4、矩阵与线性映射：理论与应用

矩阵与线性映射：理论与应用

一、向量空间中的唯一表示

在向量空间的研究中，有一个重要的事实：对于向量空间 (E) 中的向量 (v)，若 (v = \sum_{i\in I} \lambda_i u_i)（其中 ((u_i) {i\in I}) 是 (E) 中的向量族），那么标量族 ((\lambda_i) {i\in I}) 是唯一的，当且仅当 ((u_i)_{i\in I}) 是线性无关的。

证明过程

1. 正向证明 ：假设 ((u_i) {i\in I}) 是线性无关的。若存在另一个标量族 ((\mu_i) {i\in I}) 使得 (v = \sum_{i\in I} \mu_i u_i)，那么 (\sum_{i\in I} (\lambda_i - \mu_i) u_i = 0)。由于 ((u_i)_{i\in I}) 线性无关，所以对于所有 (i\in I)，都有 (\lambda_i - \mu_i = 0)，即 (\lambda_i = \mu_i)。
2. 反向证明 ：采用反证法。若 ((u_i) {i\in I}) 线性相关，则存在不全为零的标量族 ((\mu_i) {i\in I}) 使得 (\sum_{i\in I} \mu_i u_i = 0)，且存在 (j\in I) 使得 (\mu_j \neq 0)。此时 (v = \sum_{i\in I} \lambda_i u_i + 0 = \sum_{i\in I} \lambda_i u_i + \sum_{i\in I} \mu_i