KNOWECON WIKI

ARTICLE

直和

直和 (Direct Sum) 直和（Direct Sum）是线性代数与抽象代数中构造新空间、分解旧空间的核心运算。给定一组线性空间（或模、群、表示），直和将它们粘合成更大的对象，同时保持各分量的独立性。直观上，直和是向量的"拼接"——分量来自不同空间，运算逐分量进行。直和与直积（Direct Product）在有限个因子时重合，但无限情形下二者出现本质分野

浏览 0 更新 2026-01-16

直和 (Direct Sum)

直和（Direct Sum）是线性代数与抽象代数中构造新空间、分解旧空间的核心运算。给定一组线性空间（或模、群、表示），直和将它们粘合成更大的对象，同时保持各分量的独立性。直观上，直和是向量的"拼接"——分量来自不同空间，运算逐分量进行。直和与直积（Direct Product）在有限个因子时重合，但无限情形下二者出现本质分野。

外直和：从旧空间构造新空间

设 V1,V2,…,VnV_1, V_2, \ldots, V_n 为域 F\mathbb{F} 上的向量空间。它们的外直和（External Direct Sum）定义为笛卡尔积集合

V1⊕V2⊕⋯⊕Vn={(v1,v2,…,vn)∣vi∈Vi}V_1 \oplus V_2 \oplus \cdots \oplus V_n = \{(v_1, v_2, \ldots, v_n) \mid v_i \in V_i\}

并在其上定义逐分量的加法与标量乘法：

(v1,…,vn)+(w1,…,wn)=(v1+w1,…,vn+wn)(v_1, \ldots, v_n) + (w_1, \ldots, w_n) = (v_1 + w_1, \ldots, v_n + w_n)
c⋅(v1,…,vn)=(cv1,…,cvn),c∈Fc \cdot (v_1, \ldots, v_n) = (c v_1, \ldots, c v_n), \quad c \in \mathbb{F}

在此定义下，外直和本身成为一个 F\mathbb{F}-向量空间，维数等于各分量维数之和：

dim⁡(V1⊕⋯⊕Vn)=dim⁡V1+⋯+dim⁡Vn\dim(V_1 \oplus \cdots \oplus V_n) = \dim V_1 + \cdots + \dim V_n

每个 ViV_i 通过自然单射 ik:Vk↪⨁i=1nVii_k: V_k \hookrightarrow \bigoplus_{i=1}^n V_i 嵌入直和中：将 v∈Vkv \in V_k 映射为除第 kk 位置为 vv 外其余位置置零的元组。对称地，存在自然投影 πk:⨁iVi↠Vk\pi_k: \bigoplus_i V_i \twoheadrightarrow V_k 提取第 kk 分量。对无限族 {Vα}α∈I\{V_\alpha\}_{\alpha \in I}，外直和由仅有有限个非零分量的元组构成，此约束在范畴论中体现为直和是余积（Coproduct）。

内直和：将空间拆分为子空间

在实际问题中，更常见的场景是将给定向量空间 VV 分解为其子空间的和。若 VV 的子空间 U1,U2,…,UnU_1, U_2, \ldots, U_n 满足

V=U1+U2+⋯+UnV = U_1 + U_2 + \cdots + U_n

且每个向量 v∈Vv \in V 的表达 v=u1+u2+⋯+unv = u_1 + u_2 + \cdots + u_n（ui∈Uiu_i \in U_i）唯一，则称 VV 是这些子空间的内直和（Internal Direct Sum），记作

V=U1⊕U2⊕⋯⊕UnV = U_1 \oplus U_2 \oplus \cdots \oplus U_n

唯一性等价于零向量的分解唯一，即若 u1+⋯+un=0u_1 + \cdots + u_n = 0 且 ui∈Uiu_i \in U_i，则必有 u1=⋯=un=0u_1 = \cdots = u_n = 0。这等价于每个 UkU_k 与其余子空间之和的交仅为零：

Uk∩(∑i≠kUi)={0},k=1,…,nU_k \cap \left(\sum_{i \neq k} U_i\right) = \{0\}, \quad k = 1, \ldots, n

当只有两个子空间时，条件简化为 U1∩U2={0}U_1 \cap U_2 = \{0\}。此时 Grassmann 公式给出：

dim⁡(U1+U2)=dim⁡U1+dim⁡U2−dim⁡(U1∩U2)\dim(U_1 + U_2) = \dim U_1 + \dim U_2 - \dim(U_1 \cap U_2)

若为直和，则交为零，维数直接相加。

内直和与外直和本质同构：若 V=U1⊕⋯⊕UnV = U_1 \oplus \cdots \oplus U_n 为内直和，则映射 (u1,…,un)↦u1+⋯+un(u_1, \ldots, u_n) \mapsto u_1 + \cdots + u_n 给出外直和 ⨁iUi\bigoplus_i U_i 到 VV 的自然同构。

线性变换的直和分解

直和结构在算子理论中尤为有力。若 V=U1⊕⋯⊕UnV = U_1 \oplus \cdots \oplus U_n 且每个 UiU_i 在线性变换 T:V→VT: V \to V 下不变（即 T(Ui)⊆UiT(U_i) \subseteq U_i），则 TT 可写成分块对角矩阵：

[T]=diag⁡(T∣U1,T∣U2,…,T∣Un)[T] = \operatorname{diag}(T|_{U_1}, T|_{U_2}, \ldots, T|_{U_n})

这意味着 TT 的作用被分解为各不变子空间上独立算子 T∣UiT|_{U_i} 的直和。特征空间分解是其特例：若 TT 可对角化，则 VV 分解为所有特征值对应特征空间的直和。更一般地，准素分解定理（Primary Decomposition Theorem）将 VV 分解为各不同特征值广义特征空间的直和。而Jordan 标准型的存在性恰以此直和分解为出发点。

在多线性代数中，直和与张量积通过分配律交互：(A⊕B)⊗C≅(A⊗C)⊕(B⊗C)(A \oplus B) \otimes C \cong (A \otimes C) \oplus (B \otimes C)，此同构在表示论中至关紧要。

其他代数结构中的直和

直和不仅限于向量空间。对于群，给定一族群 {Gα}\{G_\alpha\}，其直和（有限支集序列构成）是较弱的结构——群的直积与直和在无限情形亦分道扬镳：直积包含所有序列，直和仅包含有限非平凡分量者。对于模（Modules over a ring），直和的定义与向量空间完全平行，且性质类似。在表示论中，一个群表示若能写为两个不变子表示的内直和，则该表示为可约表示（其矩阵形式为分块对角）；若不能进一步非平凡分解，则为不可约表示——此时直和的作用类似于"素因数分解"中的乘法。

直和分解与 extbf{投影算子}之间存在一一对应。若 V=U⊕WV = U \oplus W，则存在唯一的线性映射 P:V→VP: V \to V 满足 P2=PP^2 = P（幂等），im⁡P=U\operatorname{im} P = U，ker⁡P=W\ker P = W。PP 沿 WW 方向向 UU 投影，而 I−PI - P 则为互补投影。更一般地，V=U1⊕⋯⊕UnV = U_1 \oplus \cdots \oplus U_n 等价于存在一族幂等算子 P1,…,PnP_1, \ldots, P_n 满足

PiPj=δijPi,∑i=1nPi=I,im⁡Pi=UiP_i P_j = \delta_{ij} P_i, \quad \sum_{i=1}^n P_i = I, \quad \operatorname{im} P_i = U_i

这一对应将几何分解转化为代数等式，是谱分解在一般幂等元上的推广，在算子代数与泛函分析中频繁使用。

在矩阵论中，矩阵的直和定义为分块对角矩阵：

A⊕B=(A00B)A \oplus B = \begin{pmatrix} A & 0 \\ 0 & B \end{pmatrix}

此运算保持众多谱性质：特征值集合为各块特征值的并集，行列式为各块行列式之积。直和分解是化简高维问题、并行处理大尺度计算的基本策略。

直和与直积的本质区别

在有限个因子的情形，直和与直积一致。然而当涉及无限个因子时，二者出现根本差异。给定无限个向量空间族 {Vα}α∈I\{V_\alpha\}_{\alpha \in I}：

  • 直积 ∏αVα\prod_\alpha V_\alpha 包含所有序列 (vα)α∈I(v_\alpha)_{\alpha \in I}（每个分量任意选取），是集合的笛卡尔积配上逐点运算。
  • 直和 ⨁αVα\bigoplus_\alpha V_\alpha 仅包含仅有有限个非零分量的序列，是直积的子空间。

在范畴论语言中：直积是范畴中的积（Product），由向各因子的投影族泛性质刻画；直和是余积（Coproduct），由各因子向直和的嵌入族泛性质刻画。对有限个对象，积与余积自然同构（即双积/Biproduct），此现象在Abel 范畴的公理化体系中居于核心地位。Banach 空间理论中亦有类似结构：ℓ∞\ell^\infty 是 ℓp\ell^p 序列空间的某种"直积"，而 c00c_{00}（有限支撑序列）则为代数直和。

应用与意义

直和提供了"分而治之"的数学结构化手段。在线性代数中，将高维空间分解为低维不变子空间的直和，使复杂算子化简为分块对角形式；在泛函分析中，Hilbert 空间的正交分解 H=M⊕M⊥H = M \oplus M^\perp 是投影定理的核心；在量子力学中，系统态空间的直和对应于超选择定则（Superselection Rules）——某些叠加态被禁止，总 Hilbert 空间自然分拆为相干扇区的直和；在微分几何中，Whitney 和（向量丛的直和）是构造新向量丛的基本操作；在表示论中，完全可约性（Maschke 定理：有限群的复表示均完全可约）将任意表示化为不可约表示的直和，为分类提供根基。

在同调代数层面，直和的出现常伴随 extbf{分裂正合列}。短正合列

0⟶A⟶fB⟶gC⟶00 \longrightarrow A \stackrel{f}{\longrightarrow} B \stackrel{g}{\longrightarrow} C \longrightarrow 0

称为 extbf{分裂}的，当且仅当 B≅A⊕CB \cong A \oplus C 且在此同构下 ff 为标准嵌入、gg 为标准投影。在向量空间范畴中，所有短正合列均分裂；但对一般模，分裂性要求映射 gg 存在右逆（或 ff 存在左逆），此条件是同调代数中Ext 函子消隐的等价表述。