[问题2014A12]  解答

将问题转换成几何的语言: 设 \(\varphi,\psi\) 是 \(n\) 维线性空间 \(V\) 上的线性变换, 满足 \(\varphi\psi=\psi\varphi=0\), \(\mathrm{r}(\varphi)=\mathrm{r}(\varphi^2)\), 求证: \[\mathrm{r}(\varphi+\psi)=\mathrm{r}(\varphi)+\mathrm{r}(\psi).\cdots(1)\]

要证明 (1) 式, 我们只要证明 \[\mathrm{Im}(\varphi+\psi)=\mathrm{Im\,}\varphi\oplus\mathrm{Im\,}\psi,\cdots(2)\] 再两边同取维数即可. 在证明 (2) 式之前, 我们先引用复旦高代书第 208 页复习题 37 的结论:

结论  设 \(\varphi\) 是 \(n\) 维线性空间 \(V\) 上的线性变换, 满足 \(\mathrm{r}(\varphi)=\mathrm{r}(\varphi^2)\), 则 \[V=\mathrm{Ker\,}\varphi\oplus\mathrm{Im\,}\varphi.\cdots(3)\]

(2) 式的证明分成两步.

第一步证明 \(\mathrm{Im\,}\varphi+\mathrm{Im\,}\psi=\mathrm{Im\,}\varphi\oplus\mathrm{Im\,}\psi\). 由条件 \(\varphi\psi=0\) 可得 \(\mathrm{Im\,}\psi\subseteq\mathrm{Ker\,}\varphi\), 再由 (3) 式即得 \(\mathrm{Im\,}\varphi\cap\mathrm{Im\,}\psi=0\), 从而上述和为直和.

第二步证明 \(\mathrm{Im}(\varphi+\psi)=\mathrm{Im\,}\varphi+\mathrm{Im\,}\psi\). 由像空间的定义即得 \(\mathrm{Im}(\varphi+\psi)\subseteq\mathrm{Im\,}\varphi+\mathrm{Im\,}\psi\). 反之, 对 \(\mathrm{Im\,}\varphi+\mathrm{Im\,}\psi\) 中任一向量 \(\varphi(\alpha)+\psi(\beta)\), 其中 \(\alpha,\beta\in V\), 考虑 \(\alpha,\beta\) 关于 (3) 式的分解: \[\alpha=\alpha_1+\varphi(u),\,\,\,\,\beta=\beta_1+\varphi(v),\,\,\,\,\alpha_1,\beta_1\in\mathrm{Ker\,}\varphi,\,\,u,v\in V.\] 于是 \begin{eqnarray*}\varphi(\alpha)+\psi(\beta)&=&\varphi(\alpha_1+\varphi(u))+\psi(\beta_1+\varphi(v))=\varphi^2(u)+\psi(\beta_1) \\ &=& (\varphi+\psi)(\beta_1+\varphi(u))\in\mathrm{Im}(\varphi+\psi), \end{eqnarray*} 这就证明了第二步, 从而完成了 (2) 式的证明.  \(\Box\)

  在学了矩阵的 Jordan 标准形理论之后, 我们可以给出 [问题2014A12] 的一个十分简洁的代数证明.

[问题2014A12] 解答的更多相关文章

  1. 精选30道Java笔试题解答

    转自:http://www.cnblogs.com/lanxuezaipiao/p/3371224.html 都 是一些非常非常基础的题,是我最近参加各大IT公司笔试后靠记忆记下来的,经过整理献给与我 ...

  2. 精通Web Analytics 2.0 (8) 第六章:使用定性数据解答”为什么“的谜团

    精通Web Analytics 2.0 : 用户中心科学与在线统计艺术 第六章:使用定性数据解答"为什么"的谜团 当我走进一家超市,我不希望员工会认出我或重新为我布置商店. 然而, ...

  3. 【字符编码】Java字符编码详细解答及问题探讨

    一.前言 继上一篇写完字节编码内容后,现在分析在Java中各字符编码的问题,并且由这个问题,也引出了一个更有意思的问题,笔者也还没有找到这个问题的答案.也希望各位园友指点指点. 二.Java字符编码 ...

  4. spring-stutrs求解答

    这里贴上applicationContext里的代码: <?xml version="1.0" encoding="UTF-8"?> <bea ...

  5. JavaScript Bind()趣味解答 包懂~~

    首先声明一下,这个解答是从Segmentfault看到的,挺有意思就记录下来.我放到最下面: bind() https://developer.mozilla.org/zh-CN/docs/Web/J ...

  6. CMMI4级实践中的5个经典问题及解答

    这五个问题相当经典而且比较深,需要做过CMMI4.5级的朋友才能看懂这些问题.这5个问题是一位正在实践CMMI4级的朋友提出来的,而解答则是我的个人见解. 五个疑问是:   A.流程,子流程部分不明白 ...

  7. 海边直播目标2017全国初中数学竞赛班课堂测试题解答-The Final

    1. 设函数 $f(x) = 2^x(ax^2 + bx + c)$ 满足等式 $f(x+1) - f(x) = 2^x\cdot x^2$, 求 $f(1)$. 解答: 由 $f(x) = 2^x( ...

  8. 知乎大牛的关于JS解答

    很多疑惑一扫而空.... http://www.zhihu.com/question/35905242?sort=created JS的单线程,浏览器的多进程,与CPU,OS的对位. 互联网移动的起起 ...

  9. [问题2014A01] 解答一(第一列拆分法,由张钧瑞同学提供)

    [问题2014A01] 解答一(第一列拆分法,由张钧瑞同学提供) (1)  当 \(a=0\) 时,这是高代书复习题一第 33 题,可用升阶法和 Vander Monde 行列式来求解,其结果为 \[ ...

随机推荐

  1. 配置perl-cgi的运行环境,由于Active Perl安装在d:\perl

    Apache 1.3.22 for Win32+PHP 4.0.6+Active Perl 5.006001+Zend Optimizer v1.1.0+mod_gzip 1.3.19.1a+MySQ ...

  2. BizTalk 开发系列(四十二) 为BizTalk应用程序打包不同的环境Binding

    我们在使用微软或者其他公司提供的BizTalk应用程序MSI包的时候经常会有一个目标环境的选择选项.该选项可以在不同的环境下使用不同的绑定(BizTalk应用程序配置)感觉很高级. 其实这个非常的简单 ...

  3. String的hashcode(java)

    hashCode就是我们所说的散列码,使用hashCode算法可以帮助我们进行高效率的查找,例如HashMap,说hashCode之前,先来看看Object类. Java程序中所有类的直接或间接父类, ...

  4. request实现页面包含

    package cn.itcast.request; import java.io.IOException; import javax.servlet.ServletException; import ...

  5. 最长公共子序列PK最长公共子串

    1.先科普下最长公共子序列 & 最长公共子串的区别: 找两个字符串的最长公共子串,这个子串要求在原字符串中是连续的.而最长公共子序列则并不要求连续. (1)递归方法求最长公共子序列的长度 1) ...

  6. k8s入门系列之扩展组件(一)DNS安装篇

    DNS (domain name system),提供域名解析服务,解决了难于记忆的IP地址问题,以更人性可读可记忆可标识的方式映射对应IP地址. Cluster DNS扩展插件用于支持k8s集群系统 ...

  7. (copy) Shell Script to Check Linux System Health

    source: http://linoxide.com/linux-shell-script/shell-script-check-linux-system-health/ This article ...

  8. LUA OOP编程实现方法

    lua原生不支持OOP特性 确实如此, 同时可以采用其它lua代码的方式实现OOP的特性. OOP四大特性 抽象 封装 继承 多态 http://www.cnblogs.com/xiaosongluf ...

  9. Web动画API教程1:创建基本动画

    本人转载自: Web动画API教程1:创建基本动画

  10. 关于Beta分布、二项分布与Dirichlet分布、多项分布的关系

    在机器学习领域中,概率模型是一个常用的利器.用它来对问题进行建模,有几点好处:1)当给定参数分布的假设空间后,可以通过很严格的数学推导,得到模型的似然分布,这样模型可以有很好的概率解释:2)可以利用现 ...