编号说明:本节编号沿用原书(第四版)3.E 的 3.87–3.107。原书 3.95(记号 v+U)并入定义 3.97;3.102、3.104(商空间上的运算与商映射 π)并入定义 3.99;3.106(诱导映射的记号)即定理 3.107 中引入的诱导同构;定理 3.94 的维数判别见注(子空间和的维数公式);例 3.98 并入例 3.96;例 3.91 未单列。页面自编的补充条目(如把 𝔽ⁿ 视为积、和映射、有限域计数等)一律不编号。
积空间:定义与基本例子
前面几节研究的是单个向量空间以及它们之间的线性映射。本节转向另一个方向:从已有的向量空间出发,系统地构造新的向量空间。第一种构造最朴素——把 \(m\) 个空间 \(V_1,\dots,V_m\) 的元素打包成 \(m\) 元组,并"逐分量"地定义加法与标量乘法。这就是积空间。
设 \(V_1,\dots,V_m\) 都是 \(\mathbb{F}\) 上的向量空间。定义 \[ V_1\times\cdots\times V_m=\bigl\{(v_1,\dots,v_m):\ v_1\in V_1,\ \dots,\ v_m\in V_m\bigr\}, \] 其中的运算按逐分量(coordinatewise)方式进行: \[ (v_1,\dots,v_m)+(w_1,\dots,w_m)=(v_1+w_1,\dots,v_m+w_m),\qquad \lambda(v_1,\dots,v_m)=(\lambda v_1,\dots,\lambda v_m). \]
请特别注意:即便所有 \(V_i\) 都落在同一个大空间里,元组 \((v_1,\dots,v_m)\) 记录的也是有序罗列而非它们的和。元组的第 \(i\) 个分量只关心自己来自 \(V_i\),不同分量之间不做任何运算——运算发生在积空间自身的加法与数乘之中。
最重要的例子是 \[ \mathbb{F}^n=\underbrace{\mathbb{F}\times\cdots\times\mathbb{F}}_{n\text{ 个}}, \] 即 \(n\) 个 \(\mathbb{F}\) 的积。第 1 章定义的 \(\mathbb{F}^n\) 正是这样一种积空间:\(\mathbb{F}^n\) 的元素是 \(n\) 个数组成的有序组,加法与数乘逐分量进行。换言之,\(\mathbb{F}^n\) 并非一个孤立的规定,而是积构造的特例。
不同类型的空间也可以相乘。\(\mathbb{R}^2\times\mathcal{P}_1(\mathbb{R})\) 的典型元素形如 \[ \bigl((3,-1),\;5+2x\bigr), \] 其加法如 \[ \bigl((3,-1),\,5+2x\bigr)+\bigl((0,4),\,1-x\bigr)=\bigl((3,3),\,6+x\bigr). \] 又如 \(\mathbb{F}^2\times\mathbb{F}^3\) 的元素 \(\bigl((a_1,a_2),(b_1,b_2,b_3)\bigr)\) 可以重新分组写成 \((a_1,a_2,b_1,b_2,b_3)\),这暗示 \(\mathbb{F}^2\times\mathbb{F}^3\) 与 \(\mathbb{F}^5\) "本质相同"——本节末尾的维数公式将把这一直觉变为定理。
积空间 \(V_1\times\cdots\times V_m\) 在定义 3.87 的运算下是一个 \(\mathbb{F}\) 上的向量空间。
证明. 逐条验证向量空间的公理,每一条都逐分量归结为相应 \(V_i\) 中的公理。以其中几条为例,其余完全类似。
加法交换律: \[ (v_1,\dots,v_m)+(w_1,\dots,w_m)=(v_1+w_1,\dots,v_m+w_m)=(w_1+v_1,\dots,w_m+v_m)=(w_1,\dots,w_m)+(v_1,\dots,v_m), \] 其中第二个等号对每个分量使用 \(V_i\) 的交换律。加法结合律同理。
加法单位元是 \((0,\dots,0)\)(第 \(i\) 个分量是 \(V_i\) 的零元),因为 \[ (v_1,\dots,v_m)+(0,\dots,0)=(v_1+0,\dots,v_m+0)=(v_1,\dots,v_m). \] 加法逆元为 \[ -(v_1,\dots,v_m)=(-v_1,\dots,-v_m), \] 因为两者相加得 \((v_1-v_1,\dots,v_m-v_m)=(0,\dots,0)\)。
数乘的四条公理同样逐分量验证,例如 \(1(v_1,\dots,v_m)=(1v_1,\dots,1v_m)=(v_1,\dots,v_m)\),又如 \[ (a+b)(v_1,\dots,v_m)=\bigl((a+b)v_1,\dots,(a+b)v_m\bigr)=a(v_1,\dots,v_m)+b(v_1,\dots,v_m). \] 故 \(V_1\times\cdots\times V_m\) 是向量空间。
在例 3.88 中我们看到 \(\mathbb{F}^2\times\mathbb{F}^3\) "应当"与 \(\mathbb{F}^5\) 同构。更一般地,当 \(U_1,\dots,U_m\) 是同一个空间 \(V\) 的子空间时,积 \(U_1\times\cdots\times U_m\) 与子空间的和 \(U_1+\cdots+U_m\) 之间存在一座天然的桥梁。这座桥,就是下一小节的和映射。
和映射、\(\Gamma(f)\) 与直和
设 \(U_1,\dots,U_m\) 都是 \(V\) 的子空间。积 \(U_1\times\cdots\times U_m\) 把"每一块各取一个向量"打包成元组;而把它们加起来便得到 \(V\) 中的一个向量。这一操作就是本小节的主角。
设 \(U_1,\dots,U_m\) 是 \(V\) 的子空间,定义和映射 (sum map) \[ f\colon\ U_1\times\cdots\times U_m\to V,\qquad f(v_1,\dots,v_m)=v_1+\cdots+v_m. \] 记其零空间为 \[ \Gamma(f)=\operatorname{null} f=\bigl\{(v_1,\dots,v_m)\in U_1\times\cdots\times U_m:\ v_1+\cdots+v_m=0\bigr\}, \] 它是 \(U_1\times\cdots\times U_m\) 的子空间。当上下文清楚时,简记 \(\Gamma(f)\) 为 \(\Gamma\)。
直观地说,\(\Gamma(f)\) 度量了"多余的表示自由度":一个元组落在 \(\Gamma(f)\) 中,恰意味着各分量的非平凡组合可以互相抵消成零。若 \(\Gamma(f)=\{0\}\),则除了每个分量都取零之外没有任何方式加出零——这正是直和的判别特征。
取 \(V=\mathbb{R}^2\)。若 \(U_1=\{(x,0):x\in\mathbb{R}\}\)(\(x\) 轴)且 \(U_2=\{(0,y):y\in\mathbb{R}\}\)(\(y\) 轴),则 \[ (v_1,v_2)\in\Gamma(f)\ \Longleftrightarrow\ v_1+v_2=0\ \Longleftrightarrow\ v_1=v_2=0, \] 故 \(\Gamma(f)=\{0\}\)。反之,若 \(U_1=U_2\) 同为 \(x\) 轴,则 \(\Gamma(f)\) 由形如 \(\bigl((a,0),(-a,0)\bigr)\) 的元组组成,\(a\in\mathbb{R}\) 任意,故 \(\Gamma(f)\) 是一条一维的"对角线",远非 \(\{0\}\)。
设 \(U_1,\dots,U_m\) 是 \(V\) 的子空间,\(f\) 为前述定义中的和映射。则 \(f\) 是线性映射,且 \[ \operatorname{range} f=U_1+\cdots+U_m. \]
证明. 先证线性。对 \(U_1\times\cdots\times U_m\) 中的元组 \((v_1,\dots,v_m)\)、\((w_1,\dots,w_m)\) 与 \(\lambda\in\mathbb{F}\), \[ f\bigl((v_1,\dots,v_m)+\lambda(w_1,\dots,w_m)\bigr)=f(v_1+\lambda w_1,\dots,v_m+\lambda w_m)=\sum_{i=1}^{m}(v_i+\lambda w_i)=\sum_{i=1}^{m}v_i+\lambda\sum_{i=1}^{m}w_i=f(v_1,\dots,v_m)+\lambda f(w_1,\dots,w_m), \] 其中第三个等号对每个分量逐项展开。故 \(f\in\mathcal{L}(U_1\times\cdots\times U_m,\,V)\)。
再证值域。一方面,任取 \(f(v_1,\dots,v_m)=v_1+\cdots+v_m\),它是 \(U_1,\dots,U_m\) 中向量之和,按子空间和的定义属于 \(U_1+\cdots+U_m\),故 \(\operatorname{range} f\subseteq U_1+\cdots+U_m\)。另一方面,\(U_1+\cdots+U_m\) 的每个元素形如 \(v_1+\cdots+v_m\)(其中 \(v_i\in U_i\)),它恰是 \(f(v_1,\dots,v_m)\),故反向包含也成立。
于是 \(f\) 是从积 \(U_1\times\cdots\times U_m\) 映到和 \(U_1+\cdots+U_m\) 上的线性满射。它何时还是单射?答案与直和概念严丝合缝地对接。
设 \(U_1,\dots,U_m\) 是 \(V\) 的子空间,\(f\) 为和映射。则下列条件等价:
(a) \(\Gamma(f)=\{0\}\),即 \(f\) 是单射;
(b) 由 \(u_1+\cdots+u_m=0\)(其中 \(u_i\in U_i\))可推出 \(u_1=\cdots=u_m=0\);
(c) \(U_1+\cdots+U_m\) 是直和 \(U_1\oplus\cdots\oplus U_m\),即和中的每个向量写为 \(u_1+\cdots+u_m\)(\(u_i\in U_i\))的方式唯一。
在上述条件成立时,\(f\) 限制为到 \(U_1+\cdots+U_m\) 的线性双射,从而是同构;其逆映射把每个 \(v\in U_1\oplus\cdots\oplus U_m\) 送到它的唯一分解 \((u_1,\dots,u_m)\)。换言之, \[ U_1\oplus\cdots\oplus U_m\ \cong\ U_1\times\cdots\times U_m. \]
证明. (a) 与 (b) 的等价是显然的:\(f\) 单,当且仅当其零空间只有零元,即由 \(f(u_1,\dots,u_m)=u_1+\cdots+u_m=0\) 必得 \((u_1,\dots,u_m)=0\),亦即 \(u_1=\cdots=u_m=0\)。
(b) 与 (c) 的等价:先设 (b) 成立,证分解唯一。若 \[ u_1+\cdots+u_m=w_1+\cdots+w_m,\qquad u_i,w_i\in U_i, \] 移项得 \[ (u_1-w_1)+\cdots+(u_m-w_m)=0, \] 且 \(u_i-w_i\in U_i\)。由 (b) 得 \(u_i-w_i=0\),即 \(u_i=w_i\) 对每个 \(i\) 成立,分解唯一。反之设 (c) 成立,则零向量的分解唯一;而 \(0=0+\cdots+0\) 显然是一种分解,故任何满足 \(u_1+\cdots+u_m=0\) 的分解必为此平凡分解,即 (b) 成立。
最后,设上述等价条件成立。由前一条定理,\(f\colon U_1\times\cdots\times U_m\to U_1+\cdots+U_m\) 是线性满射;由 (a) 它又是单射。线性双射即可逆线性映射,由 3.D 知它是同构。逆映射 \(v\mapsto(u_1,\dots,u_m)\) 的含义正是"取唯一分解"。
取 \(V=\mathbb{R}^3\),\(U_1=\{(x,0,0)\}\)、\(U_2=\{(0,y,0)\}\)、\(U_3=\{(0,0,z)\}\)。任一 \((x,y,z)\) 都唯一地写成三个坐标轴向量之和,故 \(\mathbb{R}^3=U_1\oplus U_2\oplus U_3\),从而由定理 3.93, \[ \mathbb{R}^3\ \cong\ U_1\times U_2\times U_3\ \cong\ \mathbb{R}\times\mathbb{R}\times\mathbb{R}=\mathbb{R}^3, \] 同构由 \((x,y,z)\mapsto\bigl((x,0,0),(0,y,0),(0,0,z)\bigr)\) 实现。更一般地,\(\mathbb{F}^n=\operatorname{span}(e_1)\oplus\cdots\oplus\operatorname{span}(e_n)\cong\mathbb{F}\times\cdots\times\mathbb{F}\)(\(n\) 个 \(\mathbb{F}\))。
取 \(V=\mathbb{R}^2\),\(U_1=\operatorname{span}\bigl((1,0)\bigr)\),\(U_2=\operatorname{span}\bigl((2,0)\bigr)\)。两者其实是同一条 \(x\) 轴,故 \(U_1+U_2=U_1\) 只有一维,当然不是直和。和映射 \[ f\bigl((a,0),(2b,0)\bigr)=(a+2b,0) \] 的零空间由 \(a=-2b\) 的元组 \(\bigl((-2b,0),(2b,0)\bigr)\) 组成,\(b\in\mathbb{R}\),故 \(\Gamma(f)\) 是一维的:"两份同一维度的信息,加起来只剩一份",差掉的那一维正沉睡在 \(\Gamma(f)\) 里。
设 \(m=2\)。断言:\(\Gamma(f)\) 同构于交 \(U_1\cap U_2\),对应由 \[ u\ \mapsto\ (u,-u),\qquad u\in U_1\cap U_2 \] 给出。事实上,若 \((u_1,u_2)\in\Gamma(f)\),则 \(u_1+u_2=0\),即 \(u_2=-u_1\),于是 \(u_1=-u_2\in U_2\) 又 \(u_1\in U_1\),故 \(u_1\in U_1\cap U_2\);反之每个 \(u\in U_1\cap U_2\) 给出 \(\Gamma(f)\) 的元组 \((u,-u)\)。上述对应显然线性、单且满,故 \(\Gamma(f)\cong U_1\cap U_2\)。两个子空间的"多余自由度",精确地就是它们的公共部分。
取 \(V=\mathbb{F}^4\), \[ U_1=\bigl\{(x,x,y,y):\ x,y\in\mathbb{F}\bigr\},\qquad U_2=\bigl\{(x,y,x,y):\ x,y\in\mathbb{F}\bigr\}. \] 两者都是二维子空间。由前例,\(\Gamma(f)\cong U_1\cap U_2\)。而 \[ (x,x,y,y)=(a,b,a,b)\ \Longleftrightarrow\ x=y=a=b, \] 故 \(U_1\cap U_2=\bigl\{(t,t,t,t):\ t\in\mathbb{F}\bigr\}\) 是一维的,于是 \(\Gamma(f)\) 一维,\(U_1+U_2\) 不是直和。这个例子中"信息重叠"的结构一目了然:\(U_1\) 记录的是"前两个坐标一致、后两个坐标一致",\(U_2\) 记录的是"第 1、3 坐标一致,第 2、4 坐标一致",两者都携带了"四个坐标全一致"这一公共信息,交集恰是它。
积的维数
现在把例 3.88 中的直觉(\(\mathbb{F}^2\times\mathbb{F}^3\) 应当"是" \(\mathbb{F}^5\))变成定理。方法干脆利落:把各因子的基首尾相接,便得到积的基。
设 \(V_1,\dots,V_m\) 都是有限维向量空间。则 \(V_1\times\cdots\times V_m\) 有限维,且 \[ \dim\bigl(V_1\times\cdots\times V_m\bigr)=\dim V_1+\cdots+\dim V_m. \]
证明. 对每个 \(i\),设 \(n_i=\dim V_i\),取 \(V_i\) 的基 \(e_{i,1},\dots,e_{i,n_i}\)。为书写简洁,用 \(E_{i,j}\) 表示 \(V_1\times\cdots\times V_m\) 中第 \(i\) 个分量为 \(e_{i,j}\)、其余分量全为 \(0\) 的元组。断言:把各组基依次拼接所得的列表 \[ E_{1,1},\dots,E_{1,n_1};\ E_{2,1},\dots,E_{2,n_2};\ \dots;\ E_{m,1},\dots,E_{m,n_m} \] (共 \(n_1+\cdots+n_m\) 个元组)是 \(V_1\times\cdots\times V_m\) 的一组基。
张成:任取 \((v_1,\dots,v_m)\in V_1\times\cdots\times V_m\)。对每个 \(i\),把 \(v_i\) 按 \(V_i\) 的基展开: \[ v_i=\sum_{j=1}^{n_i}a_{i,j}\,e_{i,j},\qquad a_{i,j}\in\mathbb{F}. \] 逐分量比较可知 \[ (v_1,\dots,v_m)=\sum_{i=1}^{m}\sum_{j=1}^{n_i}a_{i,j}\,E_{i,j}, \] 因为等式两边的第 \(i\) 个分量都是 \(\sum_{j}a_{i,j}e_{i,j}=v_i\)。故上述列表张成整个积空间。
线性无关:设 \[ \sum_{i=1}^{m}\sum_{j=1}^{n_i}a_{i,j}\,E_{i,j}=(0,\dots,0),\qquad a_{i,j}\in\mathbb{F}. \] 固定某个 \(i\),考察该元组的第 \(i\) 个分量。诸 \(E_{i',j}\)(\(i'\ne i\))的第 \(i\) 个分量为 \(0\),而诸 \(E_{i,j}\) 的第 \(i\) 个分量为 \(e_{i,j}\),故第 \(i\) 个分量的等式化为 \[ \sum_{j=1}^{n_i}a_{i,j}\,e_{i,j}=0_{V_i}. \] 由 \(e_{i,1},\dots,e_{i,n_i}\) 线性无关得 \(a_{i,1}=\cdots=a_{i,n_i}=0\)。这对每个 \(i\) 都成立,故全部系数为零。
于是该列表既是张成组又是线性无关组,故为基;其长度为 \(n_1+\cdots+n_m\),即所要证的维数等式。
\(\dim\bigl(\mathbb{F}^m\times\mathbb{F}^n\bigr)=m+n\)。特别地,\(\mathbb{F}^2\times\mathbb{F}^3\) 与 \(\mathbb{F}^5\) 都是五维空间,因而互相同构(同维数的有限维空间彼此同构)。
把定理 3.92 与线性映射的基本定理(定理 3.21:\(\dim V=\dim\operatorname{null} T+\dim\operatorname{range} T\))应用于和映射 \(f\),立刻得到一个有用的维数等式:若 \(U_1,\dots,U_m\) 都是有限维空间 \(V\) 的子空间,则 \[ \dim\bigl(U_1+\cdots+U_m\bigr)=\dim\bigl(U_1\times\cdots\times U_m\bigr)-\dim\Gamma(f)=\sum_{i=1}^{m}\dim U_i-\dim\Gamma(f). \] 当 \(m=2\) 时,结合例(两个子空间的情形)的 \(\Gamma(f)\cong U_1\cap U_2\),便得到经典公式 \[ \dim(U_1+U_2)=\dim U_1+\dim U_2-\dim(U_1\cap U_2). \] 用它复查例(𝔽⁴ 的两个子空间):\(\dim(U_1+U_2)=2+2-1=3\),即 \(U_1+U_2\) 是 \(\mathbb{F}^4\) 的一个三维超平面而非整个空间——与"四个坐标全一致被重复计入"的直观完全吻合。定理 3.93 则可重述为:\(U_1+\cdots+U_m\) 是直和,当且仅当 \(\dim(U_1+\cdots+U_m)=\sum_i\dim U_i\),当且仅当"维数不亏损"。
商空间:仿射子集与陪集
第二种构造的方向恰好相反。积空间把若干空间"并排放置";商空间则是把一个空间 \(V\) 中的某个子空间 \(U\) 压缩成零:凡相差一个 \(U\) 中向量的两点,一律视为相同。这种"粗糙化"的记号载体是仿射子集。
设 \(V\) 是向量空间,\(U\) 是 \(V\) 的子空间,\(v\in V\)。集合 \[ v+U=\bigl\{v+u:\ u\in U\bigr\} \] 称为 \(V\) 的一个仿射子集;它也称为 \(U\) 的一个陪集 (coset)。\(V\) 的两个子集 \(A,B\) 称为平行 (parallel) 的,如果存在 \(v\in V\) 使 \(A=v+B\) 或 \(B=v+A\)。
直观地说,陪集 \(v+U\) 就是把子空间 \(U\) 整体平移 \(v\) 之后所得的图形。当 \(v\in U\) 时,平移不出 \(U\) 自身:\(v+U=U\)。仿射子集一般不是子空间——它多半不含零向量,因而对加法不封闭。
取 \(V=\mathbb{R}^2\),\(U=\bigl\{(x,0):x\in\mathbb{R}\bigr\}\)(横轴)。则 \[ (0,1)+U=\bigl\{(x,1):\ x\in\mathbb{R}\bigr\} \] 是高度为 \(1\) 的水平直线——一条不过原点的直线。让 \(v\) 取遍 \(\mathbb{R}^2\),得到一族彼此平行的水平直线:\(U\) 自身以及所有与它平行的直线,恰好铺满整个平面。平面上"过原点的直线"只有一部分,而"作为某子空间陪集的直线"覆盖了所有直线——这正是商空间直观图像的来源(见图 1)。
陪集何时给出同一个集合?这是商空间构造的核心引理。
设 \(U\) 是 \(V\) 的子空间,\(v,w\in V\)。则
(a) \(v+U=w+U\ \Longleftrightarrow\ v-w\in U\);
(b) \((v+U)\cap(w+U)\neq\varnothing\ \Longleftrightarrow\ v+U=w+U\);
(c) 每个 \(v\in V\) 恰好属于 \(U\) 的一个陪集。
证明. (a) 先设 \(v-w\in U\)。任取 \(v+u\in v+U\)(\(u\in U\)),则 \[ v+u=w+\bigl((v-w)+u\bigr), \] 而 \((v-w)+u\in U\)(子空间对加法封闭),故 \(v+u\in w+U\),得 \(v+U\subseteq w+U\)。同理,由 \(w-v=-(v-w)\in U\) 得反向包含,故两集合相等。反之设 \(v+U=w+U\)。由 \(v=v+0\in v+U=w+U\) 知存在 \(u\in U\) 使 \(v=w+u\),于是 \(v-w=u\in U\)。
(b) 只需证:若交集非空,则两集合相等。设 \(x\in(v+U)\cap(w+U)\)。由 \(x\in v+U\) 与 \(0\in U\) 得 \[ v=x-u_1\in x+U \quad(\text{某个 } u_1\in U), \] 更直接地:\(x=v+u_1\) 给出 \(v-x=-u_1\in U\),故由 (a) 得 \(v+U=x+U\);同理 \(w+U=x+U\)。于是 \(v+U=w+U\)。反向蕴含是显然的(两集合相等时交集当然非空,因 \(v+U\) 总含 \(v\))。
(c) 存在性:\(v=v+0\in v+U\),因为 \(0\in U\)。唯一性:若 \(v\in w+U\),则 \(v-w\in U\)(写出 \(v=w+u\) 即得),由 (a) 得 \(v+U=w+U\),即包含 \(v\) 的陪集只能是 \(v+U\) 本身。
命题 3.101 说:\(U\) 的全体陪集把 \(V\) 切分成彼此不相交的"切片",每个切片是 \(U\) 的一个平移,而 \(V\) 中每个点落在且仅落在一张切片上。商空间,就是把每一张切片当作一个新元素所得到的空间。
商空间与商映射
设 \(V\) 是向量空间,\(U\) 是 \(V\) 的子空间。商空间 \(V/U\) 的元素是 \(U\) 的全体陪集 \(v+U\)(由命题 3.101,每个 \(v\in V\) 恰给出一个陪集),其运算规定为 \[ (v+U)+(w+U)=(v+w)+U,\qquad \lambda(v+U)=(\lambda v)+U. \] 同时定义商映射 (quotient map) \[ \pi\colon V\to V/U,\qquad \pi(v)=v+U. \]
这里藏着一个必须严肃对待的问题:同一个陪集有很多种写法。若 \(v+U=v'+U\) 且 \(w+U=w'+U\),凭什么 \((v+w)+U=(v'+w'+U)\)?换言之,上述定义是否依赖于代表元 (representative) \(v,w\) 的选取?下面的定理一并解决良定性与向量空间结构,并说明商映射是一个完全正规的线性映射。
设 \(U\) 是 \(V\) 的子空间。则
(a) 定义 3.99 中 \(V/U\) 的加法与标量乘法是良定 (well-defined) 的,即不依赖于代表元的选取;
(b) 带上述运算,\(V/U\) 是一个向量空间,其零元为 \(U\)(即陪集 \(0+U\));
(c) 商映射 \(\pi\colon V\to V/U\) 是线性满射,且 \(\operatorname{null}\pi=U\)。
证明. (a) 设 \(v+U=v'+U\) 且 \(w+U=w'+U\)。由命题 3.101(a),\(v-v'\in U\) 且 \(w-w'\in U\)。于是 \[ (v+w)-(v'+w')=(v-v')+(w-w')\in U \] (\(U\) 对加法封闭),再用命题 3.101(a) 得 \((v+w)+U=(v'+w')+U\),即加法的结果与代表元选取无关。数乘类似:由 \(v-v'\in U\) 得 \[ \lambda v-\lambda v'=\lambda(v-v')\in U \] (\(U\) 对标量乘法封闭),故 \((\lambda v)+U=(\lambda v')+U\)。
(b) 向量空间的各条公理逐条验证,每条都由 \(V\) 中的相应公理"平移"而来。例如加法交换律: \[ (v+U)+(w+U)=(v+w)+U=(w+v)+U=(w+U)+(v+U), \] 中间一步用 \(V\) 的交换律;结合律同理。零元:对任意 \(v+U\), \[ (v+U)+U=(v+U)+(0+U)=(v+0)+U=v+U, \] 故 \(U=0+U\) 是加法单位元。加法逆元:\(-\bigl(v+U\bigr)=(-v)+U\),因为两者相加得 \((v-v)+U=0+U=U\)。数乘的四条公理同样逐条成立,例如 \(1\cdot(v+U)=(1v)+U=v+U\)。故 \(V/U\) 是向量空间。
(c) 满射:\(V/U\) 的每个元素都形如 \(v+U=\pi(v)\),故 \(\pi\) 的值域是整个 \(V/U\)。线性:对 \(v,w\in V\) 与 \(\lambda\in\mathbb{F}\),按 \(V/U\) 的运算定义, \[ \pi(v+w)=(v+w)+U=(v+U)+(w+U)=\pi(v)+\pi(w),\qquad \pi(\lambda v)=(\lambda v)+U=\lambda(v+U)=\lambda\,\pi(v). \] 零空间:设 \(v\in\operatorname{null}\pi\),即 \(\pi(v)=v+U=U\)。注意 \(U=0+U\),由命题 3.101(a)(取 \(w=0\)),这等价于 \(v=v-0\in U\)。故 \(\operatorname{null}\pi=U\)。
定理 3.103(c) 值得再咀嚼一遍:商映射 \(\pi\) 把 \(V\) 中"模 \(U\) 同余"的向量全部送到同一个点。整个子空间 \(U\) 被 \(\pi\) 压缩成 \(V/U\) 的零元——"商掉 \(U\)"由此得名。同时,\(\pi\) 的线性性并不神秘:它恰恰是 (a) 中良定性的另一面,因为"按代表元定义的运算"与"按 \(\pi\) 的像定义的运算"是同一件事。
取 \(V=\mathbb{R}^2\),\(U\) 为过原点、斜率为 \(1\) 的直线 \(\bigl\{(t,t):t\in\mathbb{R}\bigr\}\)。陪集族是所有与 \(U\) 平行的直线,商空间 \(V/U\) 的元素是"这些直线"本身。直觉上 \(V/U\) 是一维的:每条平行线由它在垂直方向上的"高度"唯一确定。严格地说,取向量 \(w=(1,-1)\notin U\),则 \(V=U\oplus\operatorname{span}(w)\),每个 \(v\in V\) 唯一地写成 \(v=u+b\,w\)。映射 \[ v+U\ \mapsto\ b \] 是良定的(若 \(v+U=v'+U\),则 \(v-v'\in U\),而垂直分量 \(\operatorname{span}(w)\) 与 \(U\) 只交于 \(0\),故 \(b=b'\)),且显然线性、满、单,故 \(V/U\cong\mathbb{R}\)。"一束平行线压缩成一条数轴",商空间把这句几何口语变成代数定理。
商空间的维数与更多例子
上一节的直观(\(V\) 是二维、\(U\) 是一维、商是一维)提示一个一般公式:商的维数应当是"差"。证明只需把基本定理 3.21 应用于商映射,一行即得。
设 \(V\) 是有限维向量空间,\(U\) 是 \(V\) 的子空间。则 \[ \dim V/U=\dim V-\dim U. \]
证明. 因 \(V\) 有限维,其子空间 \(U\) 有限维。考虑商映射 \(\pi\in\mathcal{L}(V,V/U)\)。由定理 3.103,\(\pi\) 是满射且 \(\operatorname{null}\pi=U\)。对 \(\pi\) 应用线性映射的基本定理(定理 3.21): \[ \dim V=\dim\operatorname{null}\pi+\dim\operatorname{range}\pi=\dim U+\dim(V/U), \] 移项即得 \(\dim V/U=\dim V-\dim U\)。顺带可知 \(V/U\) 有限维。
取 \(\mathbb{F}=\mathbb{F}_5\)(五个元素 \(0,1,2,3,4\) 的域),\(V=\mathbb{F}_5^2\),它共有 \(25\) 个元素。取 \[ U=\operatorname{span}\bigl((1,2)\bigr)=\bigl\{(0,0),\,(1,2),\,(2,4),\,(3,1),\,(4,3)\bigr\}, \] 恰 \(5\) 个元素。对任意 \(v\in V\),映射 \(u\mapsto v+u\) 是 \(U\) 到 \(v+U\) 的双射(它自身及逆 \(x\mapsto x-v\) 都良定),故每个陪集恰有 \(5\) 个元素。由命题 3.101,这些陪集互不相交且并起来是 \(V\),故陪集共有 \(25/5=5\) 个,即 \(|V/U|=5\)。这与维数公式一致:\(\dim V/U=2-1=1\),一维的 \(\mathbb{F}_5\)-空间恰有 \(5^1\) 个元素。商空间"把 \(V\) 切成大小相同的小块"在有限域上成了可以清点的组合事实。
取 \(V=\mathcal{P}(\mathbb{F})\)(全体多项式,无限维),\(U=\mathcal{P}_5(\mathbb{F})\)(次数至多 \(5\) 的多项式)。注意定理 3.105 并不适用于这里,因为 \(V\) 不是有限维;但商空间本身完全合法:\(V/U\) 的元素是"多项式对 \(\mathcal{P}_5(\mathbb{F})\) 的陪集",即只关心 \(x^6\) 及以上各项的"尾巴"的分类。事实上,每个多项式 \(p\) 都唯一地分解为 \[ p=\underbrace{(\text{次数}\le 5\ \text{的部分})}_{\in\ \mathcal{P}_5(\mathbb{F})}\;+\;x^6q, \] 故 \(\mathcal{P}(\mathbb{F})=\mathcal{P}_5(\mathbb{F})\oplus\operatorname{span}(x^6,x^7,\dots)\)。两个多项式属于同一陪集,当且仅当它们的"尾巴"相同,即 \(x^6q\) 相同。于是映射 \[ p+\mathcal{P}_5(\mathbb{F})\ \mapsto\ x^6q \] 把 \(V/U\) 同构地等同于 \(\operatorname{span}(x^6,x^7,\dots)\),后者又通过 \(x^6q\mapsto q\) 同构于 \(\mathcal{P}(\mathbb{F})\) 自身。结论:\(\mathcal{P}(\mathbb{F})/\mathcal{P}_5(\mathbb{F})\cong\mathcal{P}(\mathbb{F})\),是无限维的——商掉一个有限维子空间,对无限维空间的"大小"毫无影响。这个例子同时表明,例 3.100 式的"补空间"论证并不依赖有限维性:\(V=U\oplus W\) 时总有 \(V/U\cong W\)(见练习 6 的证明思路)。
回顾与注记
本节的两条构造线在最后一个定理处汇合:和映射 \(f\) 的零空间 \(\Gamma(f)\) 是积空间的子空间,于是我们可以对积空间取商,把"多余的自由度"正式除掉。
设 \(U_1,\dots,U_m\) 是 \(V\) 的子空间,\(f\colon U_1\times\cdots\times U_m\to V\) 是和映射。则 \[ U_1+\cdots+U_m\ \cong\ \bigl(U_1\times\cdots\times U_m\bigr)\big/\,\Gamma(f), \] 一个显式同构为 \[ \widetilde{f}\bigl((u_1,\dots,u_m)+\Gamma(f)\bigr)=u_1+\cdots+u_m. \]
证明. 良定性:设 \((u_1,\dots,u_m)+\Gamma(f)=(u_1',\dots,u_m')+\Gamma(f)\),即两个元组之差 \((u_1-u_1',\dots,u_m-u_m')\in\Gamma(f)\)。按 \(\Gamma(f)\) 的定义, \[ (u_1-u_1')+\cdots+(u_m-u_m')=0, \] 整理得 \(u_1+\cdots+u_m=u_1'+\cdots+u_m'\)。故 \(\widetilde{f}\) 的取值不依赖陪集代表元的选取。
线性:取陪集 \(X=(u_1,\dots,u_m)+\Gamma(f)\)、\(Y=(w_1,\dots,w_m)+\Gamma(f)\) 与 \(\lambda\in\mathbb{F}\),则按商空间的运算, \[ \widetilde{f}(X+\lambda Y)=\widetilde{f}\bigl((u_1+\lambda w_1,\dots,u_m+\lambda w_m)+\Gamma(f)\bigr)=\sum_{i=1}^{m}(u_i+\lambda w_i)=\widetilde{f}(X)+\lambda\,\widetilde{f}(Y). \]
满射:\(U_1+\cdots+U_m\) 的每个元素形如 \(u_1+\cdots+u_m=\widetilde{f}\bigl((u_1,\dots,u_m)+\Gamma(f)\bigr)\)。
单射:设 \(\widetilde{f}\bigl((u_1,\dots,u_m)+\Gamma(f)\bigr)=0\),即 \(u_1+\cdots+u_m=0\),亦即 \((u_1,\dots,u_m)\in\Gamma(f)\)。于是该陪集等于零元 \(\Gamma(f)\) 本身,零空间只含零元。
故 \(\widetilde{f}\) 是线性双射,即同构。
把定理 3.93 与 3.107 合并叙述:\(U_1+\cdots+U_m\) 总是积空间"模掉 \(\Gamma(f)\)"的结果;和是直和,当且仅当 \(\Gamma(f)=\{0\}\),此时商是平凡的,积空间本身就同构于和。一句话:直和就是"没有冗余的积"。这也解释了记号的深意——\(U_1\oplus\cdots\oplus U_m\) 与 \(U_1\times\cdots\times U_m\) 作为集合几乎相同,前者强调"加出来"的唯一性,后者强调"取分量"的独立性,而 \(\Gamma(f)=\{0\}\) 正是两种视角互换的通行证。
商空间的价值在于把"模掉已知的部分"这一日常数学操作形式化。设 \(T\colon V\to W\) 是线性映射:基本定理把 \(V\) 的信息分成两半,\(\operatorname{null} T\) 是被 \(T\) 消灭的部分,而 \(V/\operatorname{null} T\) 收纳幸存的信息。事实上,任一线性映射都诱导同构 \(V/\operatorname{null}T\cong\operatorname{range}T\)——定理 3.107 正是它在和映射 \(f\) 处的特例,一般情形的证明逐字相同。而在第 8 章,商空间将成为研究算子的标准工具:对算子 \(T\in\mathcal{L}(V)\) 与其不变子空间 \(U\),可以在 \(V/U\) 上自然地定义诱导算子,从而把大空间上的分解问题化归为若干小空间上的问题;广义特征空间分解的证明正是沿这一路线展开的。可以说,本节的抽象投资,将在那里获得丰厚回报。下一节 3.F 转向对偶性——从 \(V\) 到 \(\mathcal{L}(V,\mathbb{F})\) 的又一次"造新空间"。
练习
练习 3.E-1
设 \(U\) 是 \(V\) 的子空间。证明:\(V\) 等于 \(U\) 的全体陪集的无交并;换言之,任意两个陪集要么相等,要么不相交。
解答/提示设 \(v+U\) 与 \(w+U\) 是两个陪集。若它们的交集非空,取 \(x\in(v+U)\cap(w+U)\),则 \(v-x\in U\) 且 \(w-x\in U\),于是 \(v-w=(v-x)-(w-x)\in U\),由命题 3.101(a) 得 \(v+U=w+U\)。故两个陪集或相等或不交。又每个 \(v\in V\) 都属于陪集 \(v+U\)(命题 3.101(c)),所以全体陪集铺满 \(V\) 且两两不交,即 \(V\) 是它们的无交并。
练习 3.E-2
设 \(U\) 是 \(V\) 的子空间,\(v,v'\in V\),\(\lambda\in\mathbb{F}\)。证明:(a) 若 \(v+U=v'+U\),则 \(\lambda v+U=\lambda v'+U\);(b) \(1\cdot(v+U)=v+U\);(c) \((ab)(v+U)=a\bigl(b(v+U)\bigr)\)。
解答/提示(a) 由 \(v+U=v'+U\) 与命题 3.101(a) 得 \(v-v'\in U\);因 \(U\) 是子空间,\(\lambda v-\lambda v'=\lambda(v-v')\in U\),再用命题 3.101(a) 得 \(\lambda v+U=\lambda v'+U\)。(b) \(1\cdot(v+U)=(1v)+U=v+U\)。(c) 两边按定义展开: \[(ab)(v+U)=\bigl((ab)v\bigr)+U=\bigl(a(bv)\bigr)+U=a\bigl((bv)+U\bigr)=a\bigl(b(v+U)\bigr), \] 中间的等号用 \(\mathbb{F}\) 中的结合律 \(a(bv)=(ab)v\)。这正是定理 3.103(a)(b) 中数乘良定性与公理验证的核心步骤。
练习 3.E-3
证明两个极端情形:\(V/\{0\}\cong V\),而 \(V/V\) 是零空间(\(\{0\}\))。
解答/提示对 \(U=\{0\}\):每个陪集形如 \(v+\{0\}=\{v\}\),故映射 \(v+\{0\}\mapsto v\) 把 \(V/\{0\}\) 的元素一一对应到 \(V\) 的元素。线性性: \[(v+\{0\})+(w+\{0\})=(v+w)+\{0\}\ \mapsto\ v+w, \] 数乘同理,故为同构。对 \(U=V\):对任意 \(v\in V\) 有 \(v+V=V\)(因 \(v-V=V\)),故 \(V/V\) 只有一个元素 \(V\),它就是零元,从而 \(V/V=\{0\}\)。两者也与定理 3.105 一致:\(\dim V/\{0\}=\dim V\),\(\dim V/V=0\)。
练习 3.E-4
设 \(V=\mathbb{R}^5\),\(U=\operatorname{span}\bigl((1,1,0,0,0),\,(0,0,1,1,1)\bigr)\)。求 \(\dim V/U\),并构造一个从 \(V/U\) 到 \(\mathbb{R}^3\) 的显式同构。
解答/提示定义 \(T\in\mathcal{L}(\mathbb{R}^5,\mathbb{R}^3)\): \[ T(x_1,x_2,x_3,x_4,x_5)=\bigl(x_1-x_2,\ x_3-x_4,\ x_4-x_5\bigr). \] 其零空间由 \(x_1=x_2\)、\(x_3=x_4=x_5\) 刻画,恰是 \(U\) 的元素(一般元素 \(a(1,1,0,0,0)+b(0,0,1,1,1)=(a,a,b,b,b)\))。又 \(T\) 满(给定 \((\alpha,\beta,\gamma)\),取 \(x=(\alpha,0,\beta+\gamma,\gamma,0)\) 即可)。于是 \(\operatorname{range}T=\mathbb{R}^3\),由基本定理或直接验证,映射 \[ (x_1,\dots,x_5)+U\ \mapsto\ (x_1-x_2,\ x_3-x_4,\ x_4-x_5) \] 良定(若 \(x-x'\in U\),则 \(T(x)=T(x')\))且为同构,故 \(\dim V/U=3=\dim V-\dim U\)。
练习 3.E-5
设 \(U_1,U_2\) 是有限维空间 \(V\) 的子空间。证明: \[ U_1+U_2\ \cong\ U_1\times U_2\ \Longleftrightarrow\ U_1\cap U_2=\{0\}. \]
解答/提示(\(\Leftarrow\))若 \(U_1\cap U_2=\{0\}\),由例(两个子空间的情形)得 \(\Gamma(f)\cong U_1\cap U_2=\{0\}\),故和映射 \(f\) 是单射;又 \(f\) 满射到 \(U_1+U_2\)(前文已证),故 \(f\) 是线性双射,即同构(定理 3.93)。
(\(\Rightarrow\))设 \(U_1+U_2\cong U_1\times U_2\)。对和映射 \(f\) 用基本定理 3.21 与定理 3.92: \[ \dim(U_1+U_2)=\dim(U_1\times U_2)-\dim\Gamma(f)=\dim U_1+\dim U_2-\dim\Gamma(f). \] 同构蕴涵维数相等:\(\dim(U_1+U_2)=\dim U_1+\dim U_2\),故 \(\dim\Gamma(f)=0\),即 \(\Gamma(f)=\{0\}\),再由例(两个子空间的情形)得 \(U_1\cap U_2=\{0\}\)。
练习 3.E-6
设 \(V=U\oplus W\)(直和)。证明:\(V/U\cong W\)。由此说明 \(\mathcal{P}(\mathbb{F})/\mathcal{P}_5(\mathbb{F})\) 同构于 \(\operatorname{span}(x^6,x^7,\dots)\),进而同构于 \(\mathcal{P}(\mathbb{F})\)。
解答/提示设 \(\pi\colon V\to V/U\) 为商映射。限制映射 \(\pi|_W\colon W\to V/U\) 是线性的。满:任取 \(v+U\),写 \(v=u+w\)(唯一分解),则 \(v+U=(u+w)+U=w+U=\pi(w)\),因为 \(u\in U\) 说明 \(u+U=U\)(命题 3.101(a):\(u-0\in U\))。单:若 \(w\in\operatorname{null}(\pi|_W)\),则 \(w+U=U\),即 \(w\in U\);又 \(w\in W\),故 \(w\in U\cap W=\{0\}\)(直和)。于是 \(\pi|_W\) 是线性双射,得 \(V/U\cong W\)。
对多项式空间:如例(多项式空间)所证,每个 \(p\in\mathcal{P}(\mathbb{F})\) 唯一分解为"次数 \(\le 5\) 的部分加 \(x^6q\)",故 \(\mathcal{P}(\mathbb{F})=\mathcal{P}_5(\mathbb{F})\oplus\operatorname{span}(x^6,x^7,\dots)\)(零向量的分解唯一,从而一切分解唯一,这正是直和判别法)。取 \(U=\mathcal{P}_5(\mathbb{F})\)、\(W=\operatorname{span}(x^6,x^7,\dots)\) 应用前半题即得结论;再由 \(x^6q\mapsto q\) 知 \(W\cong\mathcal{P}(\mathbb{F})\)。