线性空间的基、维数与坐标

线性空间也可以由一组向量生成。如果一组向量是线性无关,且线性空间中的每一个向量可以用这组向量线性表示,称这组向量为线性空间的基。基中向量的个数称为线性空间的维数。向量在这组基下的表达式的系数称为这个向量在这组基下的坐标。

1,线性空间的基:若 \(\{\vec{v}_1,\vec{v}_2,\cdots,\vec{v}_n\}\) 为线性空间 \(\mathcal{V}\) 中的一组向量,满足:

(1)\(\{\vec{v}_1,\vec{v}_2,\cdots,\vec{v}_n\}\) 线性无关;

(2)\({\rm span}\{\vec{v}_1,\vec{v}_2,\cdots,\vec{v}_n\}=\mathcal{V}\),也就是说,\(\mathcal{V}\) 中任一向量可用 \(\{\vec{v}_1,\vec{v}_2,\cdots,\vec{v}_n\}\) 线性表示。

则称 \(\{\vec{v}_1,\vec{v}_2,\cdots,\vec{v}_n\}\) 为线性空间 \(\mathcal{V}\) 中的一组基。\(n\) 称为线性空间 \(\mathcal{V}\) 的维数。也就是说,线性空间的维数等于它的基中向量的个数。

例1,\(\mathbb{R}^n\) 中有一组基 \(\vec{e}_1=\begin{pmatrix}1\\0\\0\\ \vdots\\ 0\end{pmatrix},\vec{e}_2=\begin{pmatrix}0\\1\\0\\ \vdots\\ 0\end{pmatrix},\cdots, \vec{e}_n=\begin{pmatrix}0\\0\\ 0\\ \vdots\\ 1\end{pmatrix}\),因为很显然,

(1)它们是线性无关的;

(2)\(\mathbb{R}^n\) 中的任一向量 \(\vec{x}=\begin{pmatrix}x_1\\x_2\\x_3\\ \vdots\\ x_n\end{pmatrix}\) 可以写成 \[\vec{x}=x_1\vec{e}_1+x_2\vec{e}_2+x_3\vec{e}_3+\cdots+x_n\vec{e}_n\]

所以 \(\vec{e}_1,\vec{e}_2,\cdots,\vec{e}_n\) 是 \(\mathbb{R}^n\) 中的一组基。这组基称为 \(\mathbb{R}^n\) 中的标准正交基。

例2,\(\mathbb{P}_n\) 的一组基为 \(\{1,x,x^2,\cdots,x^n\}\)。因为

(1)它们是线性无关的。因为若对任意 \(x\),\[k_0+k_1x+k_2x^2+\cdots+k_nx^n=0\]

则 \(k_0=k_1=\cdots=k_n=0\)。

(2)对 \(\mathbb{P}_n\) 中的任一向量,\(p(x)=a_0+a_1x+a_2x^2+\cdots+a_nx^n\),都是 \(\{1,x,x^2,\cdots,x^n\}\) 的线性组合。所以 \(\{1,x,x^2,\cdots,x^n\}\) 是 \(\mathbb{P}_n\) 的一组基。这组基称为 \(\mathbb{P}_n\) 的标准基。

2,向量的坐标:若 \(\vec{e}_1,\vec{e}_2,\cdots,\vec{e}_n\) 为线性空间 \(\mathcal{V}\) 中的一组基,\(\vec{x}\) 为线性空间 \(\mathcal{V}\) 中的一个向量,

\[\vec{x}=x_1\vec{v}_1+x_2\vec{v}_2+\cdots+x_n\vec{v}_n\]

则称 \((x_1,x_2,\cdots,x_n)\) 为 \(\vec{x}\) 在基 \(\{\vec{e}_1,\vec{e}_2,\cdots,\vec{e}_n\}\) 下的坐标。经常写成列向量的形式。

例3,\(\mathbb{R}^n\) 中的向量 \(\vec{x}=\begin{pmatrix}x_1\\x_2\\ \vdots\\ x_n\end{pmatrix}\) 的坐标为 \((x_1,x_2,\cdots,x_n)\)。

例4,设 \(\vec{a}=\begin{pmatrix}7\\3\\1\end{pmatrix}, \vec{a}_1=\begin{pmatrix}1\\3\\5\end{pmatrix}, \vec{a}_2=\begin{pmatrix}6\\3\\2\end{pmatrix},\vec{a}_3=\begin{pmatrix}3\\1\\0\end{pmatrix}\),求 \(\vec{a}\) 在 \(\{\vec{a}_1,\vec{a}_2,\vec{a}_3\}\) 下的坐标。

解:设 \(\vec{a}=x_1\vec{a}_1+x_2\vec{a}_2+x_3\vec{a}_3\),则写成矩阵的形式为

\[\vec{a}=(\vec{a}_1\quad \vec{a}_2\quad \vec{a}_3)\begin{pmatrix}x_1\\x_2\\x_3\end{pmatrix}\]

解这个方程组, 我们对它的增广矩阵做初等行变换,

\[\begin{align*}(A\vdots\vec{b})&=\begin{pmatrix}1&6&3&\vdots&7\\ 3&3&1&\vdots&3\\5&2&0&\vdots&1\end{pmatrix}\sim \begin{pmatrix}1&6&3&\vdots&7\\ 0&-15&-8&\vdots&-18\\0&-28&-15&\vdots&-34\end{pmatrix}\\ &\sim \begin{pmatrix}1&6&3&\vdots&7\\ 0&-15&-8&\vdots&-18\\0&2&1&\vdots&2\end{pmatrix}\sim \begin{pmatrix}1&6&3&\vdots&7\\ 0&1&0&\vdots&-2\\0&2&1&\vdots&2\end{pmatrix}\\ &\sim \begin{pmatrix}1&6&3&\vdots&7\\ 0&1&0&\vdots&-2\\0&0&1&\vdots&6\end{pmatrix} \sim \begin{pmatrix}1&6&0&\vdots&-11\\ 0&1&0&\vdots&-2\\0&0&1&\vdots&6\end{pmatrix}\\ &\sim \begin{pmatrix}1&0&0&\vdots&1\\ 0&1&0&\vdots&-2\\0&0&1&\vdots&6\end{pmatrix}\end{align*}\]

所以它的解为 \(\begin{pmatrix}x_1\\x_2\\x_3\end{pmatrix}=\begin{pmatrix}1\\-2\\6\end{pmatrix}\)。也就是说,\(\vec{a}\) 在 \(\{\vec{a}_1,\vec{a}_2,\vec{a}_3\}\) 下的坐标为 \((1,-2,6)\),从而\[\vec{a}=\vec{a}_1-2\vec{a}_2+6\vec{a}_3\]

例5,证明 \(\vec{a}_1=\begin{pmatrix}1\\3\\5\end{pmatrix}, \vec{a}_2=\begin{pmatrix}6\\3\\2\end{pmatrix},\vec{a}_3=\begin{pmatrix}3\\1\\0\end{pmatrix}\) 为 \(\mathbb{R}^3\) 的一组基。

证明:我们证明它们是一组基,只需要证明基的两个条件即可。

(1)设 \(A=(\vec{a}_1\quad \vec{a}_2)\quad \vec{a}_3)\),则由上题,我们知道 \(A\sim I\),它与单位矩阵等价,所以 \(R(A)=3\),它的列向量组线性无关,也就是说 \(\{\vec{a}_1,\vec{a}_2,\vec{a}_3\}\) 线性无关;

(2) \(R(A)=3\) 所以 \(A\) 可逆,所以对于任何 \(\mathbb{R}^3\) 中的向量 \(\vec{y}\),\(A\vec{x}=\vec{y}\) 都有唯一解,也就是说

\[A\vec{x}=\vec{y}\Longrightarrow (\vec{a}_1\quad \vec{a}_2)\quad \vec{a}_3)\begin{pmatrix}x_1\\x_2\\x_3\end{pmatrix}=\vec{y}\]

有唯一解 \(\begin{pmatrix}x_1\\x_2\\x_3\end{pmatrix}\),也就是说,对于任何 \(\mathbb{R}^3\) 中的向量 \(\vec{y}\),它可以写成

\[\vec{y}=x_1\vec{a}_1+x_2\vec{a}_2+x_3\vec{a}_3\]

所以任何一个 \(\mathbb{R}^3\) 中的向量 \(\vec{y}\), 都可以用 \(\{\vec{a}_1,\vec{a}_2,\vec{a}_3\}\) 线性表示。

所以 \(\{\vec{a}_1,\vec{a}_2,\vec{a}_3\}\) 是\(\mathbb{R}^3\) 的一组基。