【线性代数】 07 - 线性函数

1. 线性函数

1.1 k重线性函数

  前面讨论了纯代数意义上的线性空间,在实际场景中,我们经常需要处理向量的度量。度量一般表现为向量的函数,比如行列式可以看成是n个行(列)向量的函数,矩阵之积的每一个元素其实就是一个行向量和一个列向量的函数。严格来讲,对域F上的线性空间V,映射V××VFkV)叫做线性空间V上的k元函数,一般记作f(ξi,,ξk)

  如果函数在每一个变量ξi上都满足线性等式(1),它也叫V上的k重线性函数。由定义容易知道,如果选定V的一组基,k重线性函数可以由ξ1,,ξk分别取遍这组基所唯一确定。特别地,n维线性空间上的k重线性函数由nk个独立变量完全确定。所有k重线性函数可以组成F上的线性空间,严格定义你可以自己给出。

(1)f(,ξi1,k1α+k2β,ξi+1,)=k1f(,ξi1,α,ξi+1,)+k2f(,ξi1,β,ξi+1,)

  前面举的行列式和行列向量乘法显然都是线性函数,观察这两个例子,我们发现线性函数还有一个性质可以继续讨论,那就是变量ξi,ξj位置的交换对函数值的影响。当然我们只讨论最典型的情况,对任何向量,式(2)恒成立的函数叫对称线性函数,而式(3)恒成立的叫反对称线性函数,这两种情况都是比较常见的。容易证明,对称线性函数变量的顺序可以随意改变,而不影响函数的值。

(2)f(,ξi,,ξj,)=f(,ξj,,ξi,)

(3)f(,ξi,,ξj,)=f(,ξj,,ξi,)

  反线性函数中,若ξi=ξj,则有f(,ξi,,ξj,)=0,继而将某个变量的倍数加到另一个变量后,函数的值不变。还可以知道,如果ξ1,,ξk线性相关,则有f(ξ1,,ξk)=0。这个性质让我们想到了行列式的基本性质,其实当选定V的一组基ε1,,εn,并设ξi=ai1ε1++ainεn,根据定义展开n重对称反线性函数f(ξ1,,ξn)可得到公式(4)。

(4)f(ξ1,,ξn)=|a11a1nan1ann|f(ε1,,εn)

  如果f(ε1,,εn)0,则可以适当选取这组基,使得f(ε1,,εn)=1。由公式(3)可知,这时的n重反对称线性函数正是变量坐标的行列式,有些教材中就是把它作为行列式的定义的。

   求证:当ξi=0时,f(,ξi,)=0

   求证:反线性函数中ξi=ξj时的性质可反推到它的定义,它们是等价的。

1.2 线性函数和对偶空间

  在不产生混淆的情况下,1重线性函数也简称为线性函数,它其实就是线性变换f:VF。由前面的讨论我们已经知道,线性函数f(α)V中基的像完全确定,特别地,n维线性空间(基为{α1,,αn})的线性函数都可以由下式表示。

(5)f(α)=k1f(α1)++knf(αn),α=k1α1++knαn

  也就是说,向量(f(α1),,f(αn))唯一确定了一个线性函数,故VF上的所有线性函数Hom(V,F)构成一个n维线性空间V。这样就有VV,并且我们很自然地可以想到,将αi对应到(0,,1,,0)所确定的线性函数fi。严格定义为式(6),其中δij克罗内克记号,可以证明f1,,fnV的一组基。

(6)fi(αj)=δij={1(i=j)0(ij)

  以上映射虽然看起来比较自然,但却依赖于基α=(α1,,αn)的选择。换句话说,如果换成另外一组基β=(β1,,βn),映射关系也将改变。比如设αβ的过渡矩阵为A,则有Aα=β,或α=A1β。再设α按以上定义映射到f=(f1,,fn),而β映射到g=(g1,,gn),下面来计算fg的过渡矩阵B

  要求过渡矩阵B,就是用fi线性表示gj,根据公式(6)的性质其实就是要确定bji=gj(αi)。设A1的元素为aij,则有αi=kaikβk,带入bji并根据gj的定义得bji=aij。这就有B=A1,即有式(7)成立,该式验证了公式(6)定义的映射在不同基下也是不同的。

(7)B=(A1)

  但这个式子却提示我们,如果同样地定义线性函数VF,并得到另一个线性空间V=Hom(V,F)。这时V随基变化的过渡矩阵为C=(B1)=A,也就是说不管α如何选取,映射VV:αfα始终不变。这样我们就可以将V,V完全重合并看成是同一个空间,而VV就相当于定义了映射VV,它与VV是“对称”的。在这种映射下,V,V互相称为对偶空间,容易验证对偶空间有公式(8)成立。

(8)α(f)=f(α)

2. 双线性函数

2.1 双线性函数

  2重线性函数又称双线性函数,双线性函数表现为两个向量的度量运算。在新的度量下,空间向量的关系呈现出新的形态和限制,从而使得空间结构变得更加立体。由前面的讨论我们知道,如果ε1,,εnn维空间V的一组基,则双线性函数f(α,β)n2个值f(εi,εj)唯一确定。并且容易知道,如果向量α,β的坐标分别为x~=(x1,,xn),y~=(y1,,yn),则有式(9)成立。

(9)f(α,β)=x~Ay~,aij=f(εi,εj)

  在选定空间的基后,双线性函数由公式(9)中的方阵A所表示,反之在这组基下,任意n阶方阵A根据公式(9)确定了一个双线性函数。所以在固定的基下,n阶方阵和n维空间的双线性函数是一一对应的,这个矩阵也称为函数的度量矩阵。其中对称双线性函数反对称双线性函数分别满足(10)(11)式,它们的矩阵分别是对称矩阵和反对称矩阵。

(10)f(α,β)=f(β,α)A=A

(11)f(α,β)=f(β,α)A=A

  对有限维空间的双线性函数的研究,可以转化为对度量矩阵的研究。那么我们究竟需要研究什么呢?首先想到的是,矩阵自身的性质体现为双线性函数的什么性质呢?双线性函数使得向量之间有了新的关系,我们需要知道在这样的关系下,线性空间的自同构类是怎样的(即双线性函数的分类)?最重要的还要讨论,这个关系对空间结构的影响是怎样的?

2.2 双线性函数的秩

  双线性函数包含了两个线性函数,分别固定αβf(α,β)分别变成了线性函数αL(β)βR(α)。当α取遍V时,记所有αL组成的集合为WL。在有限维空间中,分别取α为第i位为1、其它位为0的向量,得到的αL的系数分别是A的第i行。这说明WL正是由这些线性函数组成的线性空间,维数就是矩阵的秩,对βR组成的WR也有同样的结论。度量矩阵的秩也被称为双线性函数的矩阵秩,记作rankmf,从而有公式(12)。

(12)dim(WL)=dim(WR)=rankmf

  那些使得αL=0βL=0的向量组成的集合分别叫双线性空间的左根右根,记作radLfradRf。容易证明,左根和右根都是线性空间,且根据公式(9)知有限维空间中,它们分别是方程组x~A=0Ay~=0的解集。若n维矩阵A的秩为r,则左右根的维数是nr,既有公式(13)成立。

(13)dim(radLf)=dim(radRf)=dimVrankmf

  当左右根为0时,表示如果αβ,则αLβL,αRβR。在有限维空间中,此时的A是满秩的,且由公式(12)知αL,βR分别遍历所有n阶线性函数,即有公式(14)成立。这样的双线性函数称为非退化的,否则称为退化的。

(14)WL=WR=V

  我们自然还有一个疑问:退化的双线性函数中,WL,WR是什么关系?它们什么时候重合?集合W=WLWR也称为双线性函数的秩空间,它的秩被称为双线性函数的,记作rankf。显然有rankmfrankf,而且当且仅当WL=WR时等号成立,容易验证对称和反对称双线性函数满足条件。

2.3 合同矩阵

  现在来继续研究有限维空间中,双线性函数结构,以及分类问题。如果存在向量α,β,使得双线性函数f,g满足f(α,β)g(α,β),它们当然就是“不同”的双线性函数。但可想而知,如果存在以下双射映射φ,则f,g显然是“同构”的,它们可以看做是相同的双线性函数,也称为是合同的。在有限维空间中选定的一组基,如果f,g的度量矩阵A,B不相同,它们自然是不同的,但什么情况下它们会是合同的呢?当然,同构的双线性函数组成一个等价类,问题的答案也正好给双线性函数进行了分类。

(15)φ:VV,f(α,β)=g(φ(α),φ(β))

  有限维空间中,如果f,g是合同的,则取一组基α~={α1,,αn},并设它们的像为β~={β1,,βn}。由公式(15)知,fα~下的度量矩阵和gβ~下的度量矩阵是相同的。记这个矩阵为A,并设gα~下的度量矩阵为B。设α~β~的过渡矩阵为P,带入公式(9)便知gα~下的度量矩阵为PAP,故有公式(16)成立。

(16)ABB=PAP,|P|0

  满足公式(16)的方阵A,B也称为是合同矩阵。如果f,gα~下的度量矩阵是合同矩阵,则以P为过渡矩阵的双射显然满足公式(15),所以f,g是合同的。这就说明,有限维空间中双线性函数合同的充要条件是:它们在同一组基下的度量矩阵是合同的。比较显然的是,合同矩阵的秩、以及双线性函数的秩都是它们的不变量。

  要想对双线性函数进行分类,其实就是对合同矩阵进行分类,为此我们需要为其找到一个“标准型”以作为分类的依据。参考相似变换的“标准型”,它往往具有简单的形式,而且可以将空间分割为尽量小的“无关”子空间。线性变换中以不变子空间作为“无关”的分割依据,那么度量矩阵有什么参数可以作为依据呢?直觉告诉我们,以f(α,β)是否为0条件所确定的α,β的关系,将是一个很好的“无关”参考标准。

2.4 正交向量

  但在此之前,还有一个细节需要处理,那就是有可能f(α,β)f(β,α)。而一般的“无关性”是可交换的,为此我们要给f一个限制条件,就是f(α,β)=0当且仅当f(β,α)=0。在这个限定下,定义满足f(α,β)=0的向量α,β正交的,记作αβ。容易证明,与α或集合W的每个元素都正交的向量皆组成一个子空间,称为它们的正交补,分别记作α,W

  这时双线性函数的左右根是相同的(为V),它也被称为双线性函数的,记作radf。对任意子空间Wf在其上的根也可简记为radW,容易验证有公式(17)成立。另外在有限维空间中,如果f是非退化的,使用线性方程组根的理论容易有式(18)成立。如果f|W也是非退化的,结合(17)(18)便有(19)式成立。

(17)radW=WW

(18)dimW+dimW=dimV,(W)=W

(19)WW=V

3. 双线性函数的标准型

3.1 函数的直和分解

  现在来看看满足限制条件的双线性函数还有什么性质,考察任意向量ε=f(α,γ)βf(β,γ)α,显然有f(ε,γ)=0。根据限制条件有f(γ,ε)=0,即公式(20)成立,当α=γ时还有式(21)成立。(21)中看出,如果f(α,α)0,则双线性函数中α可与任何向量交换。反之如果α,β不可交换,则f(α,α)=f(β,β)=0

(20)f(α,γ)f(γ,β)f(γ,α)f(β,γ)=0

(21)f(α,α)(f(α,β)f(β,α))=0

  假设既存在f(γ,γ)0,又存在f(α,β)f(β,α),下面考察β±γ。首先容易有f(α,β±γ)f(β±γ,α),这个不可交换性说明f(β±γ,β±γ)=0,两个式子展开便有f(γ,γ)=±2f(β,γ)。这就得到f(β,γ)=f(γ,γ)=0,与f(γ,γ)0矛盾。

  以上矛盾说明要么f(γ,γ)=0恒成立,要么f(α,β)=f(β,α)恒成立。前者取γ=α+β可得f(α,β)=f(β,α),故易知该条件与f是反对称函数等价。而后者说明f是对称函数,结合这两点可知,满足正交限制的双线性函数(f(α,β)=0当且仅当f(β,α)=0),要么是对称函数,要么是反对称函数。

  从而只需研究对称(反对称)双线性函数,就可以弄清向量正交关系的结论。但光研究这两类函数是否有利于我们对双线性函数的分类呢?答案是肯定的。其实只需如公式(22)取两个双线性函数,易知g,h分别为对称、反对称双线性函数,且f=g+h。另外,从(22)反过来求解方程组,还可知g,h是唯一的。从而得到结论:任何双线性函数可唯一分解为一个对称双线性函数和一个反对称双线性函数直和。

(22)g(α,β)=12(f(α,β)+f(β,α));h(α,β)=12(f(α,β)f(β,α))

  容易验证,所有对称、反对称双线性函数分别是一个子空间,我们记之为S2(V),A2(V),并记整个双线性函数空间为T2(V)。上面的结论说明T2(V)=S2(V)+A2(V),当域的特征值不为2时,还有S2(V)A2(V)=0,从而有式(23)成立。当域的特征值不为2时,双对称线性函数的分类问题就转化为了S2(V),A2(V)的分类问题。如不作特殊说明,今后讨论的域都满足CharF2。当CharF=2时,双线性函数的标准型融合了两类标准型的格式,之后请自行论证。

(23)T2(V)=S2(V)A2(V),(CharF2)

3.2 对称矩阵的合同标准型

  先来看看有限维空间中,对称双线性函数是否有我们想要的“标准型”,使用的主要工具当然就是正交。如果对所有的向量都有f(α,α)=0,则它是平凡的零函数,无需多作讨论。否则任意取f(α,α)0,并记W=α。对任意向量β,设β=kα+γ,(γW),其中k为待定系数。根据f(α,γ)=0可以得到k的唯一解,这就是说空间有以下直和分解。

(24)V=WW,(W=α)

  取W的一组基,并与α组成V的一组基。上面的分析告诉我们,在这组基下双线性函数的度量矩阵有形式[f(α,α)00B]。由归纳法归纳可知,对称双线性函数在某一组基下的度量矩阵为对角矩阵,或者说任意对称矩阵A都合同于一个对角矩阵(公式(25)),这个对角矩阵就称为A合同标准型

(25)A=APAP=diag{d1,,dr,0,,0},(|P|0,r=rankA)

  需要注意,对称矩阵的合同标准型并不是唯一的,它依赖于基的选取。对每个对角元有di=f(αi,αi),当αi取自身的k倍时就得到了不同的对角元k2di。但这个提醒了我们,在实数域和复数域中,还可以有进一步的结论。比如在实数域取αi|di|,并适当调整顺序后就得到实数域对称矩阵的合同标准型(26)。在复数域中,取αidi,就得到了复数域对称矩阵的合同标准型(27)。

(26)A=APAP=[IpIq0npq],(P,ARn×n)

(27)A=APAP=[Ir0nr],(P,ACn×n)

  复对称矩阵的合同标准型显然是唯一的,r是其全系不变量,下面来讨论实对称矩阵的合同标准型。由公式(26)知,空间V可以有直和分解V=V+VV,其中V+,V分别是对应p,q维的子空间。如果还有另一种分解V=V0+V0V,从正负性考虑可知V0+VV=0,从而dim(V0+)dim(V+)。同样可有dim(V+)dim(V0+),故dim(V0+)=dim(V+),这就是说公式(26)中的p,q是唯一的,p,q是合同标准型的全系不变量,这个结论也叫惯性定律

  如果q=0则易知f0恒成立,这样的双线性函数或矩阵称为半正定的。特别地当p=n时,f(α,α)=0当且仅当α=0,这样的双线性函数或矩阵称为正定的。类似地可以定义半负定负定,显然V+,V分别是正定和负定的,为此p,q也分别叫正(负)惯性指数

3.3 反对称矩阵的合同标准型

  在反对称双线性函数中,如果恒有f(α,β)=0,则它是平凡的零函数。假设有f(α1,α2)0,适当调整向量的倍数可使函数值为1。首先易知α1,α2线性无关,这就使得我们不能像对称双线性函数中那样取α1的正交补,而只能考虑W=α1,α2

  对任意β,设β=k1α1+k2α2+γ,(γW),由f(αi,γ)=0可以得到ki的唯一解,从而有公式(28)的直和分解。类似对称双线性函数的分析,可知在某一组基下,反对称双线性函数的度量矩阵为式(29)的形式,这个矩阵也叫反对称矩阵的合同标准型。从式(29)还容易看出,反对称矩阵的秩必定是偶数。

(28)V=WW,(W=α1,α2)

(29)A=APAP=diag{D,,D,0,,0},(|P|0,D=[0110])

posted on   卞爱华  阅读(3464)  评论(0编辑  收藏  举报

编辑推荐:
· DeepSeek 解答了困扰我五年的技术问题
· 为什么说在企业级应用开发中,后端往往是效率杀手?
· 用 C# 插值字符串处理器写一个 sscanf
· Java 中堆内存和栈内存上的数据分布和特点
· 开发中对象命名的一点思考
阅读排行:
· 为什么说在企业级应用开发中,后端往往是效率杀手?
· DeepSeek 解答了困扰我五年的技术问题。时代确实变了!
· 本地部署DeepSeek后,没有好看的交互界面怎么行!
· 趁着过年的时候手搓了一个低代码框架
· 推荐一个DeepSeek 大模型的免费 API 项目!兼容OpenAI接口!

导航

点击右上角即可分享
微信分享提示