2.3 Bases and Dimension

dimension是刻画线性空间的一个重要指标。首先对linearly dependent和independent进行了定义。basis就是同时满足linearly independent和span两个条件的集合，如果basis是有限的，那么该空间就是有限维的。Example 13给出了standard basis的模式，Example 14说明：可逆矩阵的列向量构成$F^{n\times 1}$的一组basis，Example 15给出了如何得到homogeneous system解空间的一组基。Example 16再次用多项式函数空间给出了infinite basis的一个例子，这个例子的推导和思路值得学习。
Theorem 4是个很重要的定理，其说明如果能找到有限数量的m个向量spans V，那么所有线性无关向量组都是有限的并且不会超过m个。证明直接证所有超过m个的向量组是线性相关的，使用方程组理论和第一章的Theorem 6即可。Corollary 1说明了dimension是唯一的。Corollary 2说明维数的重要性：其是线性相关/无关和能否span的一个分界线。比维数多的不能线性无关，比维数少的不能span。
在Theorem 5之前有一个有用的Lemma，即如果$S$是linearly independent并且$\beta$不在span(S)中，那么 S ∪ { β } S\cup \{\beta\} S∪{ β}是linearly independent的。证明用反证法。Theorem 5说明：有限维空间的子集肯定有限维，并且任何该子集中的线性无关向量组都可以扩充成空间的一组基。其实反过来也成立，即任何span该空间的向量组都可以缩成一组基。Corollary 1说明真子集的维数一定严格小于空间本身，Corollary 2说任意线性无关向量组都可以扩充成空间的一组基。Corollary 3说明，如果n阶方阵A的行向量线性无关，则A可逆。主要由于行向量的空间维数为$n$。
Theorem 6是大家很熟悉的关于维数的定理，即对于有限维空间$W_1,W_2$，有$\dim W_1+\dim W_2=\dim (W_1\cap W_2)+\dim (W_1+W_2)$。
最后一部分，老先生说了一下对于集合与序列如何区分，核心是能否重复以及order是不是重要的，重点在后者，因为线性无关保证了向量组里不会有重复（相同的）向量。后者则是下一节学坐标时需要关注的新增东西。

Exercises

1. Prove that if two vectors are linearly dependent, one of them is a scalar multiplication of the other.

Solution: Let a,b be linearly dependent, then there’s scalars $c_1,c_2$, not all zero, such that $c_{1}a+c_{2}b=0$. If $c_1\ne 0$, then we have $a=-(c_2/c_1)b$, otherwise $c_2\ne 0$, so $b=-(c_1/c_2)a$.

2. Are the vectors

$$\begin{gathered} {\alpha }_1=(1,1,2,4),{\alpha }_2=(2,-1,-5,2) \\ {\alpha }_3=(1,-1,-4,0),{\alpha }_4=(2,1,1,6) \end{gathered}$$

linearly independent in $R^4$?

Solution: Since
$$\left[\begin{array}{cccc}1& 1& 2& 4\\ 2& -1& -5& 2\\ 1& -1& -4& 0\\ 2& 1& 1& 6\end{array}\right]\to \left[\begin{array}{cccc}1& 1& 2& 4\\ 0& -3& -9& -6\\ 0& -2& -6& -4\\ 0& -1& -3& -2\end{array}\right]\to \left[\begin{array}{cccc}1& 1& 2& 4\\ 0& 1& 3& 2\\ 0& 1& 3& 2\\ 0& 1& 3& 2\end{array}\right]$$
We have $({\alpha }_2-2{\alpha }_1)\times (1/3)=({\alpha }_3-{\alpha }_1)\times (1/2)$, or
$$3({\alpha }_3-{\alpha }_1)=2({\alpha }_2-2{\alpha }_1)\Rightarrow {\alpha }_1-2{\alpha }_2+3{\alpha }_3+0{\alpha }_4=0$$
Thus the vectors are linearly dependent.

3. Find a basis for the subspace of $R^4$ spanned by the four vectors of Exercise 2?

Solution: The vectors $({\alpha }_1,{\alpha }_2)$ can be a basis.

4. Show that the vectors

$${\alpha }_1=(1,0,-1),{\alpha }_2=(1,2,1),{\alpha }_3=(0,-3,2)$$

form a basis for $R^3$. Express each of the standard basis vectors as linear combinations of ${\alpha }_1,{\alpha }_2,{\alpha }_3$.

Solution: We have
$$\left[\begin{array}{ccc}1& 0& -1\\ 1& 2& 1\\ 0& -3& 2\end{array}\right]\to \left[\begin{array}{ccc}1& 0& -1\\ 0& 2& 2\\ 0& -3& 2\end{array}\right]\to [\begin{array}{ccc}1& 0& -\\ 0& 1& \\ 0& 0& \end{array}$$