第五讲 向量空间在线性算子下的分解.pdfVIP

數學傳播 32 卷 2期, pp. 34-53 線性代數五講一一 第五講 向量空間在線性算子下的分解 龔 昇 張德健 5.1. 向量空間是主理想整環上有限生成模 1. 在上一講研究模理論的目的是為了站在更高的層面上來認識線性代數。 在這一講回到 向量空間和線性變換, 應用上一講中的結果翻譯成向量空間的語言。 這裡 V 不僅僅是域 F 上 的向量空間, 更是多項式 F [x] 上的模, 其數乘定義為 p (x)v = p (T )(v), 這裡 p (x) ∈ F [x], v ∈ V , T ∈ L(V )。 本講中向量空間均指有限維的, 以下不再每次注明。 若 V 是域 F 上的向量空間, 線性算子 T ∈ L(V ), 對於 V 中的一個基底, T 對應於 F 上的一個矩陣, 對於 V 中另一個基, T 對應另一個矩陣, 在 3.1 節中已經知道, 這兩個矩陣是相 似的。 問題是: 對於一個固定的 T ∈ L(V ), 如何來選取 V 的基底, 使得對應於 T 的矩陣盡可 能簡單。 當然最簡單的矩陣是對角線矩陣, 但不是所有的 T ∈ L(V ), 都能做到這點。 為此, 只 能求其次, 希望能找到另一種簡單的矩陣。 上述問題也可敘述為: 若 V 是域 F 上的向量空間, 要找出所有與 L(V ) 中給定的線性算 子相對應的矩陣在相似意義下的標準形式。 這是線性代數 中討論的最基本 問題之一。 首先, 若 V 是域 F 上的 n 維向量空間, 則 V 作為 F [x] -模是撓模。 顯然, L(V ) 同構 2 於由所有 n × n 矩陣 成的向量空間 Mn (F )。 Mn (F ) 的維數為 n , 故對於 L(V ) 中任一 固定的 T , n2 + 1 個向量 2 n2 Id, T, T , . . . , T , 34 線性代數五講 35 是線性相依的, 故在 F [x] 中有 p (x) 使得 p (T ) = 0。 故 p (x)v = {0}。 因此 V 中所有元素 是撓元。 其次, V 作為 F [x]− 模是有限生成模。 若 B = {v , . . . , v } 是向量空間 V 的一 基 1 n 底, 則每個向量 v ∈ V , 存在純量 r , . . . , r ∈ F ⊂ F [x] 使得有下面的線性 合關係成立 : 1 n v = r v + r v + . . . + r v , 1 1 2 2 n n 故 B 生成模 V 。 在 1.2節中已知 F [x] 是一主理想整域 (Principal ideal integral domain), 其中 F 是 一個域。 因此, 向量空間 V 也是主理想整環 F [x] 上有限生成撓模。 所以上一講中討論的分解 定理能夠在此應用。 2. 前面已定義過向量空間 V 的一個子空間 S , 對一個固定的 T ∈ L(V ) 來講不變的意 思, 也就是如果 T (S) ⊂ S , S 稱為關於 T 的不變子空間。 不難證明, V