Algebra

高等代数

在线性映射、空间分解与代数结构之间,寻找同一个问题的不同面貌。

SELECTED PROBLEMS

题目精选

1 篇 · 慢慢想,细细写

高等代数 · 2026-10-03 · 示例内容

幂等映射与直和分解

从 P² = P 出发,不计算行列式,也能读出一个线性映射的全部结构。

#线性映射#直和#对角化

题目 · 幂等映射为什么可以对角化?

设 VV 是域 K\mathbb K 上的有限维向量空间,P:V→VP:V\to V 为线性映射且 P2=PP^2=P。证明

V=ker⁡P⊕im⁡P,V=\ker P\oplus\operatorname{im}P,

并说明 PP 可以对角化,其对角元只能是 00 或 11。

直觉 · 把一个向量拆成保留与消去的两部分

先观察 v=(v−Pv)+Pvv=(v-Pv)+Pv。再次作用 PP 时,前一部分被消去,后一部分保持不变。

引理 · 像空间中的向量是固定点

若 w∈im⁡Pw\in\operatorname{im}P,则 Pw=wPw=w。

Proof.展开 / 收起

存在 u∈Vu\in V 使 w=Puw=Pu,所以 Pw=P2u=Pu=wPw=P^2u=Pu=w。

∎
Proof. · 直和分解与适配基展开 / 收起

对任意 v∈Vv\in V,有 P(v−Pv)=Pv−P2v=0P(v-Pv)=Pv-P^2v=0,所以 v−Pv∈ker⁡Pv-Pv\in\ker P。因此上述拆分给出 V=ker⁡P+im⁡PV=\ker P+\operatorname{im}P。

若 ww 同时属于核与像,则 Pw=0Pw=0,又由引理得 Pw=wPw=w,故 w=0w=0。这就证明了直和。

分别取核与像的一组基,合并即得 VV 的一组基。在此基下,若 r=dim⁡im⁡Pr=\dim\operatorname{im}P,则

[P]=(0n−r00Ir),n=dim⁡V.[P]=\begin{pmatrix}0_{n-r}&0\\0&I_r\end{pmatrix}, \qquad n=\dim V.

这已经是对角矩阵,结论成立。P=0P=0 与 P=IP=I 也包含在内。

∎

注记 · 代数投影不一定是正交投影

即使 VV 是实内积空间,P2=PP^2=P 本身也不保证核与像正交。若还满足 PP 自伴,则对 u∈ker⁡Pu\in\ker P、w=Pv∈im⁡Pw=Pv\in\operatorname{im}P,有 ⟨u,w⟩=⟨Pu,v⟩=0\langle u,w\rangle=\langle Pu,v\rangle=0。

单独阅读与分享 →

相关笔记

关于这门学科的笔记,会在这里慢慢积累。