主要内容

高等代数: 多项式与线性代数

4.4 \(\F^m\)的子空间、基与维数

在建立了立体坐标系的空间\(\R^3\)中,其子集\(xoy\)平面可以看成是\(\R^2\),即也是一个列向量空间。除坐标平面外,\(\R^3\)中还有很多其它的经过坐标原点的平面。这些平面中的点从\(\R^3\)中继承了加法和数乘运算,相应地也继承了因运算而具有的结构性质。从几何观点上看,这些平面和坐标平面没有本质区别。本节中,我们将从代数的角度论述这种相似性,并将列向量空间的概念延展至更广阔的范围。
本节内容是 节 4.3中内容的延续,二者出发点不同。节 4.3中是从矩阵的列向量组出发,本节的出发点则是子空间。

子节 4.4.1 子空间

再次强调,列向量空间本质上重要的是由加法和数乘两种运算引入的集合中元素之间的联系。因此,对于列向量空间的一个非空子集\(V\),只需要加法和数乘运算可以定义在这个集合\(V\)上,即\(V\)对加法和数乘封闭,\(V\)就会具有和列向量空间类似的性质和结构。于是,有如下定义。

定义 4.4.1.

\(\emptyset\ne V\subseteq \F^m \)。若\(V\)对于加法和数乘封闭,即对\(\forall \alpha,\beta\in V\)\(\forall c\in \F \)
  1. \(\alpha+\beta\in V\)
  2. \(c\alpha\in V\)
则称\(V\)\(\F^m\)线性子空间,或简称为\(\F^m\)子空间
子空间\(V\)上加法和数乘运算是继承自\(\F^m\),因此这两种运算也会满足定理 4.1.11中列出的8条运算性质。由于\(V\)中的元素都是列向量,\(V\)也可以被称为列向量空间。这里,我们对列向量空间的概念进行了延展,列向量空间的集合\(V\)不再需要局限是某一个\(\F^m\),而可以是任意的一个关于加法和数乘封闭的\(\F^m\)子集。
\(\emptyset\ne V_1\subseteq V\subseteq \F^m \),且\(V\)\(V_1\)都是\(\F^m\)的子空间,则我们也称\(V_1\)\(V\)的子空间。
注意到数字0数乘任意一个列向量结果都会是0向量,即坐标原点,所以每一个子空间都至少包含0向量。特别地,若\(V=\{0\}\),即\(V\)中只含有0向量,则\(V\)也满足子空间的定义,这样的子空间\(V\)被称为0子空间。为了简便,0子空间也经常被直接记为0。
除0子空间外,另一个较为特别的子空间是\(\F^m\)本身。0子空间和\(\F^m\)本身这两个子空间称为\(\F^m\)平凡子空间;不是平凡子空间的其它子空间称为非平凡子空间

4.4.2.

\(\R^3\)的所有可能子空间。

子节 4.4.2 子空间的运算

类似于集合的交运算与并运算,子空间也有两种常用运算,即子空间的交运算与和运算。接下来我们来分别介绍这两种运算。
先来证明一个子空间关于交的性质。

证明.

于是,我们可以定义子空间的第一种运算。

定义 4.4.4.

\(V_1,V_2\)是列向量空间\(\F^m\)的子空间,定义\(V_1\cap V_2\)\(V_1\)\(V_2\)交空间

4.4.5.

\(\R^3\)中,设\(V_1,V_2\)是过坐标原点的两个不重合的平面,则\(V_1,V_2\)都是\(\R^3\)的子空间,此时\(V_1\cap V_2\)是一条经过原点的直线,也是\(\R^3\)的子空间。
和交运算不同,子空间的并一般不再是子空间(见习题***)。借助子空间中的加法,我们可以引入下面的运算。
\(V_1,V_2\)\(\F^m\)的子空间,定义
\begin{equation*} V_1+V_2=\{\alpha_1+\alpha_2|\alpha_1\in V_1,\alpha_2\in V_2\}, \end{equation*}
此运算称为子空间的和运算
于是有下面的定义。

定义 4.4.7.

定义\(V_1+V_2\)\(V_1\)\(V_2\)和空间

4.4.8.

子空间的和运算与其作为集合的并运算有密切联系,事实上有下面的结论。
上述两种两个子空间的运算都可以推广到多个子空间。设\(V_1,\dots,V_s\)\(\F^m\)的子空间,则
  • \begin{equation*} V_1\cap\cdots\cap V_s=\{\alpha|\alpha\in V_i,i=1,\dots,s\} \end{equation*}
    \(\F^m\)的子空间,称为\(V_1,\dots,V_s\)的交空间。
  • \begin{equation*} V_1+\cdots+V_s=\{\alpha_1+\cdots+\alpha_s|\alpha_i\in V_i,i=1,\dots,s\} \end{equation*}
    \(\F^m\)的子空间,称为\(V_1,\dots,V_s\)的和空间。
根据定义,容易验证子空间的交运算与和运算同时满足交换律和结合律,所以上述记号没有歧义。

子节 4.4.3 (子)空间的基与维数

\(\R^3\)空间中,选定\({i} =(1,0,0)^T\)\({j} =(0,1,0)^T \)\({k} =(0,0,1)^T \)。此时,任给空间中的一个列向量 \(\alpha =(a_1,a_2,a_3)^T \)\(\alpha\) 都可以用这三个向量\({i},{j},{k}\)线性表出,且表示法唯一:
\begin{equation} \alpha = a_1 {i} +a_2{j}+a_3{k}.\tag{4.4.1} \end{equation}
下面,我们把这个性质推广到一般的\(\F^m\)及其子空间中。
在接下来的讨论中,我们总假定\(V\)是某一个\(\F^m\)子空间,向量也均指\(\F^m\)中的列向量。

定义 4.4.10.

如果在线性子空间\(V\)中存在\(n\)个向量\(\xi_1,\dots,\xi_n\)满足
  1. \(V\)中任一向量均可表示为\(\xi_1,\dots,\xi_n\)的线性组合,
  2. \(\xi_1,\dots,\xi_n\)线性无关;
则称\((\xi_1,\dots,\xi_n)\)\(V\)的一个

备注 4.4.11.

本书中我们用\((\xi_1,\dots,\xi_n)\)表示空间的一个基。使用圆括号这种记号一方面强调基是一个整体,另一方面也是强调基中向量的排列次序是重要的,即基是一个有序集。

4.4.12.

标准基。
从定义中可知,如果我们把\(V\)看成一个列向量组,则\(V\)的基就是\(V\)的极大无关组。极大无关组一般不唯一,因此\(V\)的基一般也不唯一。虽然不唯一,但由于这些极大无关组都是\(V\)的极大无关组,所以它们有相同的向量个数。

定义 4.4.13.

\(V\)\(\F^m\)的一个子空间。若\(V\)的基由\(n\)个向量组成, 则称\(V\)为一个\(n\)维列向量空间\(n\)称为\(V\)维数, 记作\(\dim V\)
我们约定:若\(V=0\),则记 \(\dim V=0\)
因为维数\(n\)实质上就是子空间\(V\)的极大无关组含有的向量个数,因此\(V\)中任意\(n+1\)个向量必线性相关。我们把基的一些常用等价条件在下面的定理中做一个总结。
基是极大无关组,因此基的子向量组必定是线性无关的。下面的定理称为扩基定理,是一个常用定理。扩基定理说明:只要一个向量组满足线性无关这一必要条件,我们就可以在这个向量组基础上构建空间的一个基,使得构建的基包含给定的向量组。
利用扩基定理,我们可以证明下面一个称为维数公式的重要结论,这是本节的重点内容。

子节 4.4.4 基与坐标

\(V\subseteq \F^m\)是一个\(n\)维的列向量子空间,\(\xi_1,\dots,\xi_n\)\(V\)的一个基。则对于\(\forall \alpha\in V\)\(\alpha\)可以唯一的表示为\(\xi_1,\dots,\xi_n\)的线性组合,记
\begin{equation} \alpha = c_1\xi_1+\dots+c_n\xi_n.\tag{4.4.2} \end{equation}
\((c_1,\dots,c_n)^T\)\(\alpha\)在基\((\xi_1,\dots,\xi_n)\)下的坐标向量(4.4.2)也常被改写为
\begin{equation*} \alpha = (\xi_1,\dots,\xi_n)\begin{pmatrix} a_1\\ \vdots\ \\ a_n \end{pmatrix}. \end{equation*}
特别地,当\(V= \F^m\),且选取基为标准基
\begin{equation*} \varepsilon_1 = (1,0,\dots,0),\ \dots,\ \varepsilon_m = (0,\dots,0,1) \end{equation*}
时,任给一个列向量\(\alpha\in V\)\(\alpha\)在标准基下的坐标向量就是\(\alpha\)本身。
事实上,建立立体空间中的点与\(\R^3\)中列向量之间一一对应关系的过程,可以等同于建立坐标系的过程;选定坐标原点和三个坐标轴的方向及单位长度,也等同于在空间中从一个选定点(坐标原点)出发画出3个基本单位向量\(i,j,k\),此时就相当于在立体空间中选定一个基。
(习惯上,我们通常选择两两垂直且长度一样的三个向量作为\(i,j,k\),这样选择是为了方便计算下一章中介绍的向量内积。单从线性空间角度,基向量\(i,j,k\)的选择只需要线性无关即可。)

4.4.17.

给一个子空间和一个向量,求一组基和这向量的坐标。
解答.
表示一个空间较为简单的方式是找出它的一组基。接下来,利用维数公式,我们用一个例子说明如何更加明确地计算出两个子空间的交空间与和空间。

4.4.18.

\(\mathbb{F}^4\)中,设
\begin{equation*} \begin{array}{c}{\alpha_1} = (1,2,1,0)^T,\alpha_2 = (-1,1,1,1)^T,\\\beta_1=(2,-1,0,1)^T,\beta_2=(1,-1,3,7)^T,\end{array} \end{equation*}
  1. \(\langle \alpha_1,\alpha_2\rangle +\langle \beta_1,\beta_2\rangle \)的维数与一个基;
  2. \(\langle \alpha_1,\alpha_2\rangle \cap \langle \beta_1,\beta_2\rangle \)的维数与一个基。
解答.

子节 4.4.5 子空间的直和运算

本节的最后将介绍一种特殊的子空间和运算,这种和运算是今后我们把大空间上复杂问题分解为小空间上简单问题时需要使用的主要工具。
假设\(V_1,V_2\)都是某一个列向量空间\(V\)的子空间。\(V_1+V_2\)中的每一个元素都可以写作
\begin{equation*} \alpha_1+\alpha_2, \end{equation*}
其中\(\alpha_1\in V_1\)\(\alpha_2\in V_2\)。一种有特殊重要意义的情形是上述这种分解方式唯一,此种情形如此重要,以至于它有单独的名称和记号。

定义 4.4.19.

\(V_1,V_2\)\(V\)的子空间。若\(V_1 + V_2\)中的任意向量\(\alpha\)的分解式
\begin{equation*} \alpha=\alpha_1+\alpha_2,\alpha_1\in V_1,\alpha_2\in V_2 \end{equation*}
唯一,则称\(V_1+V_2\)直和,记为\(V_1\oplus V_2\)
所谓分解式\(\alpha=\alpha_1+\alpha_2\)唯一,即若有
\begin{equation*} \alpha=\alpha_1+\alpha_2=\beta_1+\beta_2,\alpha_1,\beta_1\in V_1,\alpha_2,\beta_2\in V_2, \end{equation*}
则总有\(\alpha_1=\beta_1\)\(\alpha_2=\beta_2\)

4.4.20.

\(V=\R^3\)
  1. \begin{equation*} V_1=\{(x,y,0)^T|x,y\in \R\}, \end{equation*}
    \begin{equation*} V_2=\{(0,0,z)^T|z\in \R\}, \end{equation*}
    \begin{equation*} V = V_1\oplus V_2. \end{equation*}
  2. \begin{equation*} U_1=V_1=\{(x,y,0)^T|x,y\in \R\}, \end{equation*}
    \begin{equation*} U_2=\{(0,y,z)^T|y,z\in \R\}, \end{equation*}
    \(V = U_1+U_2\),但\(U_1+U_2\)不是直和。
解答.
直和定义中要求和空间中每一个元素的分解方式都是唯一的,而事实上我们仅需验证0向量的分解式唯一即可。

证明.

下面的结论分别从交空间和维数等角度给出直和的判定条件。
直和的概念也可以推广到多个子空间。

定义 4.4.24.

\(V_1,\ldots,V_s\)均为\(\F^m\)的子空间。若\(V_1+\cdots+V_s\)中任意向量\(\alpha\)的分解式
\begin{equation*} \alpha=\alpha_1+\cdots+\alpha_s,\ \alpha_i\in V_i,\ i=1,\ldots, s \end{equation*}
均唯一,则称\(V_1+\cdots+V_s\)为直和,记做\(V_1\oplus\cdots\oplus V_s\)\(\oplus_{i=1}^s V_i\)
多个子空间的直和与两个子空间的直和有一些差异。作为受命题 4.4.22诱导的一个直观想象,部分同学可能认为:两两相交为0空间的多个子空间的和也是直和。请注意:这是不对的。我们来看下面一个简单的例子。

4.4.25. 两两相交为0空间不能保证是直和.

\(V=\R^2\),取
\begin{equation*} V_1 = \{(x,0)^T|x\in R\}, \end{equation*}
\begin{equation*} V_2 = \{(0,y)^T|y\in R\}, \end{equation*}
\begin{equation*} V_3 = \{(x,x)^T|x\in R\}, \end{equation*}
\(V_1\cap V_2 = V_2\cap V_3=V_3\cap V_1=\{0\}\),但\(V_1+V_2+V_3\)不是直和。
作为总结,我们给出一个类比:子空间的和运算可以类比于一般集合的并运算;相应地,子空间的直和运算则可以类比于集合的不交并运算。需要注意的是两个子空间都会有公共元素0,所以子空间的直和并不是一般意义的不交并,从空间基的角度去理解这种特殊的“不交并”似乎更为合适。请同学们自行体会两者的区别与联系。

练习 4.4.6 练习

基础题.

1.
判断下列数域\(\mathbb{F}\)\(n\)元方程的解集是否为\(\mathbb{F}^n\)的子空间:
  1. \(\sum\limits_{i=1}^n a_ix_i=0\)
  2. \(\sum\limits_{i=1}^n a_ix_i=1\)
  3. \(\sum\limits_{i=1}^n x_i^2=0\)
解答.
a. 是;b. 不是;c. 与数域\(\mathbb{F}\)有关。
2.
\(A=\begin{pmatrix} 1&1&0\\0&1&1\\0&0&1 \end{pmatrix},C(A)=\left\{B\in\mathbb{F}^{3\times 3}|AB=BA\right\}\),求\(C(A)\)的一个基和维数。
解答.
对任意\(B=(b_{ij})_{3\times 3}\in C(A)\),有\(AB=BA\),即
\begin{equation*} \begin{pmatrix} b_{11}+b_{21}&b_{12}+b_{22}&b_{13}+b_{23}\\b_{21}+b_{31}&b_{22}+b_{32}&b_{23}+b_{33}\\b_{31}&b_{32}&b_{33} \end{pmatrix}=\begin{pmatrix} b_{11}&b_{11}+b_{12}&b_{12}+b_{13}\\b_{21}&b_{21}+b_{22}&b_{22}+b_{23}\\b_{31}&b_{31}+b_{32}&b_{32}+b_{33} \end{pmatrix}, \end{equation*}
比较系数得:\(b_{21}=b_{31}=b_{32}=0,b_{11}=b_{22}=b_{33},b_{12}=b_{23}\)
\begin{equation*} B=\begin{pmatrix} b_{11}&b_{12}&b_{13}\\0&b_{11}&b_{12}\\0&0&b_{11} \end{pmatrix}=b_{11}E_3+b_{12}J+b_{13}J^2, \end{equation*}
其中\(J=\begin{pmatrix} 0&1&0\\0&0&1\\0&0&0 \end{pmatrix}\),即\(B\)可由\(E_3,J,J^2\)线性表出。假设
\begin{equation*} aE_3+bJ+cJ^2=0, \end{equation*}
\(\begin{pmatrix} a&b&c\\0&a&b\\0&0&a \end{pmatrix}=0\),则\(a=b=c=0\)。故\(E_3,J,J^2\)线性无关。
综上,\(E_3,J,J^2\)\(C(A)\)的一个基,\(\dim C(A)=3\)
3.
\(A\)是数域\(\mathbb{F}\)\(n\)阶方阵,\(U=\{B\in\mathbb{F}^{n\times n}|AB=0\}\)
  1. 证明:\(U\)\(\mathbb{F}^{n\times n}\)的子空间;
  2. \(r(A)=r\),求\(U\)的维数和一个基。
解答.
  1. 因为\(A0=0\),所以\(0\in U\),则\(U\)\(\mathbb{F}^{n\times n}\)的非空子集。对任意\(B,C\in U, k\in \mathbb{F}\),由\(AB=AC=0\)
    \begin{equation*} A(B+C)=AB+AC=0,\ A(kB)=k(AB)=0, \end{equation*}
    \(B+C,kB\in U\)。因此\(U\)\(\mathbb{F}^{n\times n}\)的子空间。
  2. \(\xi_1,\xi_2,\cdots ,\xi_{n-r}\)是齐次线性方程组\(AX=0\)的基础解系,令
    \begin{equation*} \begin{array}{c} B_{11}=(\xi_1,0,\cdots ,0),B_{12}=(0,\xi_1,0,\cdots ,0),\cdots ,B_{1n}=(0,\cdots ,0,\xi_1),\\ B_{21}=(\xi_2,0,\cdots ,0),B_{22}=(0,\xi_2,0,\cdots ,0),\cdots ,B_{1n}=(0,\cdots ,0,\xi_2),\\ \cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots\\ B_{n-r,1}=(\xi_{n-r},0,\cdots ,0),B_{n-r,2}=(0,\xi_{n-r},0,\cdots ,0),\cdots ,B_{n-r,n}=(0,\cdots ,0,\xi_{n-r}), \end{array} \end{equation*}
    \(AB_{ij}=0,\forall 1\leq i\leq n-r,1\leq j\leq n\),即\(B_{ij}\in U\)。假设\(\sum\limits_{i=1}^{n-r}\sum\limits_{j=1}^n k_{ij}B_{ij}=0\),即
    \begin{equation*} (\sum\limits_{i=1}^{n-r} k_{i1}\xi_i,\sum\limits_{i=1}^{n-r} k_{i2}\xi_i,\cdots ,\sum\limits_{i=1}^{n-r} k_{in}\xi_i)=0, \end{equation*}
    \begin{equation*} \sum\limits_{i=1}^{n-r} k_{i1}\xi_i=\sum\limits_{i=1}^{n-r} k_{i2}\xi_i=\cdots =\sum\limits_{i=1}^{n-r} k_{in}\xi_i=0. \end{equation*}
    \(\xi_1,\xi_2,\cdots ,\xi_{n-r}\)线性无关知\(k_{ij}=0,\forall 1\leq i\leq n-r,1\leq j\leq n\)。因此
    \begin{equation*} B_{11},B_{12},\cdots ,B_{1n},B_{21},B_{22},\cdots ,B_{2n},\cdots ,B_{n-r,1},B_{n-r,2},\cdots ,B_{n-r,n} \end{equation*}
    线性无关。对任意\(B\in U\),设\(B=(\beta_1,\beta_2,\cdots ,\beta_n)\),由\(AB=0\)
    \begin{equation*} A\beta_j=0,\ \forall 1\leq j\leq n, \end{equation*}
    \(\forall 1\leq j\leq n,\ \beta_j\)是齐次线性方程组\(AX=0\)的解,故存在\(a_{ij}\in\mathbb{F}\),使得\(\beta_j=\sum\limits_{i=1}^{n-r} a_{ij}\xi_i\)。于是,
    \begin{equation*} B=(\sum\limits_{i=1}^{n-r} a_{i1}\xi_i,\sum\limits_{i=1}^{n-r} a_{i2}\xi_i,\cdots ,\sum\limits_{i=1}^{n-r} a_{in}\xi_i)=\sum\limits_{i=1}^{n-r}\sum\limits_{j=1}^n a_{ij}B_{ij}, \end{equation*}
    \(B\)可由\(B_{11},B_{12},\cdots ,B_{1n},B_{21},B_{22},\cdots ,B_{2n},\cdots ,B_{n-r,1},B_{n-r,2},\cdots ,B_{n-r,n}\)线性表出。因此\(B_{11},B_{12},\cdots ,B_{1n},B_{21},B_{22},\cdots ,B_{2n},\cdots ,B_{n-r,1},B_{n-r,2},\cdots ,B_{n-r,n}\)\(U\)的一个基,\(\dim U=n(n-r)\)
4.
\(A\)\(m\times n\)行满秩实矩阵,\(B=A^TA\)。令\(V=\left\{X\in\mathbb{R}^n\ |\ X^TBX=0\right\}\),证明\(V\)\(\mathbb{R}^n\)的一个子空间,并求\(\dim V\)
解答.
对任意\(X\in V\),有\(X^TBX=0\),则\(X^TA^TAX=0\),即
\begin{equation*} (AX)^T(AX)=0. \end{equation*}
\(AX\in\mathbb{R}^m\)\(AX=0\),故\(V\subseteq \{X\in\mathbb{R}^n|AX=0\}\)。显然\(\{X\in\mathbb{R}^n|AX=0\}\subseteq V\),故\(V\)\(AX=0\)的解空间。因此\(V\)\(\mathbb{R}^n\)的一个子空间,且
\begin{equation*} \dim V=n-r(A)=n-m. \end{equation*}
5.
\(V_1\)\(V_2\)是线性空间\(V\)的子空间且\(V_1\subseteq V_2\)。证明:\(V_1=V_2\)的充分必要条件是\(\dim V_1=\dim V_2\)
解答.
必要性:显然成立。
充分性:设\(\dim V_1= \dim V_2=m\)\(\xi_1,\xi_2,\cdots,\xi_m\)\(V_1\)的一组基。因\(V_1\subseteq V_2\),所以\(\xi_1,\xi_2,\cdots,\xi_m\)也是\(V_2\)\(m\)个线性无关的向量。由\(\dim V_2=m\)知:\(\xi_1,\xi_2,\cdots,\xi_m\)也是\(V_2\)的一个基,因此\(V_1=V_2\)
6.
在线性空间\(\mathbb{F}^n\)中,证明:
  1. 存在\(\mathbb{F}^n\)的子空间\(U\),使得\(U\)中任一非零向量的分量均不为零;
  2. \(\mathbb{F}^n\)的子空间\(U\)中任一非零向量的分量均不为零,则\(\dim U=1\)
解答.
  1. \(U=\langle (1,1,\cdots ,1)^T\rangle\),则\(U\)中任一非零向量的分量均不为零。
  2. 假设存在\(\mathbb{F}^n\)的子空间\(U\),满足\(U\)中任一非零向量的分量均不为零且\(\dim U\geq 2\),则存在
    \begin{equation*} \alpha=(a_1,a_2,\cdots ,a_n)^T,\beta=(b_1,b_2,\cdots ,b_n)^T\in U, \end{equation*}
    使得\(\alpha,\beta\)线性无关。因\(\beta\)\(U\)中非零向量,故\(b_1,b_2,\cdots ,b_n\)均不为零。由\(\alpha,\beta\in U\)\(U\)\(\mathbb{F}^n\)的子空间知:
    \begin{equation*} \alpha-\frac{a_1}{b_1}\beta=(0,a_2-\frac{a_1b_2}{b_1},\cdots ,a_n-\frac{a_1b_n}{b_1})^T\in U. \end{equation*}
    \(\alpha,\beta\)线性无关,所以\(\alpha-\frac{a_1}{b_1}\beta\neq 0\)。从而\(U\)中存在非零向量\(\alpha-\frac{a_1}{b_1}\beta\),其分量不全非零,与已知矛盾。因此\(\dim U=1\)
7.
\(\alpha_1,\alpha_2,\alpha_3\)是线性空间\(V\)中的向量,若它们两两线性无关但全体线性相关,求证:
\begin{equation*} \langle \alpha_1,\alpha_2\rangle=\langle \alpha_2,\alpha_3\rangle=\langle \alpha_1,\alpha_3\rangle. \end{equation*}
解答.
证法一:记\(W=\langle \alpha_1,\alpha_2,\alpha_3\rangle\)。 因为\(\alpha_1,\alpha_2,\alpha_3\)两两线性无关但全体线性相关,所以\(\dim W =rank(\alpha_1,\alpha_2,\alpha_3)=2\)
因为\(\alpha_1,\alpha_2\)线性无关,所以\(\dim \langle \alpha_1,\alpha_2\rangle=2\)。又因为\(\alpha_1\in W\)\(\alpha_2\in W\),所以\(\langle \alpha_1,\alpha_2\rangle\subseteq W\)。故\(\langle \alpha_1,\alpha_2\rangle=W\)。同理可证\(\langle \alpha_2,\alpha_3\rangle=\langle \alpha_1,\alpha_3\rangle=W\),结论成立。
证法二:因为\(\alpha_1,\alpha_2\)线性无关,\(\alpha_1,\alpha_2,\alpha_3\)线性相关,所以\(\alpha_3\)可由\(\alpha_1,\alpha_2\)线性表出,则向量组\(\alpha_1,\alpha_3\)可由\(\alpha_1,\alpha_2\)线性表出。因此\(\langle \alpha_1,\alpha_3\rangle\subseteq\langle \alpha_1,\alpha_2\rangle\)
同理由\(\alpha_1,\alpha_3\)线性无关、\(\alpha_1,\alpha_2,\alpha_3\)线性相关可证\(\langle \alpha_1,\alpha_2\rangle\subseteq\langle \alpha_1,\alpha_3\rangle\)。因此\(\langle \alpha_1,\alpha_3\rangle =\langle \alpha_1,\alpha_2\rangle\)
同理可证\(\langle \alpha_1,\alpha_3\rangle =\langle \alpha_2,\alpha_3\rangle\),结论成立。
8.
\(\mathbb{F}^{2\times 3}\)中,\(U=\langle A_1,A_2,A_3\rangle\),其中
\begin{equation*} A_1=\begin{pmatrix} 1&3&-2\\2&1&1 \end{pmatrix},A_2=\begin{pmatrix} 1&4&-3\\4&2&1 \end{pmatrix},A_3=\begin{pmatrix} 2&3&-1\\-2&-1&2 \end{pmatrix}, \end{equation*}
\(U\)的维数和一个基。
解答.
\(A_1,A_2,A_3\)在基\(E_{11},E_{12},E_{13},E_{21},E_{22},E_{23}\)下坐标分别为\(X_1,X_2,X_3\),则
\begin{equation*} (A_1,A_2,A_3)=(E_{11},E_{12},E_{13},E_{21},E_{22},E_{23})A, \end{equation*}
其中\(A=(X_1,X_2,X_3)\)。对\(A\)进行初等行变换
\begin{equation*} A=\begin{pmatrix} 1&1&2\\ 3&4&3\\ -2&-3&-1\\ 2&4&-2\\ 1&2&-1\\ 1&1&2 \end{pmatrix}\rightarrow\begin{pmatrix} 1&1&2\\ 0&1&-3\\ 0&0&0\\ 0&0&0\\ 0&0&0\\ 0&0&0 \end{pmatrix}, \end{equation*}
\(X_1,X_2\)\(X_1,X_2,X_3\)的一个极大无关组。因为\(A_1,A_2,A_3\)\(X_1,X_2,X_3\)有相同的线性关系,所以\(A_1,A_2\)\(A_1,A_2,A_3\)的一个极大无关组。因此,\(A_1,A_2\)\(U=\langle A_1,A_2,A_3\rangle\)的一个基,\(\dim U=2\)
9.
\(A\in\mathbb{F}^{m\times n}\)\(A=(A_1,A_2,\cdots ,A_n)\),其中\(A_i\in\mathbb{F}^m(1\leq i\leq n)\)。记
\begin{equation*} V=\{\ AX\ |\ X\in\mathbb{F}^n\ \}. \end{equation*}
求证:
  1. \(V\)\(\mathbb{F}^m\)的子空间;
  2. \(V=\langle A_1,A_2,\cdots ,A_n\rangle\)
  3. \(\dim V=r(A)\)
解答.
  1. 显然\(0\in V\),所以\(V\)\(\mathbb{F}^m\)的非空子集。
    对任意\(Y_1,Y_2\in V,k_1,k_2\in\mathbb{F}\),则存在\(X_1,X_2\in \mathbb{F}^n\)使得\(Y_1=AX_1,Y_2=AX_2\)。故
    \begin{equation*} k_1Y_1+k_2Y_2=k_1(AX_1)+k_2(AX_2)=A(k_1X_1+k_2X_2)\in V. \end{equation*}
    因此\(V\)\(\mathbb{F}^m\)的子空间。
  2. 对任意\(Y\in V\),存在\(X\in\mathbb{F}^n\)使得\(Y=AX\)。记\(X=(x_1,x_2,\cdots ,x_n)^T\),则
    \begin{equation*} \begin{array}{rcl} AX &= &(A_1,A_2,\cdots ,A_n)\begin{pmatrix}x_1\\x_2\\ \vdots\\x_n\end{pmatrix}\\ &= &x_1A_1+x_2A_2+\cdots +x_nA_n\\ &\in &\langle A_1,A_2,\cdots ,A_n\rangle,\end{array} \end{equation*}
    所以\(V\subseteq \langle A_1,A_2,\cdots ,A_n\rangle\)。反之,对任意\(Z\in \langle A_1,A_2,\cdots ,A_n\rangle\),有\(Z=a_1A_1+a_2A_2+\cdots +a_nA_n\)。令\(X=(a_1,a_2,\cdots ,a_n)^T\),则\(X\in\mathbb{F}^n\)\(Z=AX\),即\(Z\in V\)。因此\(V=\langle A_1,A_2,\cdots ,A_n\rangle\)
  3. 由上题结论知\(\dim V= r(A_1,A_2,\cdots ,A_n)=r(A)\)
10.
求由向量\(\alpha_i\)生成的子空间与由向量\(\beta_i\)生成的子空间的交与和空间的基与维数:
  1. \(\displaystyle \left\{\begin{array}{c} \alpha_1=(1,2,1,0)^T,\\ \alpha_2=(-1,1,1,1)^T, \end{array} \right.\quad\left\{\begin{array}{c} \beta_1=(2,-1,0,1)^T,\\ \beta_2=(1,-1,3,7)^T; \end{array}\right.\)
  2. \(\displaystyle \left\{\begin{array}{l}\alpha_1=\begin{pmatrix} 1&2\\-1&-2 \end{pmatrix},\\\alpha_2=\begin{pmatrix} 3&1\\1&1 \end{pmatrix},\\\alpha_3= \begin{pmatrix} -1&0\\1&-1 \end{pmatrix},\end{array}\right.\quad\left\{\begin{array}{l} \beta_1=\begin{pmatrix} 2&5\\-6&-5 \end{pmatrix},\\\beta_2=\begin{pmatrix} -1&2\\-7&3 \end{pmatrix}. \end{array}\right. \)
解答.
  1. \(V_1=\langle\alpha_1,\alpha_2 \rangle ,V_2=\langle\beta_1,\beta_2\rangle\)。因为
    \begin{equation*} V_1+V_2=\langle\alpha_1,\alpha_2 \rangle +\langle\beta_1,\beta_2\rangle=\langle\alpha_1,\alpha_2 ,\beta_1,\beta_2\rangle , \end{equation*}
    所以向量组\(\alpha_1,\alpha_2 ,\beta_1,\beta_2\)的一个极大无关组就是\(V_1+V_2\)的一个基。
    \(A=(\alpha_1,\alpha_2 ,\beta_1,\beta_2)\),对\(A\)进行初等行变换,化为阶梯形矩阵:
    \begin{equation*} A=(\alpha_1,\alpha_2,\beta_1,\beta_2)=\begin{pmatrix} 1 & -1 & 2 & 1\\ 2 & 1 & -1 & -1\\ 1 & 1 & 0 & 3\\ 0 & 1 & 1 & 7 \end{pmatrix}\xrightarrow{rref}\begin{pmatrix} 1 & 0 & 0 & -1\\ 0 & 1 & 0 & 4\\ 0 & 0 & 1 & 3\\ 0 & 0 & 0 & 0 \end{pmatrix}, \end{equation*}
    由此得出,\(\alpha_1,\alpha_2,\beta_1\)\(\alpha_1,\alpha_2 ,\beta_1,\beta_2\)的一个极大无关组,从而\(\alpha_1,\alpha_2 ,\beta_1\)\(V_1+V_2\)的一个基,因此\(\dim(V_1+V_2) =r (\alpha_1,\alpha_2,\beta_1,\beta_2)=3\)
    从上述简化行阶梯形矩阵的前\(2\)列可以看出:\(\alpha_1,\alpha_2\)线性无关;从后\(2\)列看出,\(\beta_1,\beta_2\)线性无关。因此\(\dim V_1=2,\dim V_2=2\)。由维数公式得
    \begin{equation*} \dim (V_1\cap V_2)=\dim V_1+\dim V_2-\dim (V_1+V_2)=2+2-3=1. \end{equation*}
    \(\alpha\in V_1\cap V_2\),则存在\(x_1,x_2,x_3,x_4\in\mathbb{F}\),使得
    \begin{equation*} \alpha=x_1\alpha_1+x_2\alpha_2=x_3\beta_1+x_4\beta_2, \end{equation*}
    \(x_1\alpha_1+x_2\alpha_2-x_3\beta_1-x_4\beta_2=0\),解得\(x_1=-c,x_2=4c,x_3=-3c,x_4=c\),其中\(c\)为数域\(\mathbb{F}\)上任意常数。于是,\(\alpha=c(-\alpha_1+4\alpha_2)=c(-3\beta_1+\beta_2)(\forall c\in\mathbb{F})\),故\(4\alpha_2-\alpha_1=(-5,2,3,4)^T\)\(V_1\cap V_2\)的一个基。
  2. \(V_1=\langle\alpha_1,\alpha_2,\alpha_3 \rangle ,V_2=\langle\beta_1,\beta_2\rangle\)。因为
    \begin{equation*} V_1+V_2=\langle\alpha_1,\alpha_2,\alpha_3 \rangle +\langle\beta_1,\beta_2\rangle=\langle\alpha_1,\alpha_2,\alpha_3,\beta_1,\beta_2\rangle , \end{equation*}
    所以向量组\(\alpha_1,\alpha_2,\alpha_3,\beta_1,\beta_2\)的一个极大线性无关组是\(V_1+V_2\)的一个基。注意到\(\alpha_1,\alpha_2,\alpha_3,\beta_1,\beta_2\)\(\mathbb{F}^{2\times 2}\)的一个基\(E_{11},E_{12},E_{21},E_{22}\)下的坐标为
    \begin{equation*} X_1=(1,2,-1,-2)^T,X_2=(3,1,1,1)^T,X_3=(-1,0,1,-1)^T, \end{equation*}
    \begin{equation*} Y_1=(2,5,-6,-5)^T,Y_2=(-1,2,-7,3)^T, \end{equation*}
    所以\(\alpha_1,\alpha_2,\alpha_3,\beta_1,\beta_2\)\(X_1,X_2,X_3,Y_1,Y_2\)有相同的线性关系。令\(A=(X_1,X_2,X_3,Y_1,Y_2)\),对\(A\)进行初等行变换,化为阶梯形矩阵:
    \begin{equation*} A=\begin{pmatrix} 1&3&-1&2&-1\\ 2&1&0&5&2\\ -1&1&1&-6&-7\\ -2&1&-1&-5&3 \end{pmatrix}\xrightarrow{rref}\begin{pmatrix} 1&0&0&3&0\\ 0&1&0&-1&0\\ 0&0&1&-2&0\\ 0&0&0&0&1 \end{pmatrix}, \end{equation*}
    由此得出,\(X_1,X_2,X_3,Y_2\)是向量组\(X_1,X_2,X_3,Y_1,Y_2\)的一个极大线性无关组。相应地,\(\alpha_1,\alpha_2,\alpha_3,\beta_2\)是向量组\(\alpha_1,\alpha_2,\alpha_3,\beta_1,\beta_2\)的一个极大无关组,因此\(\alpha_1,\alpha_2,\alpha_3,\beta_2\)\(V_1+V_2\)的一个基,\(\dim(V_1+V_2) =r (\alpha_1,\alpha_2,\alpha_3,\beta_1,\beta_2)=4\)
    从上述简化行阶梯形矩阵的前\(3\)列可以看出:\(\alpha_1,\alpha_2,\alpha_3\)线性无关;从后\(2\)列看出,\(\beta_1,\beta_2\)线性无关。因此\(\dim V_1=3,\dim V_2=2\)。由维数公式得
    \begin{equation*} \dim (V_1\cap V_2)=\dim V_1+\dim V_2-\dim (V_1+V_2)=3+2-4=1. \end{equation*}
    \(\alpha\in V_1\cap V_2\),则存在\(x_1,x_2,x_3,x_4,x_5\in\mathbb{F}\),使得
    \begin{equation*} \alpha=x_1\alpha_1+x_2\alpha_2+x_3\alpha_3=x_4\beta_1+x_5\beta_2, \end{equation*}
    \begin{equation*} x_1\alpha_1+x_2\alpha_2+x_3\alpha_3-x_4\beta_1-x_5\beta_2=0, \end{equation*}
    \begin{equation*} x_1X_1+x_2X_2+x_3X_3-x_4Y_1-x_5Y_2=0, \end{equation*}
    解得\(x_1=3c,x_2=-c,x_3=-2c,x_4=c,x_5=0\),其中\(c\)为数域\(\mathbb{F}\)上任意常数。于是,\(\alpha=c(3\alpha_1-\alpha_2-2\alpha_3)=c\beta_1(\forall c\in\mathbb{F})\),故\(\beta_1=\begin{pmatrix} -1&2\\-7&3 \end{pmatrix}\)\(V_1\cap V_2\)的一个基。
11.
证明:\(\mathbb{F}^n\)的任意一个子空间都是某一\(n\)元齐次线性方程组的解空间。
解答.
\(V\)\(\mathbb{F}^n\)的子空间,\(\alpha_1,\alpha_2,\cdots ,\alpha_r\)\(V\)的一个基。令
\begin{equation*} A=(\alpha_1,\alpha_2,\cdots ,\alpha_r), \end{equation*}
\(A\)是秩为\(r\)\(n\times r\)矩阵。故\(n\)元齐次线性方程组\(A^TX=0\)解空间的维数为\(n-r\),设\(\xi_1,\xi_2,\cdots ,\xi_{n-r}\)\(n\)元齐次线性方程组\(A^TX=0\)的解空间的一个基。令
\begin{equation*} B=(\xi_1,\xi_2,\cdots ,\xi_{n-r}), \end{equation*}
\(B\)是秩为\(n-r\)\(n\times (n-r)\)矩阵,且\(A^TB=(A^T\xi_1,A^T\xi_2,\cdots ,A^T\xi_{n-r})=0\)。从而\(B^TA=0\),即\((B^T\alpha_1,B^T\alpha_2,\cdots ,B^T\alpha_r)=0\),因此\(\alpha_1,\alpha_2,\cdots ,\alpha_r\)都是\(n\)元齐次线性方程组\(B^TX=0\)的解。注意到\(B^TX=0\)解空间的维数为
\begin{equation*} n-r(B)=n-(n-r)=r, \end{equation*}
\(B^TX=0\)的任意\(r\)个线性无关解向量为\(B^TX=0\)解空间的基,因此\(\alpha_1,\alpha_2,\cdots ,\alpha_r\)\(B^TX=0\)解空间的一个基。从而,\(V=\langle\alpha_1,\alpha_2,\cdots ,\alpha_r\rangle\)\(n\)元齐次线性方程组\(B^TX=0\)的解空间。
12.
证明:\(\mathbb{F}^n\)的任意一个子空间都是若干个\(n-1\)维子空间的交。
解答.
\(V\)\(\mathbb{F}^n\)的子空间,由上题结论知:\(V\)\(n\)元齐次线性方程组
\begin{equation} \left\{\begin{array}{c} a_{11}x_1+a_{12}x_2+\cdots +a_{1n}x_n=0,\\ a_{21}x_1+a_{22}x_2+\cdots +a_{2n}x_n=0,\\ \cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots\cdots\\ a_{n-r,1}x_1+a_{n-r,2}x_2+\cdots +a_{n-r,n}x_n=0 \end{array}\right.\tag{4.4.3} \end{equation}
的解空间。不妨设线性方程组 (4.4.3) 无多余方程,\(W_i\)是齐次线性方程组
\begin{equation*} a_{i1}x_1+a_{i2}x_2+\cdots +a_{in}x_n=0 \end{equation*}
的解空间(\(1\leq i\leq n-r\)),则\(W_1,W_2,\cdots ,W_{n-r}\)都是\(n-1\)维子空间,且
\begin{equation*} V=W_1\cap W_2\cap\cdots\cap W_{n-r}. \end{equation*}
13.
\(V_1\)\(V_2\)是线性空间\(V\)的子空间。证明:\(V_1\bigcup V_2\)\(V\)的子空间的充要条件是\(V_1\subseteq V_2\)\(V_2\subseteq V_1\)
解答.
充分性:由\(V_1\subseteq V_2\)\(V_2\subseteq V_1\)\(V_1\bigcup V_2=V_2\)\(V_1\)。故\(V_1\bigcup V_2\)\(V\)的子空间。
必要性:设\(V_1\not\subseteq V_2\),则存在\(\alpha\in V_1\)\(\alpha\not\in V_2\)。对任意\(\beta\in V_2\),由\(V_1\bigcup V_2\)\(V\)的子空间、\(\alpha,\beta\in V_1\bigcup V_2\)可知\(\alpha +\beta\in V_1\bigcup V_2\),则\(\alpha +\beta\in V_1\)\(V_2\)
  • \(\alpha+\beta\in V_2\),由\(\beta\in V_2\)\(V_2\)\(V\)的子空间可知\(\alpha=(\alpha +\beta)-\beta\in V_2\),与假设矛盾。
\(\alpha +\beta\in V_1\)。注意到\(\alpha\in V_1\)\(V_1\)\(V\)的子空间,所以\(\beta =(\alpha +\beta )-\alpha\in V_1\)。因此,\(V_2\subseteq V_1\)
14.
\(V\)是数域\(\mathbb{F}\)上线性空间,写出\(V\)\(s(s\geq 2)\)个有限维子空间\(V_1,V_2,\cdots ,V_s\)的相应维数公式,并予以证明。
解答.
推广的维数公式为
\begin{equation*} \dim \left(\sum\limits_{i=1}^{s} V_i\right)=\sum\limits_{i=1}^{s} \dim V_i-\sum\limits_{k=2}^{s}\dim\left[(\sum\limits_{j=1}^{k-1}V_j)\cap V_k\right]. \end{equation*}
下面用数学归纳法证明。
  1. \(s=2\)时,由维数公式知结论成立。
  2. 假设对\(s-1\)个子空间结论成立,即
    \begin{equation*} \dim \left(\sum\limits_{i=1}^{s-1} V_i\right)=\sum\limits_{i=1}^{s-1} \dim V_i-\sum\limits_{k=2}^{s-1}\dim\left[(\sum\limits_{j=1}^{k-1}V_j)\cap V_k\right]. \end{equation*}
    因为\(\sum\limits_{i=1}^{s} V_i=\left(\sum\limits_{i=1}^{s-1} V_i\right)+V_s\),所以由维数公式,有
    \begin{equation*} \dim\left(\sum\limits_{i=1}^{s} V_i\right)=\dim\left(\sum\limits_{i=1}^{s-1} V_i\right)+\dim V_s-\dim\left[\left(\sum\limits_{i=1}^{s-1} V_i\right)\cap V_s\right]. \end{equation*}
    由归纳假设得
    \begin{equation*} \dim \left(\sum\limits_{i=1}^{s} V_i\right)=\sum\limits_{i=1}^{s-1} \dim V_i-\sum\limits_{k=2}^{s-1}\dim\left[(\sum\limits_{j=1}^{k-1}V_j)\cap V_k\right]+\dim V_s-\dim\left[\left(\sum\limits_{i=1}^{s-1} V_i\right)\cap V_s\right]. \end{equation*}
    因此,
    \begin{equation*} \dim \left(\sum\limits_{i=1}^{s} V_i\right)=\sum\limits_{i=1}^{s} \dim V_i-\sum\limits_{k=2}^{s}\dim\left[(\sum\limits_{j=1}^{k-1}V_j)\cap V_k\right]. \end{equation*}
15.
\(V_1,V_2,V_3\)\(V\)的子空间,举例说明:
\begin{equation*} V_1\cap (V_2 +V_3)=(V_1\cap V_2)+(V_1\cap V_3) \end{equation*}
未必成立。
解答.
\(V=\mathbb{R}^2,V_1=\left\{(x,x)^T|x\in\mathbb{R}\right\},V_2=\left\{(x,0)^T|x\in\mathbb{R}\right\},V_3=\left\{(0,y)^T|y\in\mathbb{R}\right\}\),则
\begin{equation*} V_1\cap (V_2+V_3)=V_1\cap \mathbb{R}^2=V_1, \end{equation*}
\begin{equation*} (V_1\cap V_2)+(V_1\cap V_3)=\{0\}+\{0\}=\{0\}, \end{equation*}
此时\(V_1\cap (V_2 +V_3)=(V_1\cap V_2)+(V_1\cap V_3)\)不成立。

提高题.

16.
\(\mathbb{F}^{2\times 2}\)中,记\(U=\left\{\begin{pmatrix} x&y\\y&0 \end{pmatrix}\ |\ x,y\in\mathbb{F}\right\},W=\left\{\begin{pmatrix} x&y\\0&x \end{pmatrix}\ |\ x,y\in\mathbb{F}\right\}\)。证明:
  1. \(U,W\)都是\(\mathbb{F}^{2\times 2}\)的子空间;
  2. \(\mathbb{F}^{2\times 2}=U\oplus W\)
解答.
  1. 因为\(\begin{pmatrix} 0&0\\0&0 \end{pmatrix}\in U\),所以\(U\)\(\mathbb{F}^{2\times 2}\)的非空子集。
    对任意\(A_1=\begin{pmatrix} x_1&y_1\\y_1&0 \end{pmatrix},A_2=\begin{pmatrix} x_2&y_2\\y_2&0 \end{pmatrix}\in U,c\in\mathbb{F}\),有
    \begin{equation*} A_1+A_2=\begin{pmatrix} x_1+x_2&y_1+y_2\\y_1+y_2&0 \end{pmatrix}\in U,\ cA_1=\begin{pmatrix} cx_1&cy_1\\cy_1&0 \end{pmatrix}\in U, \end{equation*}
    \(U\)\(\mathbb{F}^{2\times 2}\)的子空间。同理可证\(W\)\(\mathbb{F}^{2\times 2}\)的子空间。
  2. 对任意\(A\in U\cap W\),由\(A\in U\)知:存在\(x,y\in\mathbb{F}\),使得\(A=\begin{pmatrix} x&y\\y&0 \end{pmatrix}\)。由\(A\in W\)\(x=y=0\),即\(A=\begin{pmatrix} 0&0\\0&0 \end{pmatrix}\),故\(U\cap W=\{0\}\)。因此\(U+W\)是直和。
    对任意\(B=\begin{pmatrix} b_{11}&b_{12}\\b_{21}&b_{22} \end{pmatrix}\in\mathbb{F}^{2\times 2}\),存在
    \begin{equation*} B_1=\begin{pmatrix} b_{11}-b_{22}&b_{21}\\b_{21}&0 \end{pmatrix}\in U,B_2=\begin{pmatrix} b_{22}&b_{12}-b_{21}\\0&b_{22} \end{pmatrix}\in W, \end{equation*}
    使得\(B=B_1+B_2\),因此\(\mathbb{F}^{2\times 2}=U+W\)。综上,\(\mathbb{F}^{2\times 2}=U\oplus W\)
17.
\(\mathbb{F}^{n\times n}\)中,记\(U=\left\{A\in\mathbb{F}^{n\times n}\ |\ tr(A)=0\right\},W=\left\{aE_n\ |\ a\in\mathbb{F}\right\}\)。证明:
  1. \(U,W\)都是\(\mathbb{F}^{n\times n}\)的子空间;
  2. \(\mathbb{F}^{n\times n}=U\oplus W\)
解答.
  1. 因为\(tr(0)=0\),所以\(0\in U\),则\(U\)\(\mathbb{F}^{n\times n}\)的非空子集。对任意\(A,B\in U, k\in \mathbb{F}\),有\(tr(A)=0,tr(B)=0\),则
    \begin{equation*} tr(A+B)=tr(A)+tr(B)=0,\ tr(kA)=k\cdot tr(A)=0, \end{equation*}
    \(A+B,kA\in U\)。因此\(U\)\(\mathbb{F}^{n\times n}\)的子空间。同理可证\(W\)\(\mathbb{F}^{n\times n}\)的子空间。
  2. (法一)设\(A\in U\cap W\),则\(tr(A)=0\)且存在\(a\in\mathbb{F}\)使得\(A=aE_n\)。于是,
    \begin{equation*} 0=tr(A)=tr(aE_n)=na. \end{equation*}
    由此得出\(a=0\),则\(A=0\),故\(U\cap W=\{0\}\)。因此\(U+W\)是直和。
    对任意\(B\in\mathbb{F}^{n\times n}\),令\(a=\frac{tr(B)}{n}\),则
    \begin{equation*} tr(B-aE_n)=tr(B)-na=0, \end{equation*}
    所以存在
    \begin{equation*} C=B-aE_n\in U,D=aE_n\in W, \end{equation*}
    使得\(B=C+D\),则\(\mathbb{F}^{n\times n}=U+W\)。综上, \(\mathbb{F}^{n\times n}=U\oplus W\)
    (法二)设\(A\in U\cap W\),则\(tr(A)=0\)且存在\(a\in\mathbb{F}\)使得\(A=aE_n\)。于是,
    \begin{equation*} 0=tr(A)=tr(aE_n)=na. \end{equation*}
    由此得出\(a=0\),则\(A=0\),故\(U\cap W=\{0\}\)。因此\(U+W\)是直和。
    我们断言,\(E_{ij}(1\leq i\neq j\leq n),E_{kk}-E_{nn}(1\leq k\leq n-1)\)\(U\)的一个基。事实上,设
    \begin{equation*} \sum\limits_{1\leq i\neq j\leq n}a_{ij}E_{ij}+\sum\limits_{k=1}^{n-1}a_{kk}(E_{kk}-E_{nn})=0, \end{equation*}
    \begin{equation*} \begin{pmatrix} a_{11}&\cdots&a_{1,n-1}&a_{1n}\\ a_{21}&\cdots&a_{2,n-1}&a_{2n}\\ \vdots&&\vdots&\vdots\\ a_{n-1,1}&\cdots&a_{n-1,n-1}&a_{n-1,n}\\ a_{n1}&\cdots&a_{n,n-1}&-\sum\limits_{k=1}^{n-1}a_{kk} \end{pmatrix}=0, \end{equation*}
    所以\(a_{ij}=0(1\leq i\neq j\leq n),a_{kk}=0(1\leq k\leq n-1)\)。故\(U\)中向量组\(E_{ij}(1\leq i\neq j\leq n),E_{kk}-E_{nn}(1\leq k\leq n-1)\)线性无关。对任意\(A=(a_{ij})\in U\),即\(tr(A)=0\),则\(a_{nn}=-\sum\limits_{k=1}^{n-1}a_{kk}\),故
    \begin{equation*} A=\sum\limits_{1\leq i\neq j\leq n}a_{ij}E_{ij}+\sum\limits_{k=1}^{n-1}a_{kk}(E_{kk}-E_{nn}), \end{equation*}
    \(A\)可由\(E_{ij}(1\leq i\neq j\leq n),E_{kk}-E_{nn}(1\leq k\leq n-1)\)线性表出。因此\(E_{ij}(1\leq i\neq j\leq n),E_{kk}-E_{nn}(1\leq k\leq n-1)\)\(U\)的一个基,\(\dim U=n^2-1\)。又\(E_n\)\(W\)的一个基,\(\dim W=1\),故\(\dim\mathbb{F}^{n\times n}=\dim U+\dim W\)。从而\(\mathbb{F}^{n\times n}=U\oplus W\)
18.
\(n\)元齐次线性方程组\(x_1=x_2=\cdots=x_n\)的解空间为\(U\)\(n\)元齐次线性方程组\(x_1+x_2+\cdots+x_n=0\)的解空间为\(W\),证明:\(\mathbb{F}^n=U\oplus W\)
解答.
(法一)对任意\(\alpha=(a_1,a_2,\cdots ,a_n)^T\in U\cap W\),有
\begin{equation*} a_1=a_2=\cdots =a_n,\ a_1+a_2+\cdots +a_n=0, \end{equation*}
\(a_1=a_2=\cdots =a_n=0\),即\(\alpha=0\),故\(U+W\)是直和。
对任意\(\alpha=(a_1,a_2,\cdots ,a_n)^n\in\mathbb{F}^n\),记\(a=\frac{a_1+a_2+\cdots +a_n}{n}\),则\(\beta=(a,a,\cdots ,a)^T\in U,\gamma=(a_1-a,a_2-a,\cdots ,a_n-a)^T\in W\),且\(\alpha=\beta+\gamma\),故\(\mathbb{F}^n=U+W\)。综上,\(\mathbb{F}^n=U\oplus W\)
(法二)对任意\(\alpha=(a_1,a_2,\cdots ,a_n)^T\in U\cap W\),有
\begin{equation*} a_1=a_2=\cdots =a_n,\ a_1+a_2+\cdots +a_n=0, \end{equation*}
\(a_1=a_2=\cdots =a_n=0\),即\(\alpha=0\),故\(U+W\)是直和。易见\((1,1,\cdots ,1)^T\)\(U\)的一个基,\((-1,1,0,\cdots ,0)^T,(-1,0,1,\cdots ,0)^T,\cdots ,(-1,0,\cdots ,0,1)^T\)\(W\)的一个基,则\(\dim U=1,\dim W=n-1\),故\(\dim\mathbb{F}^n=\dim U+\dim W\)。综上,\(\mathbb{F}^n=U\oplus W\)
19.
设数域\(\mathbb{F}\)上的\(n\)阶方阵\(A,B,C,D\)两两可交换,且满足\(AC+BD=E_n\)。记\(ABX=0\)的解空间为\(V\)\(AX=0\)的解空间为\(V_1\)\(BX=0\)的解空间为\(V_2\)。证明:\(V=V_1\oplus V_2\)
解答.
对任意\(X_1\in V_1\),有\(AX_1=0\),则\(BAX_1=0\)。由于\(AB=BA\),所以\(ABX_1=0\),即\(X_1\in V\),故\(V_1\subseteq V\)。同理\(V_2\subseteq V\),因此\(V_1+V_2\subseteq V\)
对任意\(\alpha\in V\),有\(AB\alpha=0\)。由\(AC+BD=E_n\)
\begin{equation*} AC\alpha+BD\alpha=\alpha, \end{equation*}
\(\alpha_1=BD\alpha,\alpha_2=AC\alpha\),则\(\alpha=\alpha_1+\alpha_2\)。注意到\(A,B,C,D\)两两可交换,故
\begin{equation*} A\alpha_1=A(BD\alpha)=DAB\alpha=0,\ B\alpha_2=B(AC\alpha)=CAB\alpha=0, \end{equation*}
\(\alpha_1\in V_1,\alpha_2\in V_2\)。因此\(V\subseteq V_1+V_2\),从而\(V=V_1+V_2\)
对任意\(\alpha\in V_1\cap V_2\),有\(A\alpha=0,B\alpha=0\)。由于\(AC+BD=E_n\),所以\(\alpha=AC\alpha+BD\alpha\)。又\(A,B,C,D\)两两可交换,故\(\alpha=CA\alpha+DB\alpha=0\),即\(V_1\cap V_2=\{0\}\)
综上,\(V=V_1\oplus V_2\)
20.
\(A_i\in\mathbb{F}^{m_i\times n}\),齐次线性方程组\(A_iX=0\)的解空间是\(V_i\)\(i=1,2\)) 。证明:\(F^n=V_1\oplus V_2\)的充分必要条件为\(r \begin{pmatrix} A_1\\A_2 \end{pmatrix}=r(A_1)+r(A_2)=n\)
解答.
必要性:因为\(V_i\)\(A_iX=0\)的解空间,所以\(\dim V_i=n-r(A_i)\)。由\(\mathbb{F}^n=V_1\oplus V_2\)知:\(\dim\mathbb{F}^n=\dim V_1+\dim V_2\),所以\(r(A_1)+r(A_2)=n\)
注意到\(V_1+V_2\)是直和,故\(V_1\cap V_2=\{0\}\)。而\(V_1\cap V_2\)是齐次线性方程组\(\begin{pmatrix} A_1\\A_2 \end{pmatrix}X=0\)的解空间,\(\dim (V_1\cap V_2)=n-r\begin{pmatrix} A_1\\A_2 \end{pmatrix}\),故\(r\begin{pmatrix} A_1\\A_2 \end{pmatrix}=n\)
综上,\(r\begin{pmatrix} A_1\\A_2 \end{pmatrix}=r(A_1)+r(A_2)=n\)
充分性:因为\(r\begin{pmatrix} A_1\\A_2 \end{pmatrix}=n\),所以齐次线性方程组\(\begin{pmatrix} A_1\\A_2 \end{pmatrix}X=0\)只有零解,则\(V_1\cap V_2=\{0\}\)。又\(r(A_1)+r(A_2)=n\),故\((n-r(A_1))+(n-r(A_2))=n\),即\(\dim V_1+\dim V_2=\dim \mathbb{F}^n\)。因此\(\mathbb{F}^n=V_1\oplus V_2\)
21.
\(V\)是数域\(\mathbb{F}\)\(n\)维线性空间,\(U\)\(V\)的非零子空间。证明:如果\(U\)\(V\)中存在唯一的补空间,即存在唯一的子空间\(W\)使得\(V=U\oplus W\),则\(U=V\)
解答.
(反证法)假设\(U\neq V\),则\(0<\dim U=r<n\)。设\(\xi_1,\cdots ,\xi_r\)\(U\)的一个基,将其扩充为\(V\)的一个基\(\xi_1,\cdots ,\xi_r,\xi_{r+1},\cdots ,\xi_n\)。令
\begin{equation*} W_1=\langle\xi_{r+1},\cdots ,\xi_n\rangle,\ W_2=\langle\xi_1+\xi_{r+1},\xi_{r+2},\cdots ,\xi_n\rangle, \end{equation*}
易见\(W_1\)\(U\)\(V\)中的补空间。我们断言,\(W_2\)\(U\)\(V\)中异于\(W_1\)的补空间。事实上,由于\((\xi_1,\cdots ,\xi_r,\xi_1+\xi_{r+1},\cdots ,\xi_n)=(\xi_1,\cdots ,\xi_r,\xi_{r+1},\cdots ,\xi_n)A\),其中\(A=\begin{pmatrix} 1&&&1&&\\ &\ddots&&&&\\ &&1&&&\\ &&&1&&\\ &&&&\ddots&\\ &&&&&1 \end{pmatrix}\)可逆,又\(\xi_1,\cdots ,\xi_n\)\(V\)的一个基,所以 \(\xi_1,\cdots ,\xi_r,\xi_{r+1},\cdots ,\xi_n\)\(V\)的一个基,故\(V=U+W_2\)
\begin{equation*} \dim V=\dim U+\dim W_2, \end{equation*}
从而\(V=U\oplus W_2\),即\(W_2\)也是\(U\)的补空间。
\(W_1=W_2\),由\(\xi_1+\xi_{r+1}\in W_2\)知:\(\xi_1+\xi_{r+1}\in W_1\),又\(\xi_{r+1}\in W_1\),故
\begin{equation*} (\xi_1+\xi_{r+1})-\xi_{r+1}\in W_1, \end{equation*}
\(\xi_1\in W_1\)。从而\(\xi_1\in U\cap W_1\),这与\(U\cap W_1=\{0\}\)相矛盾。因此\(W_1\neq W_2\)。从而\(U\)\(V\)中存在两个不同的补空间\(W_1\)\(W_2\),与题设矛盾。因此\(U=V\)
22.
\(V\)是数域\(\mathbb{F}\)\(n\)维线性空间,\(U\)\(V\)的非平凡子空间。证明:\(U\)\(V\)中有无穷多个补空间。
解答.
\(\xi_1,\cdots ,\xi_r\)\(U\)的一个基,其中\(0<r<n\),将其扩充为\(V\)的一个基\(\xi_1,\cdots ,\xi_r,\xi_{r+1},\cdots ,\xi_n\)。对任意\(a\in \mathbb{F}\),令
\begin{equation*} W_a=\langle a\xi_1+\xi_{r+1},\xi_{r+2},\cdots ,\xi_n\rangle, \end{equation*}
由于
\begin{equation*} (\xi_1,\cdots ,\xi_r,a\xi_1+\xi_{r+1},\xi_{r+2},\cdots ,\xi_n)=(\xi_1,\cdots ,\xi_r,\xi_{r+1},\cdots ,\xi_n)A, \end{equation*}
其中\(A=\begin{pmatrix} 1&&&a&&\\ &\ddots&&&&\\ &&1&&&\\ &&&1&&\\ &&&&\ddots&\\ &&&&&1 \end{pmatrix}\)可逆,又\(\xi_1,\cdots ,\xi_n\)\(V\)的一个基,所以\(\xi_1,\cdots ,\xi_r,a\xi_1+\xi_{r+1},\xi_{r+2},\cdots ,\xi_n\)\(V\)的一个基,故\(V=U+W_a\)
\begin{equation*} \dim V=\dim U+\dim W_a, \end{equation*}
从而\(V=U\oplus W_a\),即\(\forall a\in \mathbb{F},\ W_a\)都是\(U\)的补空间。
我们断言,当\(a\neq b\in\mathbb{F}\)时,\(W_a\neq W_b\)。否则,若存在\(a\neq b\in \mathbb{F}\)使得\(W_a=W_b\),则\(a\xi_1+\xi_{r+1}\in W_b\)。于是存在\(a_{r+1},a_{r+2},\cdots ,a_n\in\mathbb{F}\),使得
\begin{equation*} a\xi_1+\xi_{r+1}=a_{r+1}(b\xi_1+\xi_{r+1})+a_{r+2}\xi_{r+2}+\cdots +a_n\xi_n, \end{equation*}
\begin{equation*} (a_{r+1}b-a)\xi_1+(a_{r+1}-1)\xi_{r+1}+a_{r+2}\xi_{r+2}+\cdots +a_n\xi_n=0, \end{equation*}
\(\xi_1,\cdots ,\xi_n\)线性无关,所以\(a=b,a_{r+1}=1,a_{r+2}=\cdots =a_n=0\),这与\(a\neq b\)相矛盾,因此当\(a\neq b\in\mathbb{F}\)时,\(W_a\neq W_b\)。注意到数域\(\mathbb{F}\)包含有无穷多个数,从而\(U\)\(V\)中有无穷多个补空间\(W_a\)
23.
\(V\)是数域\(\mathbb{F}\)\(n\)维线性空间,\(V_1\)\(V_2\)\(V\)的子空间,且\(\dim V_1=\dim V_2\)。证明:存在\(V\)的子空间\(W\),使得\(V=V_1\oplus W=V_2\oplus W\)
解答.
\(\xi_1,\cdots ,\xi_r\)\(V_1\bigcap V_2\)的基。由于\(\dim V_1=\dim V_2\),所以将其扩充为\(V_1\)的基
\begin{equation*} \xi_1,\cdots ,\xi_r,\alpha_1,\cdots ,\alpha_s, \end{equation*}
也可将其扩充为\(V_2\)的基
\begin{equation*} \xi_1,\cdots ,\xi_r,\beta_1,\cdots ,\beta_s. \end{equation*}
此时,\(\xi_1,\cdots ,\xi_r,\alpha_1,\cdots ,\alpha_s,\beta_1,\cdots ,\beta_s\)是子空间\(V_1+V_2\)的基。因此,可将其扩充为\(V\)的基\(\xi_1,\cdots ,\xi_r,\alpha_1,\cdots ,\alpha_s,\beta_1,\cdots ,\beta_s,\gamma_1,\cdots ,\gamma_t\)。令
\begin{equation*} W=\langle \alpha_1+\beta_1,\cdots ,\alpha_s+\beta_s,\gamma_1,\cdots ,\gamma_t\rangle, \end{equation*}
我们断言,\(V=V_1\oplus W=V_2\oplus W\)。事实上,对任意\(\alpha\in V_1\bigcap W\),有
\begin{equation*} \alpha=\sum\limits_{i=1}^rk_i\xi_i+\sum\limits_{j=1}^sl_j\alpha_j=\sum\limits_{j=1}^sp_j(\alpha_j+\beta_j)+\sum\limits_{m=1}^tq_m\gamma_m, \end{equation*}
\begin{equation*} \sum\limits_{i=1}^rk_i\xi_i+\sum\limits_{j=1}^s(l_j-p_j)\alpha_j-\sum\limits_{j=1}^sp_j\beta_j-\sum\limits_{m=1}^tq_m\gamma_m=0. \end{equation*}
\(\xi_1,\cdots ,\xi_r,\alpha_1,\cdots ,\alpha_s,\beta_1,\cdots ,\beta_s,\gamma_1,\cdots ,\gamma_t\)线性无关可知:
\begin{equation*} k_1=\cdots=k_r=l_1=\cdots=k_s=p_1=\cdots=p_s=q_1=\cdots=q_t=0, \end{equation*}
\(\alpha=0\),故\(V_1\bigcap W=0\)。对任意\(\beta\in V\),有
\begin{equation*} \beta=\sum\limits_{i=1}^ra_i\xi_i+\sum\limits_{j=1}^sb_j\alpha_j+\sum\limits_{j=1}^sc_j\beta_j+\sum\limits_{k=1}^td_k\gamma_k, \end{equation*}
\begin{equation*} \beta=\left[\sum\limits_{i=1}^ra_i\xi_i+\sum\limits_{j=1}^s(b_j-c_j)\alpha_j\right]+\left[\sum\limits_{j=1}^sc_j(\alpha_j+\beta_j)+\sum\limits_{k=1}^td_k\gamma_k\right]\in V_1+W, \end{equation*}
所以\(V=V_1+W\),从而\(V=V_1\oplus W\)。同理可证,\(V=V_2\oplus W\)
(法二)设\(\dim V_1=\dim V_2=m\),对\(n-m\)作数学归纳法。
  1. \(n-m=1\)时,则\(n=m+1\)。因为\(V_1,V_2\)\(V\)的真子空间,所以存在\(\alpha\in V\text{,}\)\(\alpha\not\in V_1\cup V_2\)。令\(W=\langle\alpha\rangle\),则\(V=V_1\oplus W=V_2\oplus W\)
  2. 假设命题对\(n-m=k\)时成立,以下考虑\(n-m=k+1\)的情形。取\(\alpha\in V\),但\(\alpha\not\in V_1\cup V_2\)。令\(V_1'=V_1\oplus\langle\alpha\rangle,V_2'=V_2\oplus\langle\alpha\rangle\),则
    \begin{equation*} \dim V_1'=\dim V_2'=m+1. \end{equation*}
    此时\(n-(m+1)=(n-m)-1=k\)。由归纳假设,存在\(V\)的子空间\(W'\),使得\(V=V_1'\oplus W'=V_2'\oplus W'\)。令\(W=\langle\alpha\rangle\oplus W'\),则
    \begin{equation*} V=V_1\oplus W=V_2\oplus W. \end{equation*}

挑战题.

24.