猜想和必要性证明（一）

在更深层的数学中，基底可以有无穷多个，例如以有理数为标量集的实数域就是无穷维的。我们这里只讨论“有限维”情况，即基底只有有限个。（对于无穷维的基底，依然要求每个向量能够被“有限个”基底元素线性表出。无穷个向量间的线性无关定义为“任何一个都不能被有限个其他向量线性表出。但是无穷维空间下，求和和基底的性质证明变得很复杂，本教程也用不到，就不讨论了。后续的讨论都是在“有限维空间”这个前提下进行。）

证明命题4.1（基底的存在性）： 满足定义4.6（既能组合出所有向量，又没有冗余）的“基底”真的存在吗？任意向量真的能被表示出来吗？
我们可以用“贪心策略”来构造它：在大数域中随便拿一个非 0 向量 $e_1$，看它和标量相乘能否覆盖大数域的所有元素。如果能，基底就是 $\{e_1\}$。如果不能，说明大数域里还有“漏网之鱼”。我们把不能被 $e_1$ 线性组合出来的某个向量 $e_2$ 加进来。现在集合变成了 $\{e_1, e_2\}$。它们依然是线性无关的。看 $\{e_1, e_2\}$ 的所有线性组合能否覆盖大数域。如果不能，再找一个“漏网之鱼” $e_3$ 加进来。
不断重复这个过程。因为我们探讨的是有限维空间，这个过程必定会在经过有限次（假设为 $n$ 次）后停止。一旦停止，就意味着再也找不到无法被表示的向量了。此时构造的集合 $\{e_1, \dots, e_n\}$ 就是基底。

证明命题4.2（向量坐标的唯一性）：
假设向量 $V$ 有两种不同的方式被同一组基底 $e_1, \dots, e_n$ 表示：
$V = a_1 e_1 + \dots + a_n e_n$
$V = b_1 e_1 + \dots + b_n e_n$
两式相减得到：
$0 = (a_1 - b_1)e_1 + \dots + (a_n - b_n)e_n$
因为基底是线性无关的，所以括号里的系数必须全为 0。即
$a_1 = b_1, \dots, a_n = b_n$。
这证明了：任意向量不仅能被基底和标量表示，而且其表示的“坐标”（系数）是绝对唯一的。

证明命题4.3（维数不变性定理）：
我们要证明的核心逻辑：已知 A 是基底（有 $m$ 个向量），B 也是基底（有 $n$ 个向量）。假设 $m < n$。我们要严格推导出：B 中的 $n$ 个向量必然是线性相关的（从而与 B 是基底的定义产生致命矛盾）。严谨推导步骤：
第一步：写出表示式
设基底 A 的向量为 $e_1, e_2, \dots, e_m$。设基底 B 的向量为 $v_1, v_2, \dots, v_n$。因为 A 是基底（能生成一切），所以 B 中的每一个向量 $v_j$，都可以被唯一地表示为 A 中向量的线性组合。我们把它们写出来：
$v_1 = a_{11}e_1 + a_{21}e_2 + \dots + a_{m1}e_m$
$v_2 = a_{12}e_1 + a_{22}e_2 + \dots + a_{m2}e_m$
$\vdots$
$v_n = a_{1n}e_1 + a_{2n}e_2 + \dots + a_{mn}e_m$
（其中所有的 $a$ 都是标量集合里的数）。

第二步：构造线性组合，准备反证
我们要检验 $v_1, \dots, v_n$ 是否线性相关。也就是要试着找一组标量 $x_1, x_2, \dots, x_n$，看看能不能让下式成立，且这组 $x$ 不全为 0：
$x_1v_1 + x_2v_2 + \dots + x_nv_n = 0$

第三步：代入并重新整理（纯代数操作）
把第一步里的所有 $v$ 代入到第二步的式子中。展开后，我们按照 $e_1, e_2, \dots, e_m$ 重新把它们合并同类项。整理后的式子长这样：
$(a_{11}x_1 + a_{12}x_2 + \dots + a_{1n}x_n)e_1 + \dots + (a_{m1}x_1 + a_{m2}x_2 + \dots + a_{mn}x_n)e_m = 0$

第四步：利用 A 的线性无关性
注意！因为 $e_1, \dots, e_m$ 是基底 A，根据定义，它们本身是线性无关的。几个线性无关的向量加起来等于 0，唯一的可能就是它们前面的系数全部等于 0。所以，上式括号里的每一项都必须是 0，这就自动生成了一组方程：
$a_{11}x_1 + a_{12}x_2 + \dots + a_{1n}x_n = 0$
$\vdots$
$a_{m1}x_1 + a_{m2}x_2 + \dots + a_{mn}x_n = 0$

第五步：得出最终矛盾
仔细看上面这个方程组，它有 $m$ 个方程，但是有 $n$ 个未知数（即 $x_1$ 到 $x_n$）。在我们的反证假设中，$m < n$（方程的个数少于未知数的个数）。
在基础代数中有一个铁律：当齐次线性方程组的未知数个数多于方程个数时，必然存在至少一组不全为 0 的解。 （如果一直消元，最后一定会剩下不受约束的自由变量）。这意味着什么？这意味着我们真真实实地找到了一组不全为 0 的 $x_1, \dots, x_n$，使得 $x_1v_1 + \dots + x_nv_n = 0$ 成立！这就严格证明了 $v_1, \dots, v_n$ 是线性相关的。但这与“B 也是一个基底（必须线性无关）”的定义产生了直接冲突！因此，一开始的假设 $m < n$ 绝对不成立，从而必然有 $m \ge n$。同理，互换 A 和 B 的身份，必然有 $n \ge m$。两者结合，必定得出 $m = n$。

第一部分：证明 $1, \zeta, \zeta^2, \dots, \zeta^{n-1}$ 是“线性无关”的
核心逻辑：反证法推出和 $n$ 是最小次数矛盾。
反证法。假设这组元素是线性相关的。根据定义，这意味着存在一组在标量域 $A$ 中不全为 0 的系数 $c_0, c_1, \dots, c_{n-1}$，使得：
$c_0 \cdot 1 + c_1 \zeta + c_2 \zeta^2 + \dots + c_{n-1} \zeta^{n-1} = 0$
我们把这组系数提出来，构造一个新的多项式 $f(x)$：
$f(x) = c_0 + c_1 x + c_2 x^2 + \dots + c_{n-1} x^{n-1}$
根据第 1 步的假设，把 $\zeta$ 代入 $f(x)$，我们得到 $f(\zeta) = 0$。这意味着 $\zeta$ 是多项式 $f(x)$ 的一个根。致命矛盾出现： $f(x)$ 的最高次数最多只有 $n-1$。但我们在前提里已经规定了，以 $\zeta$ 为根的“最小多项式”的次数是 $n$！一个次数小于 $n$ 的非零多项式绝不可能以 $\zeta$ 为根。
结论： 唯一的可能，就是 $f(x)$ 必须是一个“零多项式”。即所有的系数 $c_0 = c_1 = \dots = c_{n-1} = 0$。这就严格证明了 $1, \zeta, \dots, \zeta^{n-1}$ 之间没有任何非平凡的线性抵消，它们绝对是线性无关的。

第二部分：证明它们能“生成”扩域 $A(\zeta)$ 中的任何元素（生成性）
核心逻辑：这是整个证明最精彩的部分。我们需要证明，无论对 $\zeta$ 进行多么复杂的加减乘除，最终都可以“降维打击”成次数不超过 $n-1$ 的多项式。
由于 $A(\zeta)$ 是一个对 $+ - \times \div$ 封闭的数域，它里面的任意一个元素，一定是经过有限次运算得到的。根据数学归纳法，我们只需要证明，每一步运算的结果都可以被我们的基底线性表出。我们只需要证明其中“最复杂”的一步运算，即两个关于 $\zeta$ 的多项式相除的形式：$\frac{f(\zeta)}{g(\zeta)}（其中 g(\zeta) \neq 0）$ 能被基底线性表出即可。我们分两步走：

步骤 2.1：处理加减乘（降次）
假设只有一个多项式 $f(\zeta)$。无论它的次数有多高（比如 $\zeta^{100}$），我们怎么把它塞进 $1 \sim \zeta^{n-1}$ 的框架里？
对普通的未知数 $x$，我们使用初等代数的多项式带余除法（见附录1），用 $f(x)$ 除以最小多项式 $p(x)$（写成乘加的形式）：
$f(x) = q(x)p(x) + r(x)$
（其中商是 $q(x)$，余数是 $r(x)$。根据除法原理，余数 $r(x)$ 的次数必定严格小于除数 $p(x)$ 的次数 $n$）。我们把 $x = \zeta$ 代入上式：
$f(\zeta) = q(\zeta)p(\zeta) + r(\zeta)$
因为 $p(\zeta) = 0$，所以中间那一项直接归零！
$f(\zeta) = q(\zeta) \cdot 0 + r(\zeta) = r(\zeta)$
结论： 任何关于 $\zeta$ 的高次多项式 $f(\zeta)$，在数值上都等于一个次数小于 $n$ 的多项式 $r(\zeta)$。而 $r(\zeta)$ 显然是 $1, \zeta, \dots, \zeta^{n-1}$ 的线性组合！

步骤 2.2：处理除法（化除为乘）
这是初学者最难跨过的一道坎：如果有个分母 $g(\zeta)$ 怎么办？分式怎么能变成多项式呢？
因为 $g(\zeta) \neq 0$，说明 $\zeta$ 不是 $g(x)$ 的根。这意味着最小多项式 $p(x)$ 不能整除 $g(x)$（注意这里说的是多项式的除法不是数的除法）。
既然 $p(x)$ 是满足条件的最小多项式，它在标量域 $A$ 上是不可约的（不能分解成两个更低次多项式的乘积，否则 $\zeta$ 就会是其中一个更低次多项式的根）。
因为 $p(x)$ 不可约，且不整除 $g(x)$，所以它们两者的最大公因式必定是 1。根据多项式版本的裴蜀定理（多项式辗转相除法，见附录2），既然最大公因式是 1，就必定存在两个多项式 $u(x)$ 和 $v(x)$（系数都在 $A$ 中），使得：
$u(x)g(x) + v(x)p(x) = 1$
见证奇迹的时刻 —— 把 $x = \zeta$ 代入上式：
$u(\zeta)g(\zeta) + v(\zeta) \cdot 0 = 1$
$u(\zeta)g(\zeta) = 1$
$\frac{1}{g(\zeta)} = u(\zeta)$
结论： 在这个扩域里，除以 $g(\zeta)$，其实在代数上完全等价于乘以另一个多项式 $u(\zeta)$！ 根本没有真正的“分式”。

第二部分总爆发：任意一个元素 $\frac{f(\zeta)}{g(\zeta)}$，等于 $f(\zeta) \times u(\zeta)$。两个多项式相乘，结果还是一个多项式。再根据步骤 2.1，任何多项式都可以通过除以 $p(x)$ 取余数，降次为一个次数不超过 $n-1$ 的多项式。这就严格证明了：$A(\zeta)$ 中的任何元素，都可以表示为 $1, \zeta, \zeta^2, \dots, \zeta^{n-1}$ 加上 $A$ 中系数的线性组合！

最终结论：集合 $\{1, \zeta, \zeta^2, \dots, \zeta^{n-1}\}$ 既是线性无关的（第一部分），又能生成全空间（第二部分）。因此，它完美满足了之前给出的定义 4.6，必定是向量空间 $A(\zeta)$ 的一组基底。因为这组基底里面恰好有 $n$ 个元素，根据定义 4.7，$A(\zeta)$ 在标量域 $A$ 上的维数就是 $n$。

Q.E.D. (证明完毕)

求证：$A(X \cup Y) = A(X)(Y)$
核心逻辑： 在代数中，对于“由某集合生成的数域”，最严谨的定义是：$A(S)$ 是所有既包含数域 $A$ 又包含集合 $S$ 的数域中，最小的那一个。要证明两个集合相等，最标准的做法是证明它们互相包含（即证明左边 $\subseteq$ 右边，且右边 $\subseteq$ 左边）。

第一步：证明 $A(X \cup Y) \subseteq A(X)(Y)$
观察右边的集合 $A(X)(Y)$。根据定义，它是以 $A(X)$ 为基础，加入 $Y$ 后生成的数域。因此，它必定包含 $A(X)$，也包含集合 $Y$。既然它包含数域 $A(X)$，而 $A(X)$ 又包含了 $A$ 和 $X$，那么 $A(X)(Y)$ 实际上同时包含了数域 $A$、集合 $X$ 以及集合 $Y$。换句话说，$A(X)(Y)$ 是一个既包含数域 $A$，又包含集合 $X \cup Y$ 的数域。而左边的 $A(X \cup Y)$，根据定义，是所有既包含 $A$ 又包含 $X \cup Y$ 的数域中最小的一个。既然右边满足条件，而左边是最小的，那么左边必定被包含在右边之内。即：$A(X \cup Y) \subseteq A(X)(Y)$。

第二步：证明 $A(X)(Y) \subseteq A(X \cup Y)$
首先根据定义，显然有 $A(X) \subseteq A(X \cup Y)$。现在我们盘点一下 $A(X \cup Y)$ 拥有的元素：它包含了数域 $A(X)$；包含了集合 $Y$。即：$A(X \cup Y)$ 是一个既包含了数域 $A(X)$，又包含了集合 $Y$ 的数域。接下来，我们看目标集合 $A(X)(Y)$ 的定义。它被定义为所有既包含数域 $A(X)$，又包含集合 $Y$ 的数域中最小的一个。最终推导： 既然 $A(X \cup Y)$ 是一个符合条件（包含 $A(X)$ 和 $Y$）的数域，而 $A(X)(Y)$ 是符合该条件的最小数域，那么这个最小的数域必定被包含在前者之中。因此严格得出：$A(X)(Y) \subseteq A(X \cup Y)$。

结论：
既然相互包含，两边必定完全相等：$A(X \cup Y) = A(X)(Y)$。这就严谨地证明了扩域可以分步进行。

求证：在大域 $A(X \cup Y)$ 上的维数，等于中间域 $A(X)$ 在 $A$ 上的维数，乘以大域在中间域上的维数。
为了表述清晰且绝对严谨，我们先统一下符号。
设基础域为 $A$。
设中间域为 $K = A(X)$。
设最高域为 $L = A(X \cup Y)$，根据命题1，它也等于 $K(Y)$。
设 $K$ 作为 $A$ 上的向量空间，维数为 $m$。
设 $L$ 作为 $K$ 上的向量空间，维数为 $n$。
我们需要严格证明：$L$ 作为 $A$ 上的向量空间，维数恰好是 $m \times n$。

核心逻辑：用两组小基底，人为构造出一组大基底，并证明它完美满足“基底”的两个硬性条件（生成性、线性无关）。
准备工作：
因为 $K$ 在 $A$ 上的维数是 $m$，所以它必然有一组基底，设为 $e_1, e_2, \dots, e_m$。
因为 $L$ 在 $K$ 上的维数是 $n$，所以它也必然有一组基底，设为 $f_1, f_2, \dots, f_n$。
我们把这两组基底两两相乘，构造出一个包含 $m \times n$ 个元素的新集合 $S$：
$S = \{e_i f_j \mid 1 \le i \le m, 1 \le j \le n\}$
接下来，我们分两步严格证明 $S$ 就是最高域 $L$ 在基础域 $A$ 上的基底。

第一步：证明 $S$ 具有生成性（能表示 $L$ 中的任意元素）

1. 从最高域 $L$ 中任取一个元素 $v$。
2. 因为 $f_1, \dots, f_n$ 是 $L$ 在 $K$ 上的基底，所以 $v$ 必然可以写成它们的线性组合（标量取自 $K$）：
   $v = c_1f_1 + c_2f_2 + \dots + c_nf_n \quad (其中 c_1, \dots, c_n \in K)$
3. 仔细看这些系数 $c$。因为它们都在中间域 $K$ 里，而 $e_1, \dots, e_m$ 是 $K$ 在 $A$ 上的基底，所以每一个 $c_j$ 又可以写成 $e_1, \dots, e_m$ 的线性组合（标量取自 $A$）：
   $c_j = a_{1j}e_1 + a_{2j}e_2 + \dots + a_{mj}e_m \quad (其中所有的 a \in A)$
4. 我们把第 3 步的式子代回到第 2 步中，用分配律展开：
   $v = \sum_{j=1}^n c_j f_j = \sum_{j=1}^n \left( \sum_{i=1}^m a_{ij} e_i \right) f_j = \sum_{j=1}^n \sum_{i=1}^m a_{ij} (e_i f_j)$
5. 看这个最终结果！ $a_{ij}$ 是最底层数域 $A$ 中的元素，而 $e_i f_j$ 正是我们构造的集合 $S$ 中的元素。这就证明了，$L$ 中的任意元素 $v$，全都可以被集合 $S$ 用 $A$ 中的标量线性组合出来！生成性得证。

第二步：证明 $S$ 是线性无关的（无冗余）
这是反证法的天下。假设 $S$ 中的元素线性相关，即存在一组在基础域 $A$ 中不全为 0 的系数 $a_{ij}$，使得：
$\sum_{j=1}^n \sum_{i=1}^m a_{ij} (e_i f_j) = 0$

1. 我们把式子稍微变形，把关于 $i$ 的求和用括号括起来，把 $f_j$ 提出来：
   $\sum_{j=1}^n \left( \sum_{i=1}^m a_{ij} e_i \right) f_j = 0$
2. 注意看括号里的这一坨 $\left( \sum_{i=1}^m a_{ij} e_i \right)$。因为 $a_{ij}$ 都在 $A$ 里，$e_i$ 都在 $K$ 里，所以加起来的这一坨，它是一个中间域 $K$ 里的元素。我们把它记作 $C_j$。
3. 那么式子变成了：
   $C_1f_1 + C_2f_2 + \dots + C_nf_n = 0 \quad (其中 C_j \in K)$
4. 现在，调用基底的铁律！因为 $f_1, \dots, f_n$ 是 $L$ 在 $K$ 上的基底，它们在标量域 $K$ 上必须是线性无关的！一堆线性无关的向量加起来等于 0，唯一的可能就是系数全部为 0。
5. 因此，必须有：$C_1 = 0, C_2 = 0, \dots, C_n = 0$。
6. 我们再把 $C_j$ 展开看：
   $a_{1j}e_1 + a_{2j}e_2 + \dots + a_{mj}e_m = 0$
7. 再次调用基底的铁律！因为 $e_1, \dots, e_m$ 是 $K$ 在 $A$ 上的基底，它们在标量域 $A$ 上也是线性无关的！
8. 因此，所有的系数 $a_{1j}, a_{2j}, \dots, a_{mj}$ 必须全部为 0。
9. 再根据 $j$ 任意性，我们得到所有的 $a_{ij}$ 都必须全部为 0.

产生矛盾： 我们在开头假设了这组系数“不全为 0”，但经过严格推导，它们必须“全部为 0”。假设不成立。因此，集合 $S$ 绝对是线性无关的。
最终结论：我们人为构造的集合 $S$，既能生成全空间，又线性无关，它就是最高域 $L$ 在最底层基础域 $A$ 上的基底。而 $S$ 里面包含元素的个数恰好是 $m \times n$。所以，$d(A(X \cup Y),A) = d(A(X),A) \times d(K(Y),K)$。证毕。