高等代数(六)-线性空间08：线性空间的同构

§8 线性空间的同构
设 ${\epsilon }_1,{\epsilon }_2,\cdots ,{\epsilon }_n$
是线性空间 $V$ 的一组基,在这组基下, $V$ 中每个向量都有确定的坐标,
而向量的坐标可以盾成 $P^n$ 的元素. 因此,
向量与它的坐标之间的对应实质上就是 $V$到 $P^n$ 的一个映射. 显然,
这个映射是单射与满射, 换句话说, 坐标给出了线性空间 $V$ 与 $P^n$
的一个双射. 这个对应的重要性表现在它与运算的关系上. 设
$$\mathbf{\alpha }=a_1{\epsilon }_1+a_2{\epsilon }_2+\cdots +a_n{\epsilon }_n,\beta =b_1{\epsilon }_1+b_2{\epsilon }_2+\cdots +b_n{\epsilon }_n.$$
即向量 $\mathbf{\alpha },\mathbf{\beta }$ 的坐标分别是
$\left(a_1,a_2,\cdots ,a_n\right),\left(b_1,b_2,\cdots ,b_n\right)$,
那么
$$\begin{array}{c}\mathbf{\alpha }+\mathbf{\beta }=\left(a_1+b_1\right){\epsilon }_1+\left(a_2+b_2\right){\epsilon }_2+\cdots +\left(a_n+b_n\right){\mathbf{\epsilon }}_n,\\ k\mathbf{\alpha }=k{a}_1{\epsilon }_1+k{a}_2{\epsilon }_2+\cdots +k{a}_n{\epsilon }_n.\end{array}$$

于是向量 $\alpha +\beta ,k\alpha$ 的坐标分别是
$$\begin{array}{c}\left(a_1+b_1,a_2+b_2,\cdots ,a_n+b_n\right)=\left(a_1,a_2,\cdots ,a_n\right)+\left(b_1,b_2,\cdots ,b_n\right),\\ \left(k{a}_1,k{a}_2,\cdots ,k{a}_n\right)=k\left(a_1,a_2,\cdots ,a_n\right).\end{array}$$

以上的式子说明在向量用坐标表示之后,
它们的运算就可以归结为它们坐标的运算.因而线性空间 $V$
的讨论也就可以归结为 $P^n$ 的讨论. 为了确切地说明这一点,
先引人下列定义.
定义 11 数域 $P$ 上两个线性空间 $V$ 与 $V^{\prime }$ 称为同构的, 如果由
$V$ 到 $V^{\prime }$ 有一个双射 $\sigma$, 具有以下性质:
1)
$\sigma (\mathbf{\alpha }+\mathbf{\beta })=\sigma (\mathbf{\alpha })+\sigma (\mathbf{\beta })$;
2) $\sigma (k\mathbf{\alpha })=k\sigma (\mathbf{\alpha })$,
其中 $\mathbf{\alpha },\mathbf{\beta }$ 是 $V$ 中任意向量, $k$ 是
$P$ 中任意数. 这样的映射 $\sigma$ 称为同构映射.
前面的讨论说明在 $n$ 维线性空间 $V$ 中取定一组基后,
向量与它的坐标之间的对应就是 $V$ 到 $P^n$ 的一个同构映射. 因而, 数域
$P$ 上任一个 $n$ 维线性空间都与 $P^n$ 同构.
由定义可以看出,同构映射 $\sigma$ 具有下列基本性质:
1.
$\sigma (0)=0,\sigma (-\mathbf{\alpha })=-\sigma (\mathbf{\alpha })$.
在定义 11 的 2 ) 中分别取 $k=0,-1$ 即得.
2.
$\sigma \left(k_1{\mathbf{\alpha }}_1+k_2{\mathbf{\alpha }}_2+\cdots +k_1{\mathbf{\alpha }}_r\right)=k_1\mathbf{\sigma }\left({\mathbf{\alpha }}_1\right)+k_2\sigma \left({\mathbf{\alpha }}_2\right)+\cdots +k_1\sigma \left({\mathbf{\alpha }}_t\right)$.
这是 1) 与 2) 结合的结果. I
3. $V$ 中向量组
${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\cdots ,\mathbf{\alpha }$,
线性相关的充分必要条件是, 它们的像
$\sigma \left({\mathbf{\alpha }}_1\right)$,
$\sigma \left({\mathbf{\alpha }}_2\right),\cdots ,\sigma \left({\mathbf{\alpha }}_t\right)$
线性相关.
因为由
$$k_1{\mathbf{\alpha }}_1+k_2{\mathbf{\alpha }}_2+\cdots +k_r{\mathbf{\alpha }}_r=0$$
可得
$$k_1\sigma \left({\mathbf{\alpha }}_1\right)+k_2\sigma \left({\mathbf{\alpha }}_2\right)+\cdots +k_r\mathbf{\sigma }\left({\mathbf{\alpha }}_r\right)=0.$$
反过来,由
$$k_1\sigma \left({\mathbf{\alpha }}_1\right)+k_2\sigma \left({\mathbf{\alpha }}_2\right)+\cdots +k^{}$$