3F 对偶

本节概览

本节研究线性代数中最深刻的对偶性理论。从线性泛函出发，构建对偶空间 $V^{\prime }$，引入对偶基和对偶映射，通过零化子连接子空间与对偶空间，最终揭示原映射与对偶映射之间单射/满射互换的优美对称性，并以双重对偶的自然同构收尾。

逻辑链条：线性泛函 → 对偶空间 $V^{\prime }$ → 对偶基 → 坐标提取 → 对偶映射 $T^{\prime }$（方向反转）→ 零化子 $U^0$ → $\text{null}{T}^{\prime }=(\text{range}T{)}^0$ → 单射/满射互换 → $M(T^{\prime })=M(T{)}^t$ → 列秩=行秩对偶证法 → 双重对偶 $V^{\prime \prime }$ → 自然同构 $\Lambda$

前置依赖：3A 线性映射所成的向量空间（$\mathcal{L}(V,W)$ 的维数公式）、3B 零空间和值域（基本定理 3.21）、3C 矩阵（矩阵表示、列秩）、3D 可逆性和同构（同构与可逆映射）、3E 向量空间的积和商（商空间维数公式）、2B 基（基与线性无关）、2C 维数（维数公式）

核心主线：对偶翻转——方向反转、单射/满射互换、零空间与值域交叉对应

---

一、对偶空间与对偶基

线性泛函

定义 3.108：线性泛函（linear functional）

$V$ 上的线性泛函是从 $V$ 到 $\mathbb{F}$ 的线性映射。换言之，线性泛函是 $\mathcal{L}(V,\mathbb{F})$ 的元素。

线性泛函是”最简单”的线性映射——输出只是一个标量。但它们在线性代数中扮演着极其重要的角色：内积、对偶空间、特征值理论等都离不开线性泛函。

例 3.109：线性泛函的例子

• $\phi :{\mathbb{R}}^3\to \mathbb{R}$，$\phi (x,y,z)=4x-5y+2z$
• $\phi :{\mathbb{F}}^n\to \mathbb{F}$，$\phi (x_1,\dots ,x_n)=c_1{x}_1+\cdots +c_n{x}_n$（固定 $(c_1,\dots ,c_n)\in {\mathbb{F}}^n$）
• $\phi :\mathcal{P}(\mathbb{R})\to \mathbb{R}$，$\phi (p)=3p^{\prime \prime }(5)+7p(4)$
• $\phi :\mathcal{P}(\mathbb{R})\to \mathbb{R}$，$\phi (p)={\int }_0^{1}p$

对偶空间

定义 3.110：对偶空间（dual space）、 $V^{\prime }$

$V$ 的对偶空间记作 $V^{\prime }$，是 $V$ 上全体线性泛函所构成的向量空间。换言之，$V^{\prime }=\mathcal{L}(V,\mathbb{F})$。

定理 3.111： $\dim V^{\prime }=\dim V$

假设 $V$ 是有限维的。那么 $V^{\prime }$ 也是有限维的，且 $\dim V^{\prime }=\dim V$。

证明思路

直接计算维数：由 3A 线性映射所成的向量空间 中的维数公式， $\dim V^{\prime }=\dim \mathcal{L}(V,\mathbb{F})=(\dim V)(\dim \mathbb{F})=\dim V\cdot 1=\dim V$ $■$

这个结果非常优美：$V$ 和 $V^{\prime }$ 维数相同，因此它们是同构的。但要注意，找到从 $V$ 到 $V^{\prime }$ 的同构通常需要选取基（模块四中讨论的 $\Lambda :V\to V^{\prime \prime }$ 则是”自然”的同构，不需要选基）。

对偶基

定义 3.112：对偶基（dual basis）

如果 $v_1,\dots ,v_n$ 是 $V$ 的基，那么其对偶基是 $V^{\prime }$ 中的元素 ${\phi }_1,\dots ,{\phi }_n$ 所构成的组，其中各 ${\phi }_j$ 满足： ${\phi }_j(v_k)={\delta }_{jk}=\{\begin{array}{ll}1& \text{若 }k=j,\\ 0& \text{若 }k\ne j.\end{array}$ 这里 ${\delta }_{jk}$ 是 Kronecker delta 符号。

例 3.113： ${\mathbb{F}}^n$ 的标准基的对偶基

设 $e_1,\dots ,e_n$ 是 ${\mathbb{F}}^n$ 的标准基。对偶基 ${\phi }_1,\dots ,{\phi }_n$ 就是”取第 $j$ 个坐标”的线性泛函： ${\phi }_j(x_1,\dots ,x_n)=x_j$ 这就是坐标投影（coordinate projection）。

定理 3.114：对偶基给出了线性组合的系数

假设 $v_1,\dots ,v_n$ 是 $V$ 的基，且 ${\phi }_1,\dots ,{\phi }_n$ 是其对偶基。那么对每个 $v\in V$，有 $v={\phi }_1(v)v_1+\cdots +{\phi }_n(v)v_n$

证明思路

对偶基提取系数：设 $v=c_1{v}_1+\cdots +c_n{v}_n$。两端作用 ${\phi }_j$，利用线性性得： ${\phi }_j(v)=c_1{\phi }_j(v_1)+\cdots +c_n{\phi }_j(v_n)=c_1\cdot 0+\cdots +c_j\cdot 1+\cdots +c_n\cdot 0=c_j$ 将 $c_j={\phi }_j(v)$ 代入原展开式即得。$■$

关键洞察：对偶基的每个 ${\phi }_j$ 就是一个”坐标提取器”——它从向量 $v$ 中提取出第 $j$ 个坐标（相对于基 $v_1,\dots ,v_n$）。

定理 3.116：对偶基是对偶空间的基

假设 $V$ 是有限维的。那么 $V$ 的基的对偶基是 $V^{\prime }$ 的基。

证明思路

线性无关性：设 $a_1{\phi }_1+\cdots +a_n{\phi }_n=0$（$V^{\prime }$ 中的零映射）。两端作用于 $v_k$ 得： $0=(a_1{\phi }_1+\cdots +a_n{\phi }_n)(v_k)=a_1\cdot 0+\cdots +a_k\cdot 1+\cdots +a_n\cdot 0=a_k$ 故 $a_k=0$（对每个 $k$），所以 ${\phi }_1,\dots ,{\phi }_n$ 线性无关。

长度匹配：$\dim V^{\prime }=\dim V=n$（定理 3.111），而我们有 $n$ 个线性无关的元素。

结论：由 2C 维数 中的定理 2.38，$n$ 个线性无关的元素构成 $n$ 维空间的基。$■$

---

二、对偶映射

定义

定义 3.118：对偶映射（dual map）、 $T^{\prime }$

设 $T\in \mathcal{L}(V,W)$。$T$ 的对偶映射是 $T^{\prime }\in \mathcal{L}(W^{\prime },V^{\prime })$，定义为：对每个 $\phi \in W^{\prime }$， $T^{\prime }(\phi )=\phi \circ T$

方向反转！

• $T:V\to W$，但 $T^{\prime }:W^{\prime }\to V^{\prime }$——方向反转了！
• $T$ 的定义域 $V$ 变成了 $T^{\prime }$ 的上标域（$T^{\prime }$ 的值域），$T$ 的上标域 $W$ 变成了 $T^{\prime }$ 的定义域
• $T^{\prime }(\phi )$ 就是 $\phi$ 和 $T$ 的复合，所以 $T^{\prime }(\phi )\in V^{\prime }$（从 $V$ 到 $\mathbb{F}$ 的映射）
• 有些书用 $V^{\ast }$ 和 $T^{\ast }$ 表示对偶，但 Axler 将 $T^{\ast }$ 预留给第 7 章的伴随（adjoint）

例 3.119：微分映射的对偶

设 $D:\mathcal{P}(\mathbb{R})\to \mathcal{P}(\mathbb{R})$，$Dp=p^{\prime }$。

• 取 $\phi (p)=p(3)$。则 $D^{\prime }(\phi )(p)=\phi (Dp)=\phi (p^{\prime })=p^{\prime }(3)$。
• 取 $\hat{\phi }(p)={\int }_0^{1}p$。则 $D^{\prime }(\hat{\phi })(p)=\hat{\phi }(p^{\prime })={\int }_0^1{p}^{\prime }=p(1)-p(0)$。

代数性质

定理 3.120：对偶映射的代数性质

设 $T\in \mathcal{L}(V,W)$。那么

• (a) $(S+T{)}^{\prime }=S^{\prime }+T^{\prime }$
• (b) $(\lambda T{)}^{\prime }=\lambda T^{\prime }$
• (c) ==$(ST{)}^{\prime }=T^{\prime }{S}^{\prime }$（顺序反转！）==

证明思路

证明 (c)——顺序反转：对任意 $\phi \in W^{\prime }$， $(ST{)}^{\prime }(\phi )=\phi \circ (ST)=(\phi \circ S)\circ T=T^{\prime }(\phi \circ S)=T^{\prime }(S^{\prime }(\phi ))=(T^{\prime }{S}^{\prime })(\phi )$ 因此 $(ST{)}^{\prime }=T^{\prime }{S}^{\prime }$。$■$

(a) 和 (b) 的证明类似，直接展开定义即可。

顺序反转是对偶映射最重要的性质：复合的顺序在对偶时反转。这与矩阵转置的性质 $(AC{)}^t=C^t{A}^t$ 完全对应（模块四将看到 $M(T^{\prime })=M(T{)}^t$）。

---

三、零化子与对偶映射的零空间/值域

零化子

定义 3.121：零化子（annihilator）、 $U^0$

对 $U\subseteq V$，$U$ 的零化子记作 $U^0$，定义为 $U^0=\{\phi \in V^{\prime }:\phi (u)=0\text{ 对所有 }u\in U\}$

直觉：$U^0$ 是 $V^{\prime }$ 中所有”看不见” $U$ 的线性泛函——它们在 $U$ 上全部取值为 $0$。记号 $U^0$ 中的上标 $0$ 暗示”取值为零”。

例 3.122：多项式空间的零化子

$U=\{x^{2}p(x):p\in \mathcal{P}(\mathbb{R})\}\subseteq \mathcal{P}(\mathbb{R})$。取 $\phi (p)=p^{\prime }(0)$。对任意 $u=x^{2}p(x)\in U$，$u^{\prime }(x)=2xp(x)+x^2{p}^{\prime }(x)$，故 $u^{\prime }(0)=0$。因此 $\phi (u)=0$，即 $\phi \in U^0$。

例 3.123： ${\mathbb{R}}^5$ 中的零化子

$U=\text{span}(e_1,e_2)\subseteq {\mathbb{R}}^5$。则 $\phi \in U^0$ 当且仅当 $\phi (e_1)=0$ 且 $\phi (e_2)=0$。对于标准基的对偶基 ${\psi }_1,\dots ,{\psi }_5$，有 $U^0=\text{span}({\psi }_3,{\psi }_4,{\psi }_5)$，$\dim U^0=3=5-2$。

定理 3.124：零化子是子空间

设 $U\subseteq V$。那么 $U^0$ 是 $V^{\prime }$ 的子空间。

定理 3.125：零化子的维数

设 $V$ 是有限维的且 $U$ 是 $V$ 的子空间。那么 $\dim U^0=\dim V-\dim U$

证明思路

包含映射技巧：令 $i:U\to V$ 是包含映射（$i(u)=u$）。

第一步：证明 $\text{null}{i}^{\prime }=U^0$。 $\phi \in \text{null}{i}^{\prime }⟺i^{\prime }(\phi )=0⟺\phi \circ i=0⟺\phi (u)=0\forall u\in U⟺\phi \in U^0$。

第二步：证明 $\text{range}{i}^{\prime }=U^{\prime }$。 $i^{\prime }(\phi )=\phi \circ i$，将 $U$ 上的线性泛函限制到 $U$ 上。由线性泛函的延拓定理，$U$ 上的每个线性泛函都可以扩充为 $V$ 上的线性泛函，故 $\text{range}{i}^{\prime }=U^{\prime }$。

第三步：由 3B 零空间和值域 中的基本定理， $\dim V^{\prime }=\dim \text{range}{i}^{\prime }+\dim \text{null}{i}^{\prime }=\dim U+\dim U^0$ 又 $\dim V^{\prime }=\dim V$（定理 3.111），故 $\dim U^0=\dim V-\dim U$。$■$

与商空间的维数公式对比（3E 向量空间的积和商）：$\dim V/U=\dim V-\dim U$。零化子和商空间”从两个方向”消去 $U$ 的维数，但意义不同：商空间在 $V$ 中操作，零化子在 $V^{\prime }$ 中操作。

定理 3.127：零化子等于 $\{0\}$ 或整个空间的条件

设 $V$ 是有限维的且 $U$ 是 $V$ 的子空间。

• (a) $U^0=\{0\}⟺U=V$
• (b) $U^0=V^{\prime }⟺U=\{0\}$

对偶映射的零空间和值域

定理 3.128： $T^{\prime }$ 的零空间

设 $V$ 和 $W$ 是有限维的且 $T\in \mathcal{L}(V,W)$。那么

• (a) ==$\text{null}{T}^{\prime }=(\text{range}T{)}^0$==
• (b) $\dim \text{null}{T}^{\prime }=\dim \text{null}T+\dim W-\dim V$

证明思路

证明 (a)：对 $\phi \in W^{\prime }$，以下等价链成立： $\phi \in \text{null}{T}^{\prime }⟺T^{\prime }(\phi )=0⟺\phi \circ T=0⟺\phi (Tv)=0\forall v\in V⟺\phi \in (\text{range}T{)}^0$ $■$

证明 (b)：由 (a) 和定理 3.125， $\dim \text{null}{T}^{\prime }=\dim (\text{range}T{)}^0=\dim W-\dim \text{range}T$ 由 3B 零空间和值域 的基本定理，$\dim \text{range}T=\dim V-\dim \text{null}T$，代入得： $\dim \text{null}{T}^{\prime }=\dim W-(\dim V-\dim \text{null}T)=\dim \text{null}T+\dim W-\dim V$ $■$

这个等式极其重要：它将对偶映射的零空间与原映射的值域联系起来——通过零化子这个桥梁。

定理 3.129： $T$ 是满射 $⟺$ $T^{\prime }$ 是单射

设 $V$ 和 $W$ 是有限维的且 $T\in \mathcal{L}(V,W)$。那么 $T$ 是满射当且仅当 $T^{\prime }$ 是单射。

证明思路

零化子转译：以下等价链成立： $T\text{ 满射}⟺\text{range}T=W⟺(\text{range}T{)}^0=\{0\}⟺\text{null}{T}^{\prime }=\{0\}⟺T^{\prime }\text{ 单射}$ 其中第二个 $⟺$ 用了定理 3.127(a)，第三个 $⟺$ 用了定理 3.128(a)。$■$

定理 3.130： $T^{\prime }$ 的值域

设 $V$ 和 $W$ 是有限维的且 $T\in \mathcal{L}(V,W)$。那么

• (a) $\dim \text{range}{T}^{\prime }=\dim \text{range}T$
• (b) ==$\text{range}{T}^{\prime }=(\text{null}T{)}^0$==

证明思路

证明 (a)——维数追赶： $\dim \text{range}{T}^{\prime }=\dim W^{\prime }-\dim \text{null}{T}^{\prime }=\dim W-\dim (\text{range}T{)}^0$ 由定理 3.125，$\dim (\text{range}T{)}^0=\dim W-\dim \text{range}T$，代入得： $\dim \text{range}{T}^{\prime }=\dim W-(\dim W-\dim \text{range}T)=\dim \text{range}T$ $■$

证明 (b)——包含关系加维数相等：

• $\text{range}{T}^{\prime }\subseteq (\text{null}T{)}^0$：对 $\phi \in W^{\prime }$，若 $\phi =T^{\prime }(\psi )=\psi \circ T$，则对 $v\in \text{null}T$，$\phi (v)=\psi (Tv)=\psi (0)=0$。
• 维数相等：$\dim \text{range}{T}^{\prime }=\dim \text{range}T$（由 (a)），而 $\dim (\text{null}T{)}^0=\dim V-\dim \text{null}T=\dim \text{range}T$（由定理 3.125 和基本定理）。
• 两个子空间维数相同且一个包含另一个，故相等。$■$

定理 3.131： $T$ 是单射 $⟺$ $T^{\prime }$ 是满射

设 $V$ 和 $W$ 是有限维的且 $T\in \mathcal{L}(V,W)$。那么 $T$ 是单射当且仅当 $T^{\prime }$ 是满射。

证明思路

零化子转译：以下等价链成立： $T\text{ 单射}⟺\text{null}T=\{0\}⟺(\text{null}T{)}^0=V^{\prime }⟺\text{range}{T}^{\prime }=V^{\prime }⟺T^{\prime }\text{ 满射}$ 其中第二个 $⟺$ 用了定理 3.127(b)，第三个 $⟺$ 用了定理 3.130(b)。$■$

对偶性对称性总结

原映射 $T$	对偶映射 $T^{\prime }$
$T$ 满射	$⟺$ $T^{\prime }$ 单射
$T$ 单射	$⟺$ $T^{\prime }$ 满射
$\text{null}{T}^{\prime }$	$=(\text{range}T{)}^0$
$\text{range}{T}^{\prime }$	$=(\text{null}T{)}^0$
$\dim \text{range}{T}^{\prime }$	$=\dim \text{range}T$

对偶性（duality）的核心美感：单射和满射在对偶映射中”互换角色”。零空间和值域通过零化子”交叉对应”。这种对称性是线性代数中最深刻的美之一。

---

四、对偶的矩阵与双重对偶

对偶的矩阵是转置

定理 3.132： $T^{\prime }$ 的矩阵是 $T$ 的矩阵的转置

设 $V$ 和 $W$ 是有限维的且 $T\in \mathcal{L}(V,W)$。那么 $M(T^{\prime })=M(T{)}^t$ 其中矩阵取关于 $V$ 的基 $v_1,\dots ,v_n$、$W$ 的基 $w_1,\dots ,w_m$ 以及各自的对偶基。

证明思路

逐元素比较：设 $A=M(T)$，$C=M(T^{\prime })$。设 $v_1,\dots ,v_n$ 是 $V$ 的基，$w_1,\dots ,w_m$ 是 $W$ 的基，${\phi }_1,\dots ,{\phi }_n$ 和 ${\psi }_1,\dots ,{\psi }_m$ 分别是对偶基。

展开 $T^{\prime }({\psi }_j)$：$T^{\prime }({\psi }_j)={\sum }_{r=1}^n{C}_{r,j}{\phi }_r$。

作用于 $v_k$：$T^{\prime }({\psi }_j)(v_k)={\sum }_{r=1}^n{C}_{r,j}{\phi }_r(v_k)=C_{k,j}$。

另一面：$T^{\prime }({\psi }_j)(v_k)=({\psi }_j\circ T)(v_k)={\psi }_j(T{v}_k)={\psi }_j\left({\sum }_{r=1}^m{A}_{r,k}{w}_r\right)={\sum }_{r=1}^m{A}_{r,k}{\psi }_j(w_r)=A_{j,k}$。

结论：$C_{k,j}=A_{j,k}$，即 $C=A^t$，也就是 $M(T^{\prime })=M(T{)}^t$。$■$

这是本节最漂亮的结论！ 对偶映射的矩阵就是原矩阵的转置——这完美解释了为什么转置如此重要。

列秩等于行秩的另一种证法

定理 3.133：列秩等于行秩（对偶证法）

设 $A\in {\mathbb{F}}^{m,n}$。那么 $A$ 的列秩等于 $A$ 的行秩。

证明思路

对偶链： $A\text{ 的列秩}=\dim \text{range}T=\dim \text{range}{T}^{\prime }=M(T^{\prime })\text{ 的列秩}=A^t\text{ 的列秩}=A\text{ 的行秩}$

其中用到了：3C 矩阵 中的列秩 = 值域维数（3.78）、定理 3.130(a)（$T$ 和 $T^{\prime }$ 值域维数相同）、定理 3.132（$M(T^{\prime })=M(T{)}^t$）。$■$

==这个证明比 3C 矩阵 节的行列分解证法更加简洁优雅！== 它展示了对偶理论的强大威力。

双重对偶与自然同构

双重对偶（double dual）

$V$ 的双重对偶记作 $V^{\prime \prime }$，定义为 $(V^{\prime }{)}^{\prime }=\mathcal{L}(V^{\prime },\mathbb{F})$。即 $V^{\prime \prime }$ 是 $V^{\prime }$ 上的全体线性泛函。

求值映射 $\Lambda :V\to V^{\prime \prime }$

定义 $\Lambda :V\to V^{\prime \prime }$ 为：对每个 $v\in V$，$\Lambda v\in V^{\prime \prime }$ 由以下公式给出： $(\Lambda v)(\phi )=\phi (v),\forall \phi \in V^{\prime }$ 即 $\Lambda v$ 是 $V^{\prime }$ 上的”在 $v$ 处求值”这个线性泛函。

双重对偶的性质（习题 32）

设 $V$ 是有限维的。

• (a) $\Lambda$ 是线性的
• (b) 对 $T\in \mathcal{L}(V,W)$，有 $T^{\prime \prime }\circ {\Lambda }_V={\Lambda }_W\circ T$（交换图）
• (c) $\Lambda$ 是同构（当 $V$ 有限维时）

证明思路

证明 (a)：$(\Lambda (v+u))(\phi )=\phi (v+u)=\phi (v)+\phi (u)=(\Lambda v)(\phi )+(\Lambda u)(\phi )$。标量乘法类似。$■$

证明 (b)：对任意 $\phi \in W^{\prime }$， $(T^{\prime \prime }(\Lambda v))(\phi )=(\Lambda v)(T^{\prime }\phi )=(T^{\prime }\phi )(v)=\phi (Tv)=(\Lambda (Tv))(\phi )$ 故 $T^{\prime \prime }\circ \Lambda =\Lambda \circ T$。$■$

证明 (c)：$\dim V^{\prime \prime }=\dim V^{\prime }=\dim V$。$\Lambda$ 是单射：若 $\Lambda v=0$，则 $\phi (v)=0$ 对所有 $\phi \in V^{\prime }$。由习题 3（非零向量上存在取值为 1 的线性泛函），$v=0$。由维数计数，$\Lambda$ 也是满射。$■$

自然同构 vs. 非自然同构

• $V\cong V^{\prime }$：需要选取基才能构造同构（非自然/非典范）
• $V\cong V^{\prime \prime }$：通过 $\Lambda$ 直接定义，不依赖基的选取（自然/典范）

在无穷维空间中，$\Lambda$ 仍然单射，但可能不满射——$V^{\prime \prime }$ 可以严格大于 $V$。这是泛函分析中的核心现象。

商空间的对偶（习题 33）

设 $V$ 是有限维的且 $U$ 是 $V$ 的子空间。定义 ${\pi }^{\prime }:(V/U{)}^{\prime }\to U^0$ 为 ${\pi }^{\prime }(\phi )=\phi \circ \pi$（其中 $\pi :V\to V/U$ 是商映射）。那么 ${\pi }^{\prime }$ 是一个同构。

---

五、知识结构总览

graph TD
    A[3F对偶] --> B[定义3.108 线性泛函]
    B --> C[定义3.110 对偶空间Vprime]
    C --> D[定理3.111 dimVprime等于dimV]
    C --> E[定义3.112 对偶基]
    E --> F[定理3.114 对偶基给出系数]
    E --> G[定理3.116 对偶基是Vprime的基]
    C --> H[定义3.118 对偶映射Tprime]
    H --> I[定理3.120 代数性质 顺序反转]
    C --> J[定义3.121 零化子U0]
    J --> K[定理3.125 dimU0等于dimV减dimU]
    H --> L[定理3.128 nullTprime等于rangeT的零化子]
    L --> M[定理3.129 T满射等价Tprime单射]
    J --> N[定理3.130 rangeTprime等于nullT的零化子]
    N --> O[定理3.131 T单射等价Tprime满射]
    H --> P[定理3.132 MTprime等于MT的转置]
    P --> Q[定理3.133 列秩等于行秩]
    C --> R[双重对偶V双prime]
    R --> S[自然同构Lambda]

---

六、核心思想与证明技巧

核心思想

1. 对偶空间将”向量”翻转为”测量向量的函数”——线性泛函是向量空间的”坐标提取器”，$V^{\prime }$ 中的每个元素都是对 $V$ 的一次线性测量
2. 对偶映射反转方向——$T:V\to W$ 变为 $T^{\prime }:W^{\prime }\to V^{\prime }$，复合也反转：$(ST{)}^{\prime }=T^{\prime }{S}^{\prime }$。这种”反转”是对偶性最鲜明的体现
3. 零化子连接子空间与对偶空间——$U^0$ 的维数 $=\dim V-\dim U$，与商空间维数公式形式相同但意义不同
4. 对偶翻转单射/满射——$T$ 满射 $⟺$ $T^{\prime }$ 单射，$T$ 单射 $⟺$ $T^{\prime }$ 满射。零空间和值域通过零化子”交叉对应”
5. 双重对偶的自然同构——$V\to V^{\prime \prime }$ 的 $\Lambda$ 不依赖基的选取，是”真正自然”的同构，与 $V\to V^{\prime }$ 的基依赖同构形成鲜明对比

证明技巧清单

1. 对偶基提取系数：${\phi }_j(v)=c_j$——对偶基的核心功能，将抽象的展开系数转化为具体的函数求值
2. 包含映射技巧（定理 3.125）：令 $i:U\to V$ 为包含映射，则 $\text{null}{i}^{\prime }=U^0$，$\text{range}{i}^{\prime }=U^{\prime }$，将零化子问题转化为对偶映射的零空间/值域问题
3. 零化子转译（定理 3.128）：$\text{null}{T}^{\prime }=(\text{range}T{)}^0$ 将对偶映射的零空间问题转回原映射的值域问题
4. 维数追赶（定理 3.130(b)）：证明两个子空间相等时，先证包含关系，再通过维数相等推出相等
5. 自然同构（习题 32）：$\Lambda :V\to V^{\prime \prime }$ 的定义不涉及任何基的选取，与 $V\to V^{\prime }$ 的基依赖同构形成对比

---

七、补充理解与易混淆点

对偶空间的直觉：行向量与列向量

如果我们把 $V$ 中的向量等同于列向量（$n\times 1$ 矩阵），那么 $V^{\prime }$ 中的线性泛函就对应于行向量（$1\times n$ 矩阵）。具体来说，线性泛函 $\phi (v)=c_1{v}_1+\cdots +c_n{v}_n$ 就是行向量 $(c_1,\dots ,c_n)$ 与列向量 $(v_1,\dots ,v_n{)}^t$ 的矩阵乘法。对偶基 ${\phi }_j$ 对应于第 $j$ 个标准行向量 $e_j^t$。

这种直觉解释了为什么对偶映射的矩阵是转置：行向量在左边乘，列向量在右边乘，对偶映射将”右乘”翻转为”左乘”，矩阵自然就转置了。

来源：Harvard Math 55a (Elkies) 讲义、OSU Costin 线性代数课程笔记、Michigan Speyer 对偶空间讲义

零化子的几何意义

$U^0$ 由所有在 $U$ 上取值为零的线性泛函组成。如果 $U$ 是 $n$ 维空间 $V$ 中的 $k$ 维子空间，那么 $U^0$ 是 $(n-k)$ 维的 $V^{\prime }$ 的子空间。

以 ${\mathbb{R}}^3$ 为例：如果 $U$ 是过原点的一条直线（1 维），那么 $U^0$ 是 $({\mathbb{R}}^3{)}^{\prime }$ 中的一个平面（2 维）——由所有在该直线上取值为零的线性泛函构成。这与内积空间中”垂直于直线的平面”有相似之处，但零化子是对偶空间中的概念，不依赖内积。

来源：Clemson Macauley Lecture 1.6、Kansas Mandal 线性代数笔记、Harvard Elkies 对偶空间讲义

双重对偶与自然同构

$V\cong V^{\prime }$ 需要选取基——不同的基给出不同的同构，没有”最优”的选择。但 $V\cong V^{\prime \prime }$ 通过 $\Lambda :(\Lambda v)(\phi )=\phi (v)$ 直接定义，完全不依赖基的选取。这种不依赖额外结构（如基、内积）的同构称为”自然的”（natural）或”典范的”（canonical）。

在无穷维空间中，$\Lambda$ 仍然单射，但可能不满射——$V^{\prime \prime }$ 可以严格大于 $V$。例如，取 $V=c_{00}$（有限支撑序列空间），则 $V^{\prime }={\mathbb{R}}^{\mathbb{N}}$（所有实数序列），而 $V^{\prime \prime }$ 更大。这是泛函分析中自反空间（reflexive space）理论的核心出发点。

来源：Cambridge WTG10 线性代数笔记、UCLA Math 115A 课程材料、Harvard Math 55a 讲义、今日头条数学科普文章

常见误区

误区1：对偶映射 $T^{\prime }$ 的方向与 $T$ 相同

❌ 认为 $T:V\to W$ 的对偶 $T^{\prime }$ 也是从 $V$ 到 $W$ 的映射 ✅ $T^{\prime }:W^{\prime }\to V^{\prime }$，方向反转了！$T$ 的定义域变成 $T^{\prime }$ 的上标域，$T$ 的上标域变成 $T^{\prime }$ 的定义域。直觉：$T$ 把向量从 $V$ 送入 $W$，$T^{\prime }$ 则把 $W$ 上的”测量工具”拉回到 $V$ 上使用。

来源：LADR 定义 3.118、Harvard Math 55a 讲义

误区2： $V$ 和 $V^{\prime }$ 是"同一个空间"

❌ 认为对偶空间就是原空间本身 ✅ $V$ 和 $V^{\prime }$ 同构（维数相同），但不是同一个空间。$V$ 中的元素是向量，$V^{\prime }$ 中的元素是线性泛函（函数）。找到 $V\to V^{\prime }$ 的同构需要选取基，不是自然的。只有通过双重对偶 $\Lambda :V\to V^{\prime \prime }$ 才能得到不依赖基的同构。

来源：Harvard Math 55a 讲义、OSU Gerlach 线性代数笔记、今日头条数学科普文章

误区3：零化子 $U^0$ 是 $V$ 的子空间

❌ 认为 $U^0\subseteq V$ ✅ $U^0$ 是==$V^{\prime }$ 的子空间==，不是 $V$ 的子空间。$U^0$ 中的元素是线性泛函（函数），不是向量。记号 $U^0$ 容易让人误以为它是 $V$ 中的东西，但实际上它生活在完全不同的空间 $V^{\prime }$ 中。

来源：LADR 定义 3.121、Clemson Macauley Lecture 1.6

误区4： $(ST{)}^{\prime }=S^{\prime }{T}^{\prime }$

❌ 认为对偶保持复合顺序 ✅ $(ST{)}^{\prime }=T^{\prime }{S}^{\prime }$，顺序反转！这与转置的性质 $(AB{)}^t=B^t{A}^t$ 完全一致。直觉：$ST$ 先做 $T$ 再做 $S$，但对偶时，$S$ 的对偶先作用（因为 $S^{\prime }$ 在右边），$T$ 的对偶后作用。

来源：LADR 定理 3.120、Michigan Speyer 对偶空间讲义

误区5： $T^{\prime }$ 的零空间与 $T$ 的零空间相同

❌ 认为 $\text{null}{T}^{\prime }=\text{null}T$ ✅ $\text{null}{T}^{\prime }=(\text{range}T{)}^0$，这是 $W^{\prime }$ 的子空间，而 $\text{null}T$ 是 $V$ 的子空间。它们甚至不在同一个空间中！正确的关系是：$T$ 满射 $⟺$ $T^{\prime }$ 单射，$T$ 单射 $⟺$ $T^{\prime }$ 满射。

来源：LADR 定理 3.128/3.129/3.131

误区6： $M(T^{\prime })=M(T)$（不转置）

❌ 认为对偶映射的矩阵与原映射的矩阵相同 ✅ $M(T^{\prime })=M(T{)}^t$，对偶映射的矩阵是转置矩阵。这是在使用对偶基时的漂亮结论。行和列互换，反映了对偶映射方向反转的本质。

来源：LADR 定理 3.132、Michigan Speyer 对偶空间讲义

---

八、习题精选

本节习题

编号	标题	核心考点	难度
1	线性泛函要么满射要么为零	值域维数	⭐
3	非零向量上的线性泛函	对偶基构造	⭐
6	零空间包含与比例关系	维数论证	⭐⭐⭐
14	计算对偶映射	$T^{\prime }$ 的计算	⭐⭐
17	$T$ 可逆 $⟺$ $T^{\prime }$ 可逆	单射/满射翻转	⭐⭐
22	零化子的 De Morgan 律	零化子运算	⭐⭐
32	双重对偶与自然同构	$\Lambda$ 的性质	⭐⭐⭐

习题 1：线性泛函要么满射要么为零

习题 1：线性泛函要么满射要么为零

设 $V$ 是有限维向量空间且 $\phi \in V^{\prime }$。证明：$\phi$ 要么是满射，要么是零映射。

查看解答

$\phi$ 的值域 $\text{range}\phi$ 是 $\mathbb{F}$ 的子空间（线性映射的值域是子空间）。由于 $\dim \mathbb{F}=1$，$\mathbb{F}$ 的子空间只有 $\{0\}$ 和 $\mathbb{F}$ 两种。

• 若 $\phi =0$（零映射），则 $\text{range}\phi =\{0\}$。
• 若 $\phi \ne 0$，则 $\text{range}\phi$ 是 $\mathbb{F}$ 的非零子空间，故 $\text{range}\phi =\mathbb{F}$，即 $\phi$ 是满射。

习题 3：非零向量上的线性泛函

习题 3：非零向量上的线性泛函

设 $V$ 是有限维向量空间且 $v\in V$，$v\ne 0$。证明：存在 $\phi \in V^{\prime }$ 使得 $\phi (v)=1$。

查看解答

将 $v$ 扩充为 $V$ 的基 $v,v_2,\dots ,v_n$（由 2B 基，线性无关组可以扩充为基）。

设 ${\phi }_1,\dots ,{\phi }_n$ 是该基的对偶基。由对偶基的定义，${\phi }_1(v)=1$。

取 $\phi ={\phi }_1$ 即可。$■$

习题 6：零空间包含与比例关系

习题 6：零空间包含关系与线性泛函的比例关系

设 $V$ 是有限维向量空间且 $\phi ,\psi \in V^{\prime }$。证明：$\text{null}\phi \subseteq \text{null}\psi$ 当且仅当存在 $c\in \mathbb{F}$ 使得 $\psi =c\phi$。

查看解答

($\Leftarrow$)：若 $\psi =c\phi$，则 $\phi (u)=0$ 推出 $\psi (u)=c\cdot 0=0$，故 $\text{null}\phi \subseteq \text{null}\psi$。

($\Rightarrow$)：假设 $\text{null}\phi \subseteq \text{null}\psi$。

• 若 $\phi =0$：则 $\text{null}\phi =V$，故 $\text{null}\psi =V$，即 $\psi =0=0\cdot \phi$。

• 若 $\phi \ne 0$：由习题 1，$\phi$ 是满射，故 $\text{range}\phi =\mathbb{F}$。由基本定理，$\dim \text{null}\phi =\dim V-1$。

  由于 $\text{null}\phi \subseteq \text{null}\psi$，$\dim \text{null}\psi \in \{\dim V,\dim V-1\}$。

  • 若 $\dim \text{null}\psi =\dim V$，则 $\psi =0=0\cdot \phi$。

  • 若 $\dim \text{null}\psi =\dim V-1=\dim \text{null}\phi$，则 $\text{null}\psi =\text{null}\phi$（因为真包含不可能，维数相同）。

    取 $v\notin \text{null}\phi$（由 $\phi \ne 0$，这样的 $v$ 存在）。令 $c=\psi (v)/\phi (v)$。

    考虑 $\eta =\psi -c\phi$。则 $\eta (v)=\psi (v)-c\phi (v)=0$，且 $\text{null}\eta \supseteq \text{null}\phi$。

    若 $\eta \ne 0$，则 $\dim \text{null}\eta =\dim V-1=\dim \text{null}\phi$，故 $\text{null}\eta =\text{null}\phi$。但 $\eta (v)=0$ 且 $v\notin \text{null}\phi$，矛盾。

    因此 $\eta =0$，即 $\psi =c\phi$。$■$

习题 14：计算对偶映射

习题 14：计算对偶映射

设 $T:{\mathbb{R}}^3\to {\mathbb{R}}^2$，$T(x,y,z)=(4x+5y+6z,7x+8y+9z)$。设 ${\phi }_1,{\phi }_2$ 是 ${\mathbb{R}}^2$ 的标准基的对偶基，${\psi }_1,{\psi }_2,{\psi }_3$ 是 ${\mathbb{R}}^3$ 的标准基的对偶基。计算 $T^{\prime }({\phi }_1)$ 和 $T^{\prime }({\phi }_2)$。

查看解答

由定义，$T^{\prime }({\phi }_j)={\phi }_j\circ T$。

计算 $T^{\prime }({\phi }_1)$： $T^{\prime }({\phi }_1)(x,y,z)={\phi }_1(T(x,y,z))={\phi }_1(4x+5y+6z,7x+8y+9z)=4x+5y+6z=4{\psi }_1+5{\psi }_2+6{\psi }_3$

计算 $T^{\prime }({\phi }_2)$： $T^{\prime }({\phi }_2)(x,y,z)={\phi }_2(T(x,y,z))={\phi }_2(4x+5y+6z,7x+8y+9z)=7x+8y+9z=7{\psi }_1+8{\psi }_2+9{\psi }_3$

验证：$M(T)=\left(\begin{array}{ccc}4& 5& 6\\ 7& 8& 9\end{array}\right)$，$M(T^{\prime })=\left(\begin{array}{cc}4& 7\\ 5& 8\\ 6& 9\end{array}\right)=M(T{)}^t$ ✓

习题 17：$T$ 可逆 ⟺ $T^{\prime }$ 可逆

习题 17： $T$ 可逆 $⟺$ $T^{\prime }$ 可逆

设 $V$ 和 $W$ 是有限维向量空间且 $T\in \mathcal{L}(V,W)$。证明：$T$ 可逆当且仅当 $T^{\prime }$ 可逆。

查看解答

($\Rightarrow$)：设 $T$ 可逆。

• $T$ 满射，由定理 3.129，$T^{\prime }$ 单射。
• $T$ 单射，由定理 3.131，$T^{\prime }$ 满射。
• $T^{\prime }$ 既单射又满射，故 $T^{\prime }$ 可逆。
• 此外，由定理 3.120(c)，$(T^{-1}{)}^{\prime }\circ T^{\prime }=(T\circ T^{-1}{)}^{\prime }=I_W^{\prime }=I_{W^{\prime }}$，$T^{\prime }\circ (T^{-1}{)}^{\prime }=(T^{-1}\circ T{)}^{\prime }=I_V^{\prime }=I_{V^{\prime }}$。故 $(T^{\prime }{)}^{-1}=(T^{-1}{)}^{\prime }$。

($\Leftarrow$)：设 $T^{\prime }$ 可逆。

• 对 $T^{\prime }$ 应用已证的 ($\Rightarrow$) 方向，$(T^{\prime }{)}^{\prime }=T^{\prime \prime }$ 可逆。
• 由习题 32，${\Lambda }_V:V\to V^{\prime \prime }$ 和 ${\Lambda }_W:W\to W^{\prime \prime }$ 是同构（有限维），且 $T^{\prime \prime }\circ {\Lambda }_V={\Lambda }_W\circ T$。
• 因此 $T={\Lambda }_W^{-1}\circ T^{\prime \prime }\circ {\Lambda }_V$，作为三个可逆映射的复合，$T$ 可逆。$■$

习题 22：零化子的 De Morgan 律

习题 22：零化子的 De Morgan 律

设 $V$ 是有限维向量空间且 $U,W$ 是 $V$ 的子空间。证明：

• (a) $(U+W{)}^0=U^0\cap W^0$
• (b) $(U\cap W{)}^0=U^0+W^0$

查看解答

证明 (a)：

($\subseteq$)：设 $\phi \in (U+W{)}^0$。则 $\phi (u+w)=0$ 对所有 $u\in U,w\in W$。取 $w=0$ 得 $\phi (u)=0$ 对所有 $u\in U$，故 $\phi \in U^0$。取 $u=0$ 得 $\phi \in W^0$。故 $\phi \in U^0\cap W^0$。

($\supseteq$)：设 $\phi \in U^0\cap W^0$。对任意 $u\in U,w\in W$，$\phi (u+w)=\phi (u)+\phi (w)=0+0=0$。故 $\phi \in (U+W{)}^0$。

证明 (b)：对 $U^0,W^0\subseteq V^{\prime }$ 应用 (a)： $(U^0+W^0{)}^0=(U^0{)}^0\cap (W^0{)}^0$ 由习题 20（有限维时 $(U^0{)}^0=U$），上式右边 $=U\cap W$。取零化子： $U^0+W^0=(U\cap W{)}^0$ （最后一步用了：有限维时，对 $V^{\prime }$ 的子空间取零化子再取一次回到原空间。）$■$

习题 32：双重对偶与自然同构

习题 32：双重对偶与自然同构

设 $V$ 是有限维向量空间。定义 $\Lambda :V\to V^{\prime \prime }$ 为 $(\Lambda v)(\phi )=\phi (v)$。

• (a) 证明 $\Lambda$ 是线性的
• (b) 设 $T\in \mathcal{L}(V,W)$。证明 $T^{\prime \prime }\circ {\Lambda }_V={\Lambda }_W\circ T$
• (c) 证明 $\Lambda$ 是同构

查看解答

(a)：对 $v,u\in V$ 和 $\lambda \in \mathbb{F}$， $(\Lambda (v+u))(\phi )=\phi (v+u)=\phi (v)+\phi (u)=(\Lambda v)(\phi )+(\Lambda u)(\phi )$ $(\Lambda (\lambda v))(\phi )=\phi (\lambda v)=\lambda \phi (v)=\lambda (\Lambda v)(\phi )$ 对所有 $\phi \in V^{\prime }$ 成立，故 $\Lambda$ 线性。

(b)：对 $v\in V$ 和 $\phi \in W^{\prime }$， $(T^{\prime \prime }(\Lambda v))(\phi )=(\Lambda v)(T^{\prime }\phi )=(T^{\prime }\phi )(v)=\phi (Tv)=(\Lambda (Tv))(\phi )$ 对所有 $\phi$ 成立，故 $T^{\prime \prime }\circ {\Lambda }_V={\Lambda }_W\circ T$。

(c)：

• 单射：若 $\Lambda v=0$，则 $\phi (v)=0$ 对所有 $\phi \in V^{\prime }$。由习题 3（取反：若 $v\ne 0$，则存在 $\phi$ 使 $\phi (v)=1\ne 0$），$v=0$。
• 满射：$\dim V^{\prime \prime }=\dim V^{\prime }=\dim V$。由 2C 维数 中的定理 2.38，单射的线性映射在维数相同时自动满射。
• 故 $\Lambda$ 是同构。$■$

---

九、视频学习指南

视频资源

视频主题	对应笔记模块	平台
3Blue1Brown 线性代数的本质 第3章	模块一	YouTube / B站
Zach Star 对偶空间解释	模块一、三	YouTube

视频精要

• 对偶空间是”行向量”的抽象版本——每个线性泛函就像一个行向量，对列向量做点积
• 零化子是”垂直于子空间的所有线性泛函”——与正交补有相似几何直觉，但不依赖内积
• $M(T^{\prime })=M(T{)}^t$ 是对偶最实用的结论——转置不再只是一个操作，而是对偶映射的矩阵表示

---

十、教材原文

对偶