笔记10. 对偶空间

想象一下，你手里有一台极其精密的测量仪器，它只能读取某个空间里向量在特定方向上的投影长度。如果你把这个向量看作一个“物体”，那么这台仪器本身就是一种对该物体进行“观测”的手段。

对偶空间（Dual Space）的本质动机，其实就是将“观测”本身也对象化。 我们可以完全类似地，考虑函数的线性，考虑映射的线性。

线性泛函

在域 上的线性空间 中，若映射 满足以下线性条件：

• 可加性： - 齐次性： 对于任意 及 ，则称 为 上的线性泛函（Linear Functional）。

所谓泛函，也就是函数的函数。

• 函数（Function）： 输入是一个数（或一组数），输出是一个数。比如 。

• 泛函（Functional）： 输入是一个函数（即某种空间里的对象），输出是一个数。

如果把“函数”看作是向量空间里的一个“点”（向量），那么“泛函”就是定义在这个向量空间上的一个“实值函数”。

既然有了所谓线性泛函，自然就想到能否类似地延续向量的那一套研究逻辑，去考虑他们构成的线性空间。

对偶空间

对偶空间的定义

• 运算定义： 线性泛函之间可以进行加法和标量乘法运算：

  • -- 空间构成： 所有定义在 上的线性泛函在上述运算下构成一个新的 -线性空间，称为 的对偶空间，记作 或 。

典型实例

• 矩阵空间： 对于 阶矩阵空间 ，迹函数（trace）是一个经典的线性泛函：。此外，提取矩阵分量的映射 也是线性泛函。

• 函数空间： 对于连续函数空间 ，积分运算提供了一种线性泛函：（其中 是固定的函数）。

有了空间，自然就会去思考如何表示整个空间，一如向量空间，我们考虑选基底。如何选取好呢，应该充分利用线性，同时又最好让基底很简单，就像一个单位矩阵那样。

对偶基（Dual Basis）的构造

理想的情况是，在给定基 的情况下，任何线性泛函 都可以唯一地表示为对偶基 的线性组合：

我们拿 去作用一个 ，那么利用线性：

那么归根结底，我们只需要 ，这 个值通过原空间的系数相组合，就能够得到 作用的结果，换言之，线性泛函的值由其在基向量上的取值唯一确定。但这些是数，我们需要的是对偶空间的元素——线性泛函。那么问题就是，我们如何抽象出提取 这件事，好让我们的 能够一般地写出，而不必依赖一个特定向量 。回忆向量空间，如果有一组标准正交基，那么我们做内积就能得到对应系数，但是对偶空间没这么麻烦，我们直接定义一个这样的泛函就好了：

对于有限维线性空间 ，选定一组基 后，在 中会对应产生一组对偶基。

• 对偶基定义： 对偶基满足以下克罗内克积（Kronecker delta）性质：

这意味着 的作用如同一个“选择器”，当输入是第 个基向量时，仅在 时输出 1，其余情况输出 0。

选定一组基，自动就产生这 个对偶基。那么我们可以看似画蛇添足地写出：

这里的对偶基就相当于在提取系数，而这个过程则可以得到抽象，我们可以扔掉 对应的系数而写出 的表达：

无关性

对偶基 不仅是 的一组生成元，而且是线性无关的：

• 若 ，将此等式作用于任意基向量 ：

• 因此，所有系数 必须为 0，这证明了它们构成 的一组基。这也直接推导出：若 是 维的，则 也是 维的。

同构（Isomorphism）的微妙之处

• 有限维情况： 由于 ，空间 与 是同构的 ()。

• 非自然性（Not Natural）： 虽然它们同构，但这种同构依赖于你选取的基底。一旦你换了一组基，原本的映射关系就会改变。因此，这种同构不是“自然”的（即不存在不依赖基底的统一同构映射）。

• 无限维情况： 对于无限维空间， 与 通常不同构（对偶空间的维度往往比原空间更大）。

既然我们有坐标，为什么还要绕到 里去？

动机在于：我们要研究的是“变换”，而不是“位置”。

当我们在原空间 做了一个线性变换 （比如旋转、拉伸），原空间里的向量位置变了。但这个变换也会改变我们测量事物的“标准”。当你从基 变到基 ，坐标会变。为了保持物理意义（例如，我测量的总能量不能因为我换了个坐标系就变了），我的测量工具 必须以一种“反向”的补偿方式（即逆矩阵或转置矩阵）进行调整。

对偶基的变换

在有限维线性空间 中，当我们改变原空间的基时，对偶空间 中的对偶基会如何随之改变？

定理（对偶基的变化规律）

设有限维线性空间 从一组基 到另一组基 的过渡矩阵为 ，即：

则以上两组基在 中的对偶基 与 具有如下反变关系：

感性分析

为了维持这种“输入特定基向量就精准输出 1 或 0”的选择器功能，当原空间的基向量通过 进行了线性组合（变得更加稠密或稀疏）时，对偶空间的泛函必须进行相反方向的补偿演化。这种几何上的“反变”（Contravariant）特性，在代数上的体现就是转置的逆。

规范化证明

我们会运用算两次的思想。

设 到 的过渡矩阵为 ，即：

我们的目标是求出 与 的关系。令 ，。根据矩阵乘法的展开：

1. 泛函的表示：

2. 向量的表示： 现在，我们让泛函 作用于向量 来得到 ，这利用对偶基的性质是显然的，那么我们可以看看这是否会得到 的性质：

• 视角一（利用 组的对偶性质）：

因为 ，所以上式中只有 的项存活下来：

• 视角二（利用 组的对偶性质）：

因为 ，所以上式中只有 的项存活下来：

结合两个视角的结果，我们得到 ，因此 。

将其代回原假设方程：

两边同时右乘 ，即得：

证明闭环。

算子的对偶能原封不动地保留吗？

在建立了基底变换的观念后，我们可以思考一个非常古典的数学提问：

思考题：设 是 维线性空间， 是其对偶空间。任给一个从 到 的线性同构 ，问能否找到 的一组基 ，使得该算子对基向量的作用，恰好等同于该基对应的对偶基？即：

先考虑一个更简单的事情： 定义两个线性映射 ：

1. 映射 的定义：它是让旧基底与旧对偶基强行绑定。

   当 作用于行向量 时，它把每个 映射成对应的 ：

2. 映射 的定义：它是新基底与新对偶基的强行绑定。

   当 作用于新基底行向量时，同理有：

若原空间基底有如下变换：

对偶基的反变规律：

现在，我们把映射 的定义代入到对偶基变换公式的左边：

接着，利用基底变换 ，把左边括号里的 换掉：

因为 是一个线性映射，它作用在向量的线性组合上时，矩阵 可以直接根据线性性质提到映射的外面（注意：由于基底是行向量，矩阵 在右边，提出来后依然在右边）：

最后，为了孤立出 ，我们在等式两边同时右乘 ：

利用矩阵求逆的性质 ，最终得到：

如果我们把旧映射 的定义 代入最终结果，就会得到：

这说明了什么？

1. 当过渡矩阵 是正交矩阵时（即 ），，此时 。这意味着，如果你在原空间做的是刚性旋转（正交变换），那么这种“把基底无缝发射到对偶基”的同构映射在旋转后能够原封不动地保留！

2. 当过渡矩阵 不是正交矩阵时，新旧映射之间就会拉开一个度量上的修正项 。这个修正项本质上就是新基底的度量张量（Metric Tensor）的逆。

那么给一个固定死、不能动的线性同构 。

想找一组基 ，使得：

我们随便借用一组已知的旧基底 和它对应的对偶基 。

由于 是一个已知的算子，它在旧基底 下必然有一个已经固定下来的矩阵表示，不妨设为 （这是一个 的可逆矩阵）：

现在，寻找基底 的问题，本质上就是寻找一个过渡矩阵 （使得 ），让新基底满足题目的要求。把 代入方程：

• 左边展开（利用 的线性性质和已知矩阵 ）：

• 右边展开（利用对偶基的反变规律）：

两边强行碰撞（提炼共识）：

要让左右两边完全相等，由于 是对偶空间的一组基（线性无关），它们前面的系数矩阵必须完全相等：

两边同时左乘 ：

现在问题转化为了：已知一个可逆矩阵 ，能否找到一个可逆矩阵 ，使得 ？

在矩阵代数中， 这个动作叫做合同变换（Congruence）。

我们对矩阵 的类型进行分情况评估：

情况一：如果 不是对称矩阵（）

• 风险/事实：如果一个矩阵通过 能变成单位矩阵 ，那么两边同时转置：

这意味着 ，因为 可逆，两边消去后必然导致 。

• 结论：如果给定的同构 在某组基下的矩阵 不对称，那么无论你怎么更换基底， 永远不可能成立。也就是说，此时绝对找不到这样的基底 。

情况二：如果 是对称矩阵（）

• 事实：根据二次型的合同对角化理论，一个对称矩阵 合同于 ，当且仅当 是正定矩阵（在复数域下只需要可逆对称即可，这里我们默认在实数域讨论）。

• 结论：只有当 是正定对称矩阵时，我们才能通过 Gram-Schmidt 正交化或者特征值分解找到这个过渡矩阵 。

这个思考题的完整回答是：

不能任给。 能否找到这样一组基，完全取决于这个线性同构 的几何性质。

1. 如果 诱导的双线性映射 是一个正定内积（即满足对称性和正定性），那么我们一定能找到这样的一组基 （这组基其实就是该内积下的标准正交基）。

2. 如果 连对称性都不满足（例如 ），那么在有限维空间里，哪怕你穷尽所有基底的组合，也绝对无法让该算子对基向量的作用恰好等于对偶基。

这个问题深刻地揭示了“天然同构”的缺失。虽然 和 维数相同、必然同构，但这种同构 依赖于基底的选择。上述问题本质上是在寻找一个“不动点基底”，让几何算子与代数对偶达到完美的镜像对称。

算子的影子：对偶变换（Dual Transformation）

当我们不在空间层面折腾基底，而是让空间内部的向量发生线性变换时，对偶空间里的泛函会发生什么？这就是对偶变换（或称转置变换）的由来。

动机与定义

设 是 上的线性变换（）。对于任何一个线性泛函 ，由于 把向量 变成了 ，我们自然可以定义一个新的泛函，它先对向量施加 ，再施加 。

这构成了函数的复合：。显然，这个新函数依然是线性的，因此 。

我们定义这样一个映射 ，它接受一个泛函 ，并吐出一个新泛函 ：

也就是说：

这个 就称为 的对偶变换（Dual Transformation）。

对偶变换的矩阵表示

在线性代数中，我们最关心的是：如果算子 在某组基下的矩阵是 ，那么 在对应的对偶基下的矩阵是什么？

定理

设 是 的一组基， 是其对偶基。 是 上的线性变换。

若 在该基下的矩阵表示为：

则对偶变换 在对偶基下的矩阵表示为其转置矩阵：

规范化证明

设 在对偶基下的变换矩阵为 ，即：

设 且 。根据定义：

1. 原空间变换的展开：

2. 对偶空间变换的展开： 为了找到 与 的内在联系，我们考察泛函 作用在基向量 上的行为，并再次进行双视角推演：

• 视角一（直接展开对偶算子的矩阵）：

由于 ，只有 项留存：

• 视角二（退回到对偶算子的原初定义）：

  根据对偶变换的定义，。我们将 的展开式代入：

由于 ，只有 项留存：

共识提炼与结论：

比对两种视角的结果，在数学的闭环下，我们必然有：

这说明矩阵 的第 行第 列元素，等于矩阵 的第 行第 列元素。

由此得出，。

这意味着，对偶算子在对偶基下的矩阵，恰好是原算子在原基下矩阵的转置。

算子熄灭的战场：零化子空间（Annihilator）

在引入几何对偶前，我们需要一个工具来建立子空间之间的对应。如果说原空间里有些向量被“消灭”了，那么在对偶空间里是谁执行了这场谋杀？

定义（零化子/Annihilator）

设 是 维线性空间， 是 的一个 维子空间。定义 在 中的零化子空间（图片中写作 ）为：

则 是对偶空间 的一个 维子空间。

结构分析

为什么维数恰好是 ？我们可以通过扩充基底的视角一目了然：

我们在 中任选一组基 ，并将其扩充为整个 的一组基：

相应地，这组基在对偶空间 中自动产生了一组对偶基：

现在，什么样的泛函 能把 里的向量全部杀死？因为 里的向量全由 线性表出，根据对偶基的选择器性质 ，这个泛函在前 个基向量上的取值必须锁死为 0。

这意味着：

因此，所有这样的泛函只能由后 个对偶基向量自由组合而成：

维数定理 自然闭环。

子空间的镜像反转：对偶原理

零化子不仅仅是一个子空间，它构成了一个一一映射。它把 的子空间集合，映射到 的子空间集合。最迷人的是，这个映射将空间中所有的包含关系全部颠倒了过来。

1. 核心定理（包含关系的镜像反转）

设 是 的子空间，则满足以下对偶性质：

1. 二次回归： （在自然同构的意义下）

2. 包含反向：若 ，则

3. 交变并：

4. 并变交：

2. 多视角推演：为什么“交”会变成“并”？

我们尝试从逻辑链条的第一性原理来批判性评估性质 4 ：

• 视角一（直观拦截）： 一个泛函想要把 里的所有向量（形式为 ）都变成 0，它必须具备什么能力？它必须既能把整个 杀干净（属于 ），又能把整个 杀干净（属于 ）。两项任务必须同时满足，代数上自然体现为“交集” 。

• 视角二（维数核对）： 根据左边：。

  根据右边：利用子空间维数公式，。

  代入零化子维数规律，两边的代数算账完全吻合。

自然同构：逃离基底的羁绊（二次对偶空间 ）

我们在前面的讨论中反复强调过：有限维的 与 虽然同维数、必同构，但它们的同构严重依赖于基底的选取。 没有基底，你根本不知道把一个向量发射给谁。

但是，如果我们对对偶空间再做一次对偶，神奇的事情发生了——从 到二次对偶空间 ，存在一个不需要任何基底参与的“天然而自然”的线性同构。

1. 动机分析：把向量伪装成“算子的算子”

原本，泛函 是一个算子，它吞掉向量 ，吐出数字：。

现在我们换个视角：为什么不能把向量 看作一个算子，让它去吞掉泛函 ，同样吐出数字 呢？

这就是二次对偶的精妙伪装。

2. 规范化构造

对任意的 ，我们定义一个作用在泛函上的函数 （即 ）：

其中， 作为一个以泛函为输入的函数，其定义为：

3. 规范化证明：为什么 是一个自然的线性同构？

我们要分三步对这个映射进行逻辑闭环的批判性评估：

• **第一步：证明 确实是 上的线性泛函（即 ）

  任取 ，利用泛函加法与数乘的定义：

验证通过。

• 第二步：证明 本身是一个线性映射

  我们要看 对任意泛函 的作用：

这说明 。映射具有线性。

• 第三步：证明 是单射（有限维时单射自动等价于同构）

  只需证其核 。假设存在一个向量 使得 （即零泛函）。

  这意味着对所有的泛函 ，都有 。

  如果 ，根据对偶基的存在性定理，我们必然能构造出一个对偶基泛函 使得 ，这得到了矛盾。

  因此，唯一的可能是 。

  __结论： 是单射。在有限维空间中，因为 ，单射自动成为满射，同构成立。_*

无限维的崩塌：当镜面破裂时

所有的美丽童话都在无限维空间里戛然而止。在无限维多项式空间下，原空间与对偶空间的同构关系彻底瓦解。

1. 反例场景耦合：有理数域上的多项式空间

设 是由所有有理系数多项式构成的线性空间。它的标准基底是可数的：

这意味着， 中的任何一个元素（多项式）都只能是有限多项的线性组合。

2. 对偶空间演变为“形式幂级数”

现在我们来看 上的线性泛函 。一个泛函要想由基底取值唯一确定，它必须对每一个 都指定一个输出数字 。

因为基底有无穷多个，这个泛函就可以毫无约束地指定无穷多个数字 。它在作用于向量时，由于向量只有有限项非零，求和永远不会产生无穷大：

这就意味着，对偶空间 容纳了所有的形式幂级数（Formal Power Series）：

3. 决定性的宏观结论（置信度：高）

根据集合论（康托尔三分律与基数理论）：

• 原空间 的基底个数是可数无穷（）。

• 对偶空间 的基底由于允许无限序列的任意组合，其向量个数的基数已经变成了不可数无穷（张量连续统基数）。

最终批判性结论：由于两个空间的基数（维数）在本质上拉开了不可逾越的鸿沟，在无限维空间中， 。这也是为什么在泛函分析中，我们必须额外引入拓扑和连续性（拓扑对偶空间）来强行挽回对偶特性的根本原因。