f)≤rk(f>)。当dim(imf)是有限的,我们已经观察到作为定理10.1的推论,dim(imf)=dim((imf)),因此,通过(a)部分,我们得到了rk(f)=rk(f>。
如果dim(f)是有限的,那么还有一个简单的证明(b)不使用(a)部分的结果。根据定理10.1(c)
dim(imf)+dim(imf)0)=dim(f),
根据定理5.11,dim(kerf>)+dim(imf>)=dim(f)。
此外,根据10.7号提案,我们
切口>=(imf)0,
因为f是有限维dim(f)=dim(f),所以我们推导
dim(imf)+dim((imf)0)=dim((imf)0)+dim(imf>),
得出dim(imf)=dim(imf>);也就是说,rk(f)=rk(f>)。
评论:
\1. 如果dim(e)是有限的,根据dan guralnik的论点,我们也可以证明rk(f)=rk(f>)如下。
我们从适用于f>:f→e的10.7号提案得知
ker(f>>)=(imf>)0,
我们从10.6号提案中得出结论:
ker(f>>)=evale(ker(f))。
因此(因为evale是同构的),dim((im f>)0)=dim(ker(f>))=dim(ker(f))=dim(e)−dim(im f),
因为dim(imf>)+dim((imf>)0)=dim(e),
我们得到dim(im f>)=dim(imf)。
\2. 如Dan Guralnik所述,如果dim(e)是有限的,则上述结果可用于证明
imf>=(ker(f))0.
从
h f>(),u i=h_,f(u)i
对于所有的 f和所有的u e,我们看到如果u ker(f),那么hf>(),ui=h,0i=0,这意味着f>(_)(ker(f))0,因此,imf>(ker(f))0。反之,因为dim(e)是有限的,我们有
dim((ker(f))0)=dim(e)−dim(ker(f))=dim(imf),
但我们刚刚证明了dim(im f>)=dim(imf),所以我们得到
dim((ker(f))0)=dim(imf>),
由于imf>(ker(f))0,我们得到
imf>=(ker(f))0,
如要求。现在,由于(ker(f))00=ker(f),上述方程得出了另一个事实证明:
ker(f)=(imf>)0,
当e是有限维时。
三。方程式
imf>=(ker(f))0
实际上是有效的,即使当e是无限维时,如我们现在所证明的。
提案10.11.如果f:e→f是任何线性映射,则以下恒等式成立:
imf>=(ker(f))0
ker(f>)=(imf)0
imf=(ker(f>)0 ker(f)=(imf>)0.
证据。等式ker(f>)=(imf)0已经在命题10.7中得到证明。
根据对偶定理(ker(f))00=ker(f),所以从imf>=(ker(f))0我们得到ker(f)=(imf>)0。同样,(imf)00=imf,所以从ker(f>)=(imf)0我们得到imf=(ker(f>)0。因此,有待证明的是,imf>=(ker(f))0。
设P:E→E/Ker(f)为规范化假设,F:E/Ker(f)→imf为f诱导的同构,J:imf→f为包含图。那么,我们有了
F=J_F_P,
这意味着
F>=P>F>J>。
因为P是射血的,P>是射血的,因为J是射血的,是射血的,因为F是射血的。
双射,f>也是双射。由此得出(e/ker(f))=im(f_j>),我们有imf>=imp>。
因为p:e→e/ker(f)是标准的投注,所以命题10.8适用于u=
克尔(F),我们得到
imf>=imp>=(ker(f))0,
如要求。
总之,方程式
imf>=(ker(f))0
适用于任何维度,它意味着
ker(f)=(imf>)0.
下面的命题显示了表示线性映射f:e→f的矩阵与表示其转置f>:f→e的矩阵之间的关系。
提案10.12。设e和f为两个向量空间,设(u1,…,un)为e的基,(v1,…,vm)为f的基。给定任意线性映射f:e→f,如果m(f)是表示f w.r.t的m×n-矩阵。基(u1,…,un)和(v1,…,vm),n×m-矩阵
m(f>)表示f>:f→e w.r.t.双碱基,是m(f)的转置m(f>。
证据。回想一下,m(f)的第i行和第j列中的条目aij是f(uj)在基(v1,…,vm)上的第i个坐标。根据vi的定义,我们得到hvi,f(uj)i=aij。m(f>)第j行和第i列中的条目是
基于(),这是公正的。自从
hvi,f(uj)i=hf>(vi),uji,
我们有a i j=a>j i,证明m(f>)=m(f>。
10.6。四个基本子空间
现在我们可以给出一个非常简短的证明,证明矩阵的秩等于其转置的秩。
提案10.13。给定一个M×N矩阵A在一个K域上,我们得到了Rk(a)=Rk(a>)。
证据。矩阵A对应于线性映射f:kn→km,根据定理10.10,Rk(f)=Rk(f>)。根据命题10.12,线性映射f>对应于a>。由于Rk(a)=Rk(f),Rk(a>)=Rk(f>,我们得出Rk(a)=Rk(a>)。
因此,给定m×n矩阵a,线性无关列的最大数目等于线性无关行的最大数目。还有其他方法可以证明这个事实,不涉及对偶空间,而是行和列上的一些基本转换。
命题10.13立即给出了确定矩阵秩的下列标准:
提案10.14.给定一个K域上的任意m×n矩阵a(通常k=r或k=c),a的秩是最大自然数r,这样,通过选择a的r行和r列,可以得到a的可逆r×r子矩阵。
例如,3×2矩阵
具有三个2×2矩阵之一的秩2 iff
是可逆的。我们在第6章中看到,这相当于上面一个矩阵的行列式非零的事实。这不是一个非常有效的方法来寻找矩阵的秩。我们将看到有更好的方法可以使用各种分解,如LU、QR或SVD。
10.6四个基本子空间
给出了一个线性映射f:e→f(其中e和f是有限维),命题10.7揭示了这四个空间
国际货币基金组织,国际货币基金组织>,切口,切口>
扮演一个特殊的角色。它们通常被称为与f相关的基本子空间。这些空间以一种亲密的方式相关,因为命题10.7表明
切口=(imf>)0切口>=(imf)0,
定理10.10表明Rk(f)=Rk(f>)。
用矩阵来翻译这些关系是有指导意义的(事实上,某些线性代数书籍对此做了很大的讨论!)如果dim(e)=n和dim(f)=m,给定e的任何基(u1,…,un)和f的基(v1,…,vm),我们知道f由m×n矩阵a=(aij)表示,其中a的jth列等于f(uj)除以基(v1,…,vm)。此外,转置映射f>由n×m矩阵a>表示(相对于双碱基)。因此,四个基本空间
国际货币基金组织,国际货币基金组织>,切口,切口>
对应于
(1) a的列空间,用ima或r(a)表示;这是由a的列所跨越的rm的子空间,与f的图像imf相对应。
(2) a的核或空空间,用kera或n(a)表示;这是由所有向量x∈rn组成的rn的子空间,这样ax=0。
(3) a的行空间,用ima>或r(a>)表示;这是用a>的行或相当于a>的列跨越的rn的子空间,它对应于f>的图像imf>。
(4) 由kera>或n(a>)表示的a的左核或左零空间;这是a>的核(零空间),rm的子空间由所有向量y∈rm组成,使得a>y=0,或等价地,y>a=0。
回想一下,imf的维数r,也等于列空间的维数ima=r(a),是a(和f)的秩。然后,我们以前的一些结果可以重新表述如下:
\1. a的列空间r(a)具有维度r。
\2. a的空空间n(a)具有尺寸n−r。
\3. 行空间r(a>)具有维度r。
\4. a的左侧空空间n(a>)具有尺寸m−r。
10.6。四个基本子空间
以上陈述构成了Strang所称的线性代数基本定理,第一部分(见Strang[165])。
这两个陈述
切口=(imf>)0
切口>=(imf)0
翻译为
(1) a的空空间是a的行空间的正交。
(2) a的左空空间是a的列空间的正交。
以上陈述构成了Strang所称的线性代数基本定理,第二部分(见Strang[165])。
由于向量由列向量和线性形式由行向量表示(在e或f的基上),如果
yx=0.
然后,向量x∈rn与iff的行空间正交,x与a的每一行正交,即ax=0,相当于x属于a的空空间,同样,列向量y∈rm(表示f的对偶基上的线性形式)属于空。a>iff a>y=0,iff y>a=0,这意味着y>给出的线性形式(在f的基上)与a的列空间正交。
由于(2)等于a的列空间等于a的左零空间的正交,我们得到了形式为ax=b的方程的可解性的下列准则:
方程ax=b对所有y∈rm有一个解iff,如果a>y=0,则y>b=0。
实际上,右边的条件是b与a的左边空空间是正交的,即b属于a的列空间。
如果直接检查B是否由A列跨越,这个标准会更便宜。例如,如果我们考虑系统
x1−x2=b1 x2−x3=b2 x3−x1=b3
其矩阵形式为ax=b,如下所示:
,
我们看到矩阵A的行加起来是0。事实上,很容易让我们相信,a的左零空间的范围是y=(1,1,1),因此系统是可解的,如果y>b=0,即
b1+b2+b3=0。
请注意,上述标准也可作如下负面说明:
方程ax=b没有解,如果有y∈rm,则a>y=0,y>b=0.6。
由于a>y=0,当y>a=0时,我们可以将y>视为表示线性形式的行向量,y>a=0断言线性形式y>在a1列上消失,…,a的a列上消失,但不在b上消失。由于线性形式y>定义了方程y>z=0的超平面h(用z∈rm),几何上方程ax=b没有解,如果有一个超平面h,包含a1,…,a,不包含b。
10.7总结
本章的主要概念和结果如下:
• 双空间E和线性形式(covector)。招标人E。
• 双线性配对H−、−I:E×E→K(规范配对)。
• 在v:evalv:e→k时的评估。
• 地图评估:E→E。
• e的子空间v与e的子空间u之间的正交性;正交v 0和正交u0。
• 坐标形式。
• 对偶定理(定理10.1)。
• 基础的双重基础。
• 当dim(e)有限时,同构evale:e→e。
• 两个向量空间之间的配对;非退化配对;命题10.3。
• 超平面和线性形式。
• 线性映射f:e→f的转置f>:f→e。
• 基本特征:
kerf>=(imf)0和kerf=(imf>)0
(提案10.7)。
10.7。总结
• 如果f是有限维,那么
Rk(f)=Rk(f>)。
(定理10.10)。
• 转置映射f>的矩阵等于映射f的矩阵的转置(命题10.12)。
• 对于任何M×N矩阵A,Rk(a)=Rk(a>)。•根据最大可逆子矩阵描述矩阵的秩(命题10.14)。
• 四个基本子空间:
国际货币基金组织,国际货币基金组织>,切口,切口>。
• (矩阵的)列空间、空空间、行空间和左空空间。
• 形式为ax=b的方程的左零空间可解性准则。