求生成子空间的交的一种方法

2018-04-11 11:03陈之辉
沧州师范学院学报 2018年1期
关键词:线性方程组线性向量

陈之辉

(沧州师范学院 数学与统计学院,河北 沧州 061001)

研究线性空间的子空间,经常会遇到子空间的交和子空间的和.如果V是数域F上线性空间,V1和V2是V的子空间,那么V1与V2的交V1∩V2和V1与V2的和V1+V2也是V的子空间.如果V1是由V中向量α1,α2,…,αt生成的,V2是由V中向量β1,β2,…,βs生成的,即

V1=L(α1,α2,…,αt),V2=L(β1,β2,…,βs),

容易知道,V1+V2=L(α1,α2,…,αt,β1,β2,…,βs).那么怎样求出V1∩V2?

定理[1][2]设α1,α2,…,αt和β1,β2,…,βs都是数域F上线性空间V中向量,

V1=L(α1,α2,…,αt),V2=L(β1,β2,…,βs).

取V的线性无关的向量γ1,γ2,…,γn,又设

(α1,α2,…,αt)=(γ1,γ2,…,γn)A,(β1,β2,…,βs)=(γ1,γ2,…,γn)B,

其中A是n×t矩阵,B是n×s矩阵.作齐次线性方程组

(A,-B)X=0,

其中X=(x1,x2,…,xt,y1,y2,…,ys)T.

如果该齐次线性方程组只有零解,那么V1∩V2={0}.

如果该齐次线性方程组有非零解,求出它的一个基础解系η1,η2,…,ηk,其中

ηi=(ci1,ci2,…,cit,di1,di2,…,dis)T(i=1,2,…,k).

以x1,x2,…,xt在每个ηi中的分量ci1,ci2,…,cit与α1,α2,…,αt作线性组合,构造向量

ξi=ci1α1+ci2α2+…+citαt(i=1,2,…,k),

或者以y1,y2,…,ys在每个ηi中的分量di1,di2,…,dis与β1,β2,…,βs作线性组合,构造向量

ξi=di1β1+di2β2+…+disβs(i=1,2,…,k),

那么V1∩V2=L(ξ1,ξ2,…,ξk).

特别地,如果α1,α2,…,αt和β1,β2,…,βs都是数域F上n元数组空间Fn中向量,那么依次以α1,α2,…,αt为第1,2,…,t列作矩阵A,依次以β1,β2,…,βs为第1,2,…,s列作矩阵B即可.

证明设α1,α2,…,αt和β1,β2,…,βs都是数域F上线性空间V中向量,

V1=L(α1,α2,…,αt),V2=L(β1,β2,…,βs).

现在求V1∩V2.

任意ξ∈V1∩V2,有ξ∈V1,ξ∈V2,设

ξ=x1α1+x2α2+…+xtαt,ξ=y1β1+y2β2+…+ysβs,

那么

x1α1+x2α2+…+xtαt-y1β1-y2β2-…-ysβs=0.

(1)

令X=(x1,x2,…,xt,y1,y2,…,ys)T,那么(1)式可以写成

(α1,α2,…,αt,-β1,-β2,…,-βs)X=0.

(2)

取V中线性无关的向量γ1,γ2,…,γn,并求出矩阵A,B使

(α1,α2,…,αt)=(γ1,γ2,…,γn)A,(β1,β2,…,βs)=(γ1,γ2,…,γn)B,

其中A是n×t矩阵,B是n×s矩阵,就有

(-β1,-β2,…,-βs)=(γ1,γ2,…,γn)(-B).

于是(α1,α2,…,αt,-β1,-β2,…,-βs)=(γ1,γ2,…,γn)(A,-B),代入(2)有

(γ1,γ2,…,γn)(A,-B)X=0,

(3)

其中(A,-B)是n×(t+s)矩阵.因为γ1,γ2,…,γn线性无关,所以得齐次线性方程组

(A,-B)X=0.

(4)

如果齐次线性方程组(4)只有零解,就说明ξ=0,即V1∩V2={0}.

如果齐次线性方程组(4)有非零解,求出它的一个基础解系η1,η2,…,ηk,其中

ηi=(ci1,ci2,…,cit,di1,di2,…,dis)T(i=1,2,…,k),

以x1,x2,…,xt在每个ηi中的取值ci1,ci2,…,cit与α1,α2,…,αt作线性组合,构造向量

ξi=ci1α1+ci2α2+…+citαt(i=1,2,…,k),

(5)

或者以y1,y2,…,ys在每个ηi中的取值di1,di2,…,dis与β1,β2,…,βs作线性组合,构造向量

ξi=di1β1+di2β2+…+disβs(i=1,2,…,k).

(6)

因为ξ∈V1∩V2,所以ξ∈V1,ξ∈V2,存在c1,c2,…,ct,d1,d2,…,ds,使

ξ=c1α1+c2α2+…+ctαt,ξ=d1β1+d2β2+…+dsβs,

所以

c1α1+c2α2+…+ctαt-d1β1-d2β2-…-dsβs=0.

这说明x1=c1,x2=c2,…,xt=ct,y1=d1,y2=d2,…,ys=ds满足(1),进而满足(2)、(3)和(4),所以

η=(c1,c2,…,ct,d1,d2,…,ds)T

是(4)的解,可以由η1,η2,…,ηk线性表示.设

η=u1η1+u2η2+…+ukηk.

(7)

又设

ω=(c1,c2,…,ct)T,δ=(d1,d2,…,ds)T,

ωi=(ci1,ci2,…,cit)T,δi=(di1,di2,…,dis)T(i=1,2,…,k),

那么

这样(5)式可以写成

ξi=(α1,α2,…,αt)ωi(i=1,2,…,k).

(7)式可以写成

可见ω=u1ω1+u2ω2+…+ukωk,于是

ξ=(α1,α2,…,αt)ω=(α1,α2,…,αt)(u1ω1+u2ω2+…+ukωk)

=u1(α1,α2,…,αt)ω1+u2(α1,α2,…,αt)ω2+…+uk(α1,α2,…,αt)ωk

=u1ξ1+u2ξ2…+ukξk.

这说明ξ∈L(ξ1,ξ2,…,ξk).可见V1∩V2⊆L(ξ1,ξ2,…,ξk).

反过来,对于每个ξi(i=1,2,…,k),考虑ηi,因为

x1=ci1,x2=ci2,…,xt=cit,y1=di1,y2=di2,…,ys=dis

满足(4),进而满足(3),(2)和(1).于是

ci1α1+ci2α2+…+citαt-di1β1-di2β2-…-disβs=0,

ci1α1+ci2α2+…+citαt=di1β1+di2β2+…+disβs.

而ξi=ci1α1+ci2α2+…+citαt,所以ξi=di1β1+di2β2+…+disβs.

这说明ξi∈V1,ξi∈V2,即ξi=V1∩V2.所以L(ξ1,ξ2,…,ξk)⊆V1∩V2.

这就证明了V1∩V2=L(ξ1,ξ2,…,ξk).#

当然,在这个定理中,ξ1,ξ2,…,ξk的极大无关组即为V1∩V2=L(ξ1,ξ2,…,ξk)的基.

如果V是数域F上n维线性空间,那么在应用上述方法时可以把γ1,γ2,…,γn取为V的基.

因为V1,V2都是V1+V2的子空间,所以在应用上述方法时也可以把γ1,γ2,…,γn取为V1+V2的基.例如取γ1,γ2,…,γn为α1,α2,…,αt,β1,β2,…,βs的极大无关组.

例1对于数域F上多项式空间F[x]4中多项式

f1(x)=-x2-x+1,f2(x)=x3+x2-2x-2,f3(x)=3x3+5x2-3x-6,

g1(x)=-x3+2x2+2x-2,g2(x)=2x3+2x2-2x-3,g3(x)=x3+x2-x-1,

g4(x)=6x3+7x2-7x-12.

令V1=L(f1,f2,f3),V2=L(g1,g2,g3,g4),求V1∩V2并求其一个基.

解任意h(x)∈V1∩V2,有h(x)∈V1,h(x)∈V2,设

h=x1f1+x2f2+x3f3,h=y1g1+y2g2+y3g3+y4g4,

那么

x1f1+x2f2+x3f3-y1g1-y2g2-y3g3-y4g4=0.

(8)

令X=(x1,x2,…,xt,y1,y2,…,ys)T,那么(8)式可以写成

(f1,f2,f3,-g1,-g2,-g3,-g4)X=0.

(9)

取F[x]4中线性无关的多项式x3,x2,x,1(它是F[x]4的一个基),有

(f1,f2,f3)=(x3,x2,x,1)A,(g1,g2,g3,g4)=(x3,x2,x,1)B,

其中

由(-g1,-g2,-g3,-g4)=(x3,x2,x,1)(-B),有

(f1,f2,f3,-g1,-g2,-g3,-g4)=(x3,x2,x,1)(A,-B)

代入(9)有

(x3,x2,x,1)(A,-B)X=0,

因为x3,x2,x,1线性无关,所以得齐次线性方程组(A,-B)X=0,即

解之,得其基础解系

η1=(1,-2,2,1,0,5,0),η2=(-2,2,-1,0,1,-3,0),η3=(-7,8,-3,0,0,-7,1).

p1(x)=g1+0g2+5g3+0g4=4x3+7x2-3x-7,

p2(x)=0g1+g2-3g3+0g4=-x3-x2+x,

p3(x)=0g1+0g2-7g3+g4=-x3-5,

那么V1∩V2=L(p1,p2,p3).

而(p1,p2,p3)=(x3,x2,x,1)P,其中

因为P的3个列向量线性无关(是其自身的极大无关组),所以p1,p2,p3是其自身的极大无关组,是V1∩V2的基.

参考文献:

[1]陈之辉,张伟伟,高瑞.高等代数[M].保定:河北大学出版社,2012.

[2]钱吉林.高等代数题解精粹[M].北京:中国民族大学出版社,2010.

猜你喜欢
线性方程组线性向量
一类整系数齐次线性方程组的整数解存在性问题
渐近线性Klein-Gordon-Maxwell系统正解的存在性
向量的分解
求解非线性方程组的Newton迭代与Newton-Kazcmarz迭代的吸引域
线性回归方程的求解与应用
聚焦“向量与三角”创新题
二阶线性微分方程的解法
向量垂直在解析几何中的应用
向量五种“变身” 玩转圆锥曲线
基于线性正则变换的 LMS 自适应滤波