第一章 · 1.C

1.C 子空间

本节引入子空间的概念:向量空间中在继承运算下自身构成向量空间的子集,并证明只需检验零元与两个封闭性即可完成判定。随后定义子空间的和与直和,证明"和是最小子空间"以及直和的两个核心判别定理,并借助几何图形理解分解唯一性,为全书的空间分解思想奠定基础。

子空间的定义与判定

许多重要的向量空间并非凭空构造,而是"生长"在更大的空间之中:连续函数空间坐落在全体函数空间之内,低次多项式坐落在多项式空间之内,过原点的平面坐落在 \(\mathbb{R}^3\) 之内。1.B 节例 4 中我们曾对函数空间逐条验证公理,过程相当冗长——之所以冗长,是因为我们把它当作孤立的对象来处理,而没有利用它嵌于大空间这一事实。本节的核心概念子空间正是对"空间中的空间"的系统刻画:只要子集对继承来的运算封闭,绝大多数公理便可自动继承,无需重证。

定义 1.33(子空间)

设 \(V\) 是域 \(\mathbb{F}\) 上的向量空间。若 \(V\) 的子集 \(U\) 在继承自 \(V\) 的加法与标量乘法运算下,自身构成一个 \(\mathbb{F}\) 上的向量空间,则称 \(U\) 为 \(V\) 的子空间 (subspace of \(V\))。

所谓"继承" (inherited),是指 \(U\) 中两个向量的和仍按 \(V\) 的加法规则计算、且结果恰好落回 \(U\) 之中;标量乘法同理。因此并非任何子集都有资格充当子空间:运算必须把 \(U\) 封闭在自身之内。任何向量空间 \(V\) 都有两个平凡的子空间:零空间 \(\{0\}\) 与 \(V\) 本身;前者是最小的子空间,后者是最大的子空间。

条件 1.34(子空间的判定条件)

设 \(V\) 是 \(\mathbb{F}\) 上的向量空间,\(U\subseteq V\)。则 \(U\) 是 \(V\) 的子空间,当且仅当下列三个条件同时成立:

(a) \(0\in U\);
(b) 若 \(u,v\in U\),则 \(u+v\in U\);
(c) 若 \(a\in\mathbb{F}\) 且 \(u\in U\),则 \(au\in U\)。

证明. 先设 \(U\) 是 \(V\) 的子空间,则 \(U\) 自身是向量空间。任何向量空间都含有加法单位元,而且该单位元只能是 \(V\) 的零元:若 \(0_U\) 是 \(U\) 的加法单位元,则 \(0_U=0_U+0=0\),其中第二个等号用到 \(0\) 是 \(V\) 的加法单位元(见命题 1.26 的唯一性论证),故 (a) 成立。又,向量空间的定义要求加法与标量乘法是 \(U\) 上封闭的运算,故 (b)、(c) 成立。必要性得证。

反之,设 (a)、(b)、(c) 成立。此时 \(U\) 非空,且由 (b)、(c),继承自 \(V\) 的加法与标量乘法确实是 \(U\) 上封闭的运算。逐条检验定义 1.20 中的公理:加法交换律、加法结合律、两条分配律与乘法单位律,这些等式只涉及 \(U\) 中元素在 \(V\) 中的运算结果,而在 \(V\) 中它们已经成立,故在 \(U\) 中自动成立。剩下两条:(a) 表明 \(0\in U\),它是 \(U\) 的加法单位元;至于加法逆元,若 \(u\in U\),则由 (c) 与 1.B 节的性质 \((-1)u=-u\)(命题 1.26–1.32)得 \(-u=(-1)u\in U\)。于是 \(U\) 满足向量空间的全部公理,从而是 \(V\) 的子空间。

条件 (a) 可以等价地换成"\(U\) 非空":若 \(U\) 非空,取 \(u\in U\),由 (c) 与性质 \(0u=0\) 便得 \(0\in U\);反之 (a) 显然蕴涵非空。实践中,判定一个子集是否为子空间,几乎总是归结为一句口诀:"含零元、对加法封闭、对标量乘法封闭"。这三条检验都是局部的、可操作的,远比逐条验证八条公理经济。

子空间的例子

例 1.35(函数空间与序列空间)

(a) 取 \(\mathbb{F}=\mathbb{R}\),设 \(\mathbb{R}^{\mathbb{R}}\) 为全体实值函数按逐点加法与数乘构成的向量空间(1.B 节例 3)。令 \(C(\mathbb{R})\) 为全体连续实值函数之集。零函数连续;两个连续函数之和连续;连续函数的实数倍连续。由判定条件 1.34,\(C(\mathbb{R})\) 是 \(\mathbb{R}^{\mathbb{R}}\) 的子空间。同一论证适用于任一区间 \(S\):区间上的全体实值连续函数构成 \(\mathbb{R}^{S}\) 的子空间。再进一步,令 \(D(\mathbb{R})\) 为全体可微实值函数之集:可微函数必连续,和与数乘保持可微性且零函数可微,故 \(D(\mathbb{R})\) 是 \(C(\mathbb{R})\) 的子空间。于是得到一条子空间链 \[ D(\mathbb{R})\;\subseteq\;C(\mathbb{R})\;\subseteq\;\mathbb{R}^{\mathbb{R}}, \] 子空间可以层层相嵌,正如平面中的直线又含于平面、平面又含于空间。

(b) 设 \(\mathbb{R}^{\infty}\) 为全体实序列 \((a_1,a_2,a_3,\dots)\) 按逐项运算构成的向量空间(1.B 节例 2)。令 \[ c_0=\{(a_1,a_2,a_3,\dots):\ \lim_{n\to\infty}a_n=0\} \] 为收敛于 0 的序列全体。零序列收敛于 0;若 \(a_n\to0\)、\(b_n\to0\),则由极限的线性性 \(a_n+b_n\to0\);若 \(\lambda\in\mathbb{R}\),则 \(\lambda a_n\to0\)。由判定条件 1.34,\(c_0\) 是 \(\mathbb{R}^{\infty}\) 的子空间。类似地,全体收敛序列、全体有界序列也都是 \(\mathbb{R}^{\infty}\) 的子空间;但全体发散序列之集不是——它连零序列都不包含,条件 (a) 即告失败。

(c) 在多项式空间 \(\mathcal{P}(\mathbb{F})\) 中,令 \(\mathcal{P}_k(\mathbb{F})\) 表示次数不超过 \(k\) 的多项式全体(按惯例包含零多项式)。零多项式属于它;两个次数不超过 \(k\) 的多项式之和的次数仍不超过 \(k\);数乘同理。故 \(\mathcal{P}_k(\mathbb{F})\) 是 \(\mathcal{P}(\mathbb{F})\) 的子空间,并且 \[ \mathcal{P}_0(\mathbb{F})\subseteq\mathcal{P}_1(\mathbb{F})\subseteq\mathcal{P}_2(\mathbb{F})\subseteq\cdots\subseteq\mathcal{P}(\mathbb{F}). \] 这条链将在第 2、3 章讨论张成、基与维数时反复出现。

例(\(\mathbb{R}^2\) 与 \(\mathbb{R}^3\) 的全部子空间)

低维几何空间能给出子空间的完整清单,这有助于建立直观。\(\mathbb{R}^2\) 的子空间恰好只有三类:\(\{0\}\)、所有过原点的直线、以及 \(\mathbb{R}^2\) 自身。

论证如下。设 \(U\) 是 \(\mathbb{R}^2\) 的子空间。若 \(U=\{0\}\),属第一类。否则取非零向量 \(u\in U\);由对标量乘法封闭,对一切 \(\lambda\in\mathbb{R}\) 有 \(\lambda u\in U\),即过原点、方向为 \(u\) 的整条直线含于 \(U\)。此时只有两种可能:或者 \(U\) 恰好等于这条直线;或者 \(U\) 中还含有不在此直线上的向量 \(v\)。在后一情形,\(u\) 与 \(v\) 不平行(线性无关),于是任意 \((x,y)\in\mathbb{R}^2\) 都可通过解二元线性方程组写成 \(au+bv\) 的形式(系数行列式非零保证方程组可解),再由 \(U\) 对加法与数乘封闭便得 \((x,y)\in U\),故 \(U=\mathbb{R}^2\)。三类之外再无其他。

同理,\(\mathbb{R}^3\) 的子空间恰好只有四类:\(\{0\}\)、过原点的直线、过原点的平面、以及 \(\mathbb{R}^3\) 自身。论证模式相同:一个非零向量生成一条过原点的直线;两个不共线的向量合成一张过原点的平面;三个不共面的向量则撑满整个空间。要留意的是"过原点"三个字不可省略:例如水平直线 \(\{(x,1):x\in\mathbb{R}\}\) 与平面 \(\{(x,y,1):x,y\in\mathbb{R}\}\) 都不含零向量,均非子空间。第 2 章(张成与线性无关)将把上述直觉提炼为严格而一般的理论。

子空间的和

给定 \(V\) 的若干子空间,我们自然希望把它们"合并"成一个更大的子空间。最直接的想法是取并集,但并集通常不能胜任。在 \(\mathbb{R}^2\) 中取 \(x\) 轴 \(U\) 与 \(y\) 轴 \(W\):向量 \((1,0)\in U\subseteq U\cup W\),\((0,1)\in W\subseteq U\cup W\),然而二者的和 \((1,1)\) 既不在 \(x\) 轴上也不在 \(y\) 轴上,故 \(U\cup W\) 对加法不封闭,不是子空间。并集失败的原因在于它只"收集"了两个子空间里的原有向量,却收集不到它们的和。正确的合并方式,是把所有可能的和式统统收集起来。

定义 1.36(和)

设 \(U_1,\dots,U_m\) 均为 \(V\) 的子空间。定义它们的 (sum) \[ U_1+\cdots+U_m=\{\,u_1+\cdots+u_m:\ u_j\in U_j,\ j=1,\dots,m\,\}, \] 即从每个 \(U_j\) 中各取一个向量相加,所得到的所有向量之集。

例(坐标轴之和为平面)

在 \(\mathbb{R}^3\) 中取 \(x\) 轴 \(U_1=\{(x,0,0):x\in\mathbb{R}\}\) 与 \(y\) 轴 \(U_2=\{(0,y,0):y\in\mathbb{R}\}\),则 \[ U_1+U_2=\{(x,y,0):x,y\in\mathbb{R}\} \] 是 \(xy\) 坐标平面。事实上,每个和式 \((x,0,0)+(0,y,0)=(x,y,0)\) 都落在该平面内;反过来,平面中每个向量 \((x,y,0)\) 都能写成这样的和式。注意对比:\(U_1\cup U_2\) 只是一条"十字线",而 \(U_1+U_2\) 却是整张平面——和远比并集大,这正是定义 1.36 的用意。

例(多项式之和可以严格大于每个加项)

在 \(\mathcal{P}(\mathbb{F})\) 中,设 \(U\) 为形如 \(a+bz^2\)(\(a,b\in\mathbb{F}\))的多项式之集,\(W\) 为形如 \(cz+dz^3\)(\(c,d\in\mathbb{F}\))的多项式之集。容易验证 \(U\) 与 \(W\) 都是子空间,且 \[ U+W=\{a+cz+bz^2+dz^3:\ a,b,c,d\in\mathbb{F}\}=\mathcal{P}_3(\mathbb{F}), \] 严格大于 \(U\) 与 \(W\) 中的任何一个。反过来,当子空间之间有包含关系时,和便退化为较大者,例如 \(\mathcal{P}_2(\mathbb{F})+\mathcal{P}_3(\mathbb{F})=\mathcal{P}_3(\mathbb{F})\)。可见"和"的行为介于并集与全空间之间,值得仔细研究。

命题 1.40(和是最小的包含各子空间的子空间)

设 \(U_1,\dots,U_m\) 是 \(V\) 的子空间,则 \(U_1+\cdots+U_m\) 是 \(V\) 的子空间,并且是包含每个 \(U_j\)(\(j=1,\dots,m\))的最小子空间,即:若子空间 \(W\subseteq V\) 满足对所有 \(j\) 都有 \(U_j\subseteq W\),则 \(U_1+\cdots+U_m\subseteq W\)。

证明. 记 \(S=U_1+\cdots+U_m\),先用判定条件 1.34 验证 \(S\) 是子空间。零元:在每个 \(U_j\) 中取 \(0\),得 \(0=0+\cdots+0\in S\)。加法封闭:设 \(s=u_1+\cdots+u_m\) 与 \(s'=u_1'+\cdots+u_m'\),其中 \(u_j,u_j'\in U_j\),则 \[ s+s'=(u_1+u_1')+\cdots+(u_m+u_m'), \] 而每个 \(u_j+u_j'\in U_j\)(子空间对加法封闭),故 \(s+s'\in S\)。标量乘法封闭:设 \(a\in\mathbb{F}\),则 \(as=au_1+\cdots+au_m\),其中每个 \(au_j\in U_j\),故 \(as\in S\)。于是 \(S\) 是子空间。

其次,每个 \(U_j\subseteq S\):对 \(u_j\in U_j\),把其余分量取为零,即 \(u_j=0+\cdots+0+u_j+0+\cdots+0\in S\)。最后证最小性。设 \(W\) 是包含所有 \(U_j\) 的子空间。对 \(S\) 中任一元素 \(s=u_1+\cdots+u_m\),每个 \(u_j\in U_j\subseteq W\);而 \(W\) 对加法封闭,逐项相加便得 \(s\in W\)。这说明 \(S\subseteq W\),即 \(S\) 是包含各 \(U_j\) 的最小子空间。

命题 1.40 回答了"如何合并子空间"的问题:\(U_1+\cdots+U_m\) 就是既包含每个 \(U_j\)、又不引入任何多余向量的唯一选择。然而,"合并"的方式可能相当浪费——同一向量的分解式可以有许多种。当我们进一步要求分解式唯一时,便得到本节最重要的概念。

直和

定义 1.41(直和)

设 \(U_1,\dots,U_m\) 均为 \(V\) 的子空间。若 \(V\) 中每个向量 \(v\) 都能唯一地写成 \[ v=u_1+\cdots+u_m,\qquad u_j\in U_j\ (j=1,\dots,m), \] 则称 \(V\) 是 \(U_1,\dots,U_m\) 的直和 (direct sum),记作 \[ V=U_1\oplus\cdots\oplus U_m. \] 这里"唯一"的含义是:若 \(u_1+\cdots+u_m=u_1'+\cdots+u_m'\),其中 \(u_j,u_j'\in U_j\),则对每个 \(j\) 都有 \(u_j=u_j'\)。

直观地说,直和把 \(V\) 切分成若干"互不重叠"的板块,每个向量的信息被各板块分摊且互不冲突。分解的唯一性正是"互不冲突"的精确含义,它使得我们可以把对各板块的分别研究无歧义地拼接起来。

例 1.42(两条坐标轴)

在 \(\mathbb{R}^2\) 中取 \(U=\{(x,0):x\in\mathbb{R}\}\) 与 \(W=\{(0,y):y\in\mathbb{R}\}\),则 \(\mathbb{R}^2=U\oplus W\)。事实上,每个向量 \((x,y)\) 都有分解 \[ (x,y)=(x,0)+(0,y); \] 若另有 \((x,y)=(x',0)+(0,y')\),比较两个分量立得 \(x'=x\)、\(y'=y\),故分解唯一。更一般地,\(\mathbb{R}^2\) 中任意两条不同的过原点直线 \(U_1\ne U_2\) 都满足 \(\mathbb{R}^2=U_1\oplus U_2\):两直线不重合意味着它们只在原点相交,而不共线的两个方向可以合成平面上任何向量(见例"\(\mathbb{R}^2\) 的子空间清单"中的论证;推论 1.46 将使直和的判定变得一步到位)。类似地,在 \(\mathbb{R}^3\) 中取 \(xy\) 平面 \(U=\{(x,y,0):x,y\in\mathbb{R}\}\) 与 \(z\) 轴 \(W=\{(0,0,z):z\in\mathbb{R}\}\),则 \(\mathbb{R}^3=U\oplus W\):平面内的向量与竖直方向的向量合成三维空间中的任何向量,且 \(U\cap W=\{0\}\) 保证了分解的唯一性。图 1 展示了这一情形。

u₁ u₂ U W u w v = u + w 0
图 1:\(\mathbb{R}^3\) 中过原点的平面 \(U\) 与不在 \(U\) 内的过原点直线 \(W\)。任取 \(u\in U\)、\(w\in W\),由平行四边形法则合成 \(v=u+w\);由于 \(U+W=\mathbb{R}^3\) 且 \(U\cap W=\{0\}\),故 \(\mathbb{R}^3=U\oplus W\),每个向量的分解唯一。
例 1.43(偶多项式与奇多项式)

在 \(\mathcal{P}(\mathbb{F})\) 中设 \[ U_e=\{p\in\mathcal{P}(\mathbb{F}):\ p(-z)=p(z)\},\qquad U_o=\{p\in\mathcal{P}(\mathbb{F}):\ p(-z)=-p(z)\}, \] 分别为偶多项式(如 \(1+3z^2\))与奇多项式(如 \(5z+7z^3\))之集。条件 \(p(-z)=\pm p(z)\) 在加法与数乘下保持(设 \(p,q\) 满足同一条件,则 \((p+q)(-z)=p(-z)+q(-z)=\pm(p(z)+q(z))\),数乘同理),且零多项式同时属于两者,故 \(U_e\) 与 \(U_o\) 都是子空间。断言: \[ \mathcal{P}(\mathbb{F})=U_e\oplus U_o. \] 一方面,每个 \(p\in\mathcal{P}(\mathbb{F})\) 都有分解 \[ p(z)=\underbrace{\frac{p(z)+p(-z)}{2}}_{\in\,U_e}+\underbrace{\frac{p(z)-p(-z)}{2}}_{\in\,U_o} \] (直接验证 \(p_e(-z)=p_e(z)\)、\(p_o(-z)=-p_o(z)\)),故 \(\mathcal{P}(\mathbb{F})=U_e+U_o\)。另一方面,分解唯一:若 \(p=e+o=e'+o'\),其中 \(e,e'\in U_e\)、\(o,o'\in U_o\),则 \(e-e'=o'-o\) 既是偶多项式又是奇多项式;而既偶又奇的多项式 \(q\) 满足 \(q(z)=q(-z)=-q(z)\),即 \(2q(z)=0\)。在 \(\mathbb{F}=\mathbb{R}\) 或 \(\mathbb{C}\) 上这迫使 \(q=0\),于是 \(e=e'\)、\(o=o'\)。由定义 1.41,分解唯一,断言得证。前一小节"形如 \(a+bz^2\) 与 \(cz+dz^3\)"的例子,正是这里在 \(\mathcal{P}_3(\mathbb{F})\) 上的缩影。

例 1.44(反例:三条过原点的直线)

在 \(\mathbb{R}^2\) 中取三条过原点的直线: \[ U_1=\{(x,0):x\in\mathbb{R}\},\qquad U_2=\{(0,y):y\in\mathbb{R}\},\qquad U_3=\{(t,t):t\in\mathbb{R}\} \] (\(U_3\) 是第一、三象限的角平分线)。首先,由 \(U_1+U_2=\mathbb{R}^2\) 知 \(U_1+U_2+U_3=\mathbb{R}^2\)。然而这不是直和:零向量有非平凡分解 \[ (0,0)=(1,0)+(0,1)+(-1,-1), \qquad (1,0)\in U_1,\ (0,1)\in U_2,\ (-1,-1)\in U_3, \] 三个加项均不为零,而 \(0=0+0+0\) 是另一种分解,分解不唯一,故 \(\mathbb{R}^2\ne U_1\oplus U_2\oplus U_3\)。

另一个极端是让同一个子空间重复出现:取 \(U_1=U_2=U\)(任意非零子空间),则 \(U_1+U_2=U\),且对任何非零 \(u\in U\) 都有 \(0=u+(-u)\),零向量的分解同样不唯一。可见两条不同的过原点直线能直和成 \(\mathbb{R}^2\),但要么重复同一子空间、要么再添第三条直线,唯一性即遭破坏。图 2 直观对比了这两种情形。

U₁ ⊕ U₂ = ℝ²(直和:分解唯一) x y U₁ U₂ u₁ u₂ v 0 U + U = U ≠ ℝ²(非直和:分解不唯一) x y U u −u 0 0 = u + (−u) = 0 + 0,分解不唯一
图 2:\(\mathbb{R}^2\) 中直和与非直和的对比。左:两条不同的过原点直线满足 \(U_1\cap U_2=\{0\}\),每个向量(如 \(v=u_1+u_2\))的分解唯一,故 \(\mathbb{R}^2=U_1\oplus U_2\)。右:同一条直线取两次,\(U+U=U\) 仍是一条直线,且 \(0=u+(-u)=0+0\) 给出零向量的两种不同分解,故不是直和。
定理 1.45(直和的判定)

设 \(U_1,\dots,U_m\) 是 \(V\) 的子空间,则 \[ V=U_1\oplus\cdots\oplus U_m \] 当且仅当下列两个条件同时成立:

(a) \(V=U_1+\cdots+U_m\);
(b) 把零向量写成 \(0=u_1+\cdots+u_m\)(其中 \(u_j\in U_j\))的唯一方式是 \(u_1=\cdots=u_m=0\)。

证明. 先设 \(V=U_1\oplus\cdots\oplus U_m\)。由直和的定义,每个向量都有分解,故 (a) 成立。零向量当然有平凡分解 \(0=0+\cdots+0\);由分解的唯一性,任何形如 \(0=u_1+\cdots+u_m\) 的分解都必须与它逐项相同,即每个 \(u_j=0\),故 (b) 成立。

反之,设 (a)、(b) 成立。任取 \(v\in V\),由 (a) 可写 \(v=u_1+\cdots+u_m\),其中 \(u_j\in U_j\),故分解存在。证唯一:若又有 \(v=u_1'+\cdots+u_m'\)(\(u_j'\in U_j\)),两式相减得 \[ (u_1-u_1')+\cdots+(u_m-u_m')=0, \] 其中每个 \(u_j-u_j'\in U_j\)(子空间对加法与数乘封闭)。由 (b) 得 \(u_j-u_j'=0\),即 \(u_j=u_j'\)。于是每个向量的分解唯一,故 \(V=U_1\oplus\cdots\oplus U_m\)。

定理 1.45 的实用价值在于巨大的化简:"每个向量的分解唯一"表面上是一个须对全体向量核查的无限任务,却被化归为只检验零向量一个向量的分解——后者往往一击即中。例 1.44 中否定直和时,我们正是通过构造零向量的一组非零分解完成的;反过来,证明直和时也只需排除零向量的非平凡分解。

推论 1.46(两个子空间的情形)

设 \(U,W\) 均为 \(V\) 的子空间,则 \[ V=U\oplus W\iff V=U+W\ \text{且}\ U\cap W=\{0\}. \]

证明. 先设 \(V=U+W\) 且 \(U\cap W=\{0\}\)。由命题 1.40 知 \(V=U+W\) 已保证和覆盖全空间,为用定理 1.45 只需验证零向量的分解唯一。设 \(0=u+w\),其中 \(u\in U\)、\(w\in W\)。移项得 \(u=-w\):左边属于 \(U\),右边 \(-w\) 属于 \(W\)(子空间对标量乘法封闭),故 \(u\in U\cap W=\{0\}\),于是 \(u=0\),进而 \(w=-u=0\)。由定理 1.45 得 \(V=U\oplus W\)。

反之,设 \(V=U\oplus W\)。由定义显然 \(V=U+W\)。再证 \(U\cap W=\{0\}\):任取 \(v\in U\cap W\),则 \[ 0=v+(-v),\qquad v\in U,\ -v\in W, \] 而 \(0=0+0\) 是零向量的另一种分解。由直和中零向量分解的唯一性(定理 1.45),必有 \(v=0\)。故 \(U\cap W\subseteq\{0\}\);又零向量总属于任何子空间,所以 \(U\cap W=\{0\}\)。

两点提醒。其一,推论 1.46 只对两个子空间的情形有效:当 \(m\ge 3\) 时,"两两之交为 \(\{0\}\)"并不能保证直和。例 1.44 中的三条直线两两只在原点相交,和却不是直和(练习 5 给出三维的类似现象)。其二,直和条件 \(V=U\oplus W\) 中的两部分缺一不可:\(U\cap W=\{0\}\) 只说明两块"不重叠",还须 \(U+W=V\) 才能保证"拼满"全空间。

注记:直和与空间分解思想

回望本节,子空间回答了"大空间里有哪些规整的板块",和回答了"板块如何合并",而直和回答的是"何时合并不损失信息"。分解唯一意味着各板块所携带的信息彼此独立:改写 \(v=u_1+\cdots+u_m\) 中的任何一个分量,都会真正改变 \(v\) 本身。

这一"分而治之"的模式是贯穿全书的主旋律,直和则是它在空间层面的原型。第 2 章将用张成与线性无关把"\(\mathbb{R}^2\) 的子空间恰为直线与平面"之类的直觉上升为一般的维数理论;第 3 章起我们研究线性映射,而直和正是"映射按分量定义"的合法舞台。更重要的应用在算子理论:第 5 章讨论特征值、特征向量与不变子空间时,若 \(V=U\oplus W\) 且两个子空间都在算子 \(T\) 下不变(即 \(Tu\in U\)、\(Tw\in W\)),则研究 \(T\) 就归结为分别研究两个更小的限制算子 \(T|_U\) 与 \(T|_W\),再由分解唯一性无歧义地拼合;第 7 章内积空间中的正交分解、第 8 章复向量空间上算子按广义特征子空间的直和分解,乃至特征多项式、极小多项式与结构定理,无不以此为基础。可以说,1.C 节在纯向量空间的层面,预演了第 5–8 章"分解算子"的全部思想:把复杂的对象切分为若干性质良好、互不冲突的简单成分,分别处理,再合成整体。

练习

练习 1.C-1

判定 \(\mathbb{R}^3\) 的下列子集是否为子空间,并说明理由:(a) \(\{(x,y,z):x+y+z=0\}\);(b) \(\{(x,y,z):x+y+z=1\}\);(c) \(\{(x,y,z):x^2+y^2+z^2=1\}\)。

解答

(a) 是子空间:\(0+0+0=0\),故零元属于它;若 \(x+y+z=x'+y'+z'=0\),则和向量满足 \((x+x')+(y+y')+(z+z')=0\);数乘同理。这是过原点的平面。

(b) 不是:零向量 \((0,0,0)\) 不满足方程 \(x+y+z=1\),条件 1.34(a) 失败(它对加法也不封闭:两个满足方程的向量之和满足 \(x+y+z=2\))。

(c) 不是:单位球面不含零向量;且 \((1,0,0)+(0,1,0)=(1,1,0)\) 的范数为 \(\sqrt{2}\),对加法也不封闭。

练习 1.C-2

举例说明:在 \(\mathbb{R}^2\) 中,存在对标量乘法封闭但对加法不封闭的子集;在 \(\mathbb{R}\) 中,存在对加法封闭但对标量乘法不封闭的子集。可见判定条件 1.34 的三条缺一不可。

解答

在 \(\mathbb{R}^2\) 中取两条坐标轴之并 \(S=\{(x,0):x\in\mathbb{R}\}\cup\{(0,y):y\in\mathbb{R}\}\)。对 \(\lambda\in\mathbb{R}\),\(\lambda(x,0)=(\lambda x,0)\) 仍在 \(x\) 轴上,\(\lambda(0,y)=(0,\lambda y)\) 仍在 \(y\) 轴上,故 \(S\) 对标量乘法封闭;但 \((1,0)+(0,1)=(1,1)\notin S\),对加法不封闭。

在 \(\mathbb{R}\) 中取非负整数集 \(\mathbb{N}\cup\{0\}\):两非负整数之和仍为非负整数,故对加法封闭且含零;但 \(\tfrac{1}{2}\cdot 1=\tfrac{1}{2}\) 不是整数,对标量乘法不封闭。

练习 1.C-3

证明:\(V\) 的两个子空间 \(U,W\) 的并集 \(U\cup W\) 是 \(V\) 的子空间,当且仅当 \(U\subseteq W\) 或 \(W\subseteq U\)。

解答

充分性显然:若 \(U\subseteq W\),则 \(U\cup W=W\) 是子空间;对称地处理另一情形。

必要性:设 \(U\cup W\) 是子空间,反设互不包含,则可取 \(u\in U\setminus W\) 与 \(w\in W\setminus U\)。由封闭性,\(u+w\in U\cup W\)。若 \(u+w\in U\),则 \(w=(u+w)-u\in U\)(子空间对加法与数乘封闭),与 \(w\notin U\) 矛盾;若 \(u+w\in W\),则 \(u=(u+w)-w\in W\),与 \(u\notin W\) 矛盾。故必有包含关系成立。

这也再次说明:合并子空间不能用并集,而应如定义 1.36 那样取和。

练习 1.C-4

在 \(\mathbb{R}^3\) 中设 \(U=\{(x,0,0)\}\)、\(W=\{(0,y,0)\}\)、\(Z=\{(0,0,z)\}\)(三条坐标轴,其中 \(x,y,z\) 取遍 \(\mathbb{R}\))。证明 \(\mathbb{R}^3=U\oplus W\oplus Z\),并写出 \((a,b,c)\) 的唯一分解。

解答

任取 \((a,b,c)\in\mathbb{R}^3\),分解 \((a,b,c)=(a,0,0)+(0,b,0)+(0,0,c)\) 表明 \(\mathbb{R}^3=U+W+Z\),即定理 1.45(a) 成立。证 (b):设 \[ (x,0,0)+(0,y,0)+(0,0,z)=(0,0,0), \] 比较三个分量得 \(x=y=z=0\),零向量的分解只有平凡一种。由定理 1.45,\(\mathbb{R}^3=U\oplus W\oplus Z\),且上述分解即为 \((a,b,c)\) 的唯一分解。

练习 1.C-5

在 \(\mathbb{R}^3\) 中设 \(U_1=\{(x,y,0):x,y\in\mathbb{R}\}\)(\(xy\) 平面)、\(U_2=\{(0,0,z):z\in\mathbb{R}\}\)(\(z\) 轴)、\(U_3=\{(t,t,t):t\in\mathbb{R}\}\)(对角直线)。证明:三个子空间两两之交均为 \(\{0\}\),但 \(U_1+U_2+U_3\) 不是直和。这说明"两两交为零"对三个及以上的子空间不足以判定直和。

解答

两两之交:\(U_1\cap U_2=\{0\}\) 显然;\(U_1\cap U_3=\{0\}\),因为 \((t,t,t)\in U_1\) 迫使 \(t=0\);\(U_2\cap U_3=\{0\}\),因为 \((t,t,t)\in U_2\) 迫使 \(t=0\)。

非直和:由 \(U_1+U_2=\mathbb{R}^3\) 已知和为全空间,但 \[ (0,0,0)=(-1,-1,0)+(0,0,-1)+(1,1,1), \] 其中 \((-1,-1,0)\in U_1\)、\((0,0,-1)\in U_2\)、\((1,1,1)\in U_3\),三个加项均非零,零向量有非平凡分解,由定理 1.45 的逆否即知不是直和。

练习 1.C-6

设 \(\mathbb{R}^{\infty}\) 为全体实序列构成的向量空间。证明:(a) 全体有界序列之集是 \(\mathbb{R}^{\infty}\) 的子空间;(b) 全体收敛序列之集是 \(\mathbb{R}^{\infty}\) 的子空间;(c) 全体收敛于 \(1\) 的序列之集不是子空间。

解答

(a) 零序列有界;若 \(|a_n|\le M\)、\(|b_n|\le N\),则 \(|a_n+b_n|\le M+N\),\(|\lambda a_n|\le|\lambda|M\)。由判定条件 1.34 得证。

(b) 零序列收敛;由极限的线性性,两收敛序列之和、收敛序列的数乘仍收敛,故为子空间(它与例 1.35(b) 中的 \(c_0\) 都是 \(\mathbb{R}^{\infty}\) 的重要子空间)。

(c) 该集合不含零序列(零序列收敛于 \(0\) 而非 \(1\)),条件 (a) 失败;而且两个收敛于 \(1\) 的序列之和收敛于 \(2\),对加法也不封闭。