数学

3.F Duality

概念

线性泛函

线性泛函(linear functional)也称为线性函数,指的是从线性空间 V 到域 \mathbb{F} 的一个映射。

例如,\mathbb{R}^3 到 \mathbb{R} 的映射 f(x, y, z) = 3x - 4y + z 是一个线性泛函。在多项式空间 \mathcal{P}(\mathbb{R})(也记为 \mathbb{R}[x])上,定义映射

\varphi(p) = \int_0^1 p(x) \mathrm{d} x,

则 \varphi 是一个线性泛函。

对偶空间

从 V 到 \mathbb{F} 的全体映射 \mathcal{L}(V, \mathbb{F}),在其上定义加法和数乘:

(f+g)(u) = f(u) + g(u), (\lambda \cdot f)(u) = \lambda \cdot f(u);

则 \mathcal{L}(V, \mathbb{F}) 构成一个线性空间,称为 V 的对偶空间(dual space),记为 V'。

性质

对于有限维线性空间,对偶空间的维数和原空间相同:

\dim V' = \dim V.

对偶基

设 e_1, \dots, e_n 是线性空间 V 的一组基,定义 n 个线性泛函 \varphi_1, \dots, \varphi_n,满足:

\varphi_i (e_j) = \delta_{ij} = \begin{cases} 1, & i = j; \\ 0, & i \ne j. \end{cases}

则称 \varphi_1, \dots, \varphi_n 是 e_1, \dots, e_n 的对偶基(dual basis)。可以验证,这样定义的线性泛函是唯一的,且它们也是 V' 的一组基。

性质

对偶基描述了向量做分解后的系数,取出向量 v 在 e_j 上的分量。对任意 v \in V,设 e_1, \dots, e_n 是 V 的一组基,\varphi_1, \dots, \varphi_n 是对偶基,则有:

v = \varphi_1(v) e_1 + \cdots + \varphi_n(v) e_n.
提示

若我们取定 e_1, \dots, e_n 为正交基,则 \varphi_1, \dots, \varphi_n 可视为向量 v 在 e_1, \dots, e_n 方向上的投影。这样的观点可以在内积空间中严格阐述。

对偶映射

设 T \in \mathcal{L}(V, W) 是一个线性映射,则定义它的对偶映射(dual map)T' \in \mathcal{L}(W', V') 为

T'(\varphi) = \varphi \circ T.

以上的映射 \varphi 从 W 映射到 \mathbb{F},而 T 则从 V 映射为 W,所以 T'(\varphi) = \varphi \circ T 从 V 映射到 \mathbb{F}。

性质

对偶映射 T' 也是一个线性映射。

例

在多项式空间 \mathcal{P}(\mathbb{R}) 上,设线性算子 D 为求导算子,线性泛函 \varphi 为取 x = 3 的值,即

\varphi(p) = p(3),

则 D 的对偶映射 D' 为 D'(\psi) := \psi \circ D。例如,D'(\varphi) = \varphi \circ D,于是对任意多项式 p,有

D'(\varphi)(p) = \varphi(D(p)) = \varphi(p') = p'(3).

对偶映射与转置

设 T \in \mathcal{L}(V, W) 是一个线性映射,在 e_1, \dots, e_n 和 f_1, \dots, f_m 这两组基下表示的矩阵为 A,则 T 的对偶映射 T' 在相应的对偶基下的矩阵为 A 的转置 A^{\mathrm T}。

关键定理

零化子

这是一个沟通零空间和对偶映射值域的桥梁。

零化子(annihilator):对一个子空间 U,其零化子指的是将其中所有向量映射为 0 的线性泛函。也即,若 \varphi \in V',且 \forall x \in U, \varphi(u) = 0,则 \varphi 是 U 的零化子。

U 的全体零化子构成的集合称为 U^0。

零化子的性质

零化子的维数公式:\dim U^0 + \dim U = \dim V

核的零化子关系:(\operatorname{null} T)^0 = \operatorname{range} T'

矩阵的秩

行秩等于列秩

设矩阵 A 是某个线性映射 T \in \mathcal{L}(V, W) 在基 (e_1, \dots, e_n) 和 (f_1, \dots, f_n) 下的矩阵表示,则

\operatorname{cr} (A) = \dim \operatorname{range} T = \dim V - \dim \operatorname{null} T = \dim (\operatorname{null} T)^0 = \dim \operatorname{range} T' = \operatorname{rr} (A).

因此,矩阵的行秩等于列秩。

BEYOND THE ARTICLE

读完了,有什么想法?

阅读已保存的问答示例,并循着引用回到原文。

查看公开问答示例
— 本文完 — 返回文章列表