空间的基
二维三维空间最重要的性质是, m ≤ 3 m\le3 m≤3 维空间中存在 m m m 个向量,其线性组合能唯一表示空间中任意向量,能推广到高维空间吗?
二维空间中任意向量表示为 v = ( x , y ) \mathbf{v} = (x,y) v=(x,y) ,三维空间中任意向量表示为 v = ( x , y , z ) \mathbf{v} = (x,y,z) v=(x,y,z) ,以此类推。
定义 m m m 维向量 任意 m m m 个有序实数构成的向量 v = ( v 1 , v 2 , ⋯ , v m ) \mathbf{v} = (v_1,v_2,\cdots,v_m) v=(v1,v2,⋯,vm) 。
定义 m m m 维空间 所有 m m m 维向量构成的集合 S = { v } S = \{\mathbf{v} \} S={v} ,记为 R m R^m Rm ,向量集合也称向量空间,简称空间。
空间是向量集合,这是线性代数对空间的表示!
二维和三维空间存在直角坐标系,空间中任意向量向坐标轴投影,得到坐标值,高维空间同样存在直角坐标系,这是空间的一个极其重要的性质。
基的基本性质和无关组
例如 m m m 维空间中向量组 E = ( e i = ( 0 , ⋯ , 1 , ⋯ , 0 ) , i ∈ [ 1 , m ] ) {E} = (\mathbf{e_i} = (0,\cdots,1,\cdots,0),\quad i \in [1,m] ) E=(ei=(0,⋯,1,⋯,0),i∈[1,m]) , m m m 维向量 e i \mathbf{e_i} ei 有 m m m 个分量,只有第 i i i 个分量为1,其他分量均为0。向量组中每个向量长度均为1,任意两个不同向量的内积为0(互相垂直)。该向量组构成直角坐标系,每个向量是一个坐标轴。
根据向量运算规则,可得
m
m
m 维空间任意向量均可唯一表示为
(
v
1
,
v
2
,
⋯
,
v
m
)
=
∑
i
=
1
m
v
i
e
i
(v_1,v_2,\cdots,v_m) = \sum^m_{i=1}v_i\mathbf{e_i}
(v1,v2,⋯,vm)=i=1∑mviei
表示系数组是
(
v
1
,
v
2
,
⋯
,
v
m
)
(v_1,v_2,\cdots,v_m)
(v1,v2,⋯,vm) ,是被表示向量本身!分量
v
i
v_i
vi 为坐标值,根据该性质,得到如下结论。
重要性质 m m m 维空间中存在 m m m 个向量,其线性组合能唯一表示空间中任意向量。
这个性质可以看作是公理。
存在无穷多种
m
m
m 个向量,其线性组合能唯一表示空间中任意向量。例如向量组
E
′
=
(
e
i
′
=
λ
i
e
i
,
i
=
1
,
⋯
,
m
)
{E'}=(\mathbf{e_i}'=\lambda_i\mathbf{e_i},i=1,\cdots,m)
E′=(ei′=λiei,i=1,⋯,m) ,只要每个
λ
i
≠
0
\lambda_i \ne 0
λi=0 ,就能表示任意向量。
(
v
1
,
v
2
,
⋯
,
v
m
)
=
∑
i
=
1
m
v
i
λ
i
e
i
′
(v_1,v_2,\cdots,v_m) = \sum^m_{i=1} \frac{v_i}{\lambda_i}\mathbf{e_i}'
(v1,v2,⋯,vm)=i=1∑mλiviei′
表示系数组是
(
v
1
/
λ
1
,
v
2
/
λ
2
,
⋯
,
v
m
/
λ
m
)
(v_1/\lambda_1,v_2/\lambda_2,\cdots,v_m/\lambda_m)
(v1/λ1,v2/λ2,⋯,vm/λm) 。向量组
E
′
E'
E′ 中任意两个不同向量的内积为0(互相垂直),每个向量
e
i
′
\mathbf{e_i}'
ei′ 长度为
∣
λ
i
∣
|\lambda_i|
∣λi∣ 。向量组
E
′
E'
E′ 称为广义坐标系,每个向量
e
i
′
\mathbf{e_i}'
ei′ 称为广义坐标轴,对应系数
v
i
/
λ
i
{v_i}/{\lambda_i}
vi/λi 称为广义坐标值。
定义 空间的基 能唯一表示空间中任意向量的向量组称为基。
注意基的向量不一定要互相垂直,甚至任意两个向量都不需垂直。比如二维空间中,任意不共线的两个向量是基,如前面例子所示两个二维向量 v = ( 1 , 1 ) \mathbf{v}=(1,1) v=(1,1) 和 w = ( 2 , 1 ) \mathbf{w}=(2,1) w=(2,1) ,就是基,每个向量长度不为1,不互相垂直。
三维空间中,任意不共面的三个向量是基。它们均不需垂直,当然了,如果基向量两两互相垂直,这样的基使用起来更方便,表示系数更容易从基和被表示向量计算出来!
向量组要成为基,需要具备什么条件呢?任意向量肯定不行,三维空间中如果这些向量都位于平面内,显然不行。
重要性质 空间中任意向量能被基唯一表示。
重要性质 0 \mathbf{0} 0 向量被基表示时,有唯一表示且表示系数组为全零 ( 0 , ⋯ , 0 ) (0,\cdots,0) (0,⋯,0) 。
这个性质看起来平凡,但在线性代数具有基础地位,希望大家牢记。这个性质看起来很直观,但必须证明!
证明如下,存在性很显然,当表示系数组为全零时,任意向量组的线性组合均是 0 \mathbf{0} 0 向量。
证唯一性,令基为向量组
V
=
(
v
1
,
⋯
,
v
n
)
V = (\mathbf{v_1},\cdots,\mathbf{v_n})
V=(v1,⋯,vn) 。假如
0
\mathbf{0}
0 向量有非全0的线性组合表示,令表示系数组为
(
λ
1
,
⋯
,
λ
n
)
(\lambda_1,\cdots,\lambda_{n})
(λ1,⋯,λn) ,满足
0
=
λ
1
v
1
+
⋯
+
λ
n
v
n
\mathbf{0} = \lambda_1\mathbf{v_1}+\cdots+\lambda_{n}\mathbf{v_{n}}
0=λ1v1+⋯+λnvn
对任意向量
y
\mathbf{y}
y ,根据基的性质,一定有表示系数组,满足
y
=
α
1
v
1
+
⋯
+
α
n
v
n
\mathbf{y} = \alpha_1\mathbf{v_1}+\cdots+\alpha_n\mathbf{v_n}
y=α1v1+⋯+αnvn
y = y + k 0 = α 1 v 1 + ⋯ + α n v n + k ( λ 1 v 1 + ⋯ + λ n v n ) \mathbf{y} = \mathbf{y} + k\mathbf{0} = \alpha_1\mathbf{v_1}+\cdots+\alpha_n\mathbf{v_n} \\ +k(\lambda_1\mathbf{v_1}+\cdots+\lambda_{n}\mathbf{v_{n}}) y=y+k0=α1v1+⋯+αnvn+k(λ1v1+⋯+λnvn)
k k k 取任意实数,这说明任意向量 y \mathbf{y} y 有无穷多种线性表示,与基的性质(唯一表示)矛盾!
重要性质 基中的任一向量不能表示为基中其他向量的线性组合,互相独立。
证:令基为向量组
V
=
(
v
1
,
⋯
,
v
n
)
V = (\mathbf{v_1},\cdots,\mathbf{v_n})
V=(v1,⋯,vn) 。假如存在某个基向量能表示为其他向量的线性组合,不妨令向量
v
n
\mathbf{v_n}
vn 能表示为其他向量的线性组合,则存在表示系数组
(
λ
1
,
⋯
,
λ
n
−
1
)
(\lambda_1,\cdots,\lambda_{n-1})
(λ1,⋯,λn−1) ,满足
v
n
=
λ
1
v
1
+
⋯
+
λ
n
−
1
v
n
−
1
\mathbf{v_n} = \lambda_1\mathbf{v_1}+\cdots+\lambda_{n-1}\mathbf{v_{n-1}}
vn=λ1v1+⋯+λn−1vn−1
等式两边减去向量
v
n
\mathbf{v_n}
vn ,得
0
=
λ
1
v
1
+
⋯
+
λ
n
−
1
v
n
−
1
−
v
n
\mathbf{0} = \lambda_1\mathbf{v_1}+\cdots+\lambda_{n-1}\mathbf{v_{n-1}} - \mathbf{v_n}
0=λ1v1+⋯+λn−1vn−1−vn
这说明
0
\mathbf{0}
0 向量的表示系数组为
(
λ
1
,
⋯
,
λ
n
−
1
,
−
1
)
(\lambda_{1},\cdots,\lambda_{n-1},-1)
(λ1,⋯,λn−1,−1) ,因为最后分量是-1,所以表示系数不是全0,这与
0
\mathbf{0}
0 向量有唯一表示且表示系数组为全零,矛盾!
是否存在 n < m n < m n<m 个向量,其线性组合能唯一表示 m m m 维空间中任意向量?
重要性质 m m m 维向量有 m m m 个分量,每个分量都是自由变量,而 n n n 个向量的线性组合只有 n n n 个自由变量,当 n < m n < m n<m 时,必然存在不能被表示的向量,所以 m m m 维空间中基的向量数量不能少于 m m m 。
重要性质 m m m 维空间中基的向量数量必是 m m m !
0 \mathbf{0} 0 向量的全零表示和向量互相独立, 这两个重要性质不仅对基成立,而且对基的任意子集也成立!这两个性质还是等价的,它们如此重要,数学中对重要性质必须取个名,进行定义,方便交流。
定义 线性无关组 基的任意子集,包括基本身,简称无关组。
根据定义,单个非零向量是无关组!
重要性质 0 \mathbf{0} 0 向量被无关组表示时,有唯一表示且表示系数组为全零。
重要性质 无关组中任一向量不能表示为其他向量的线性组合,互相独立。
重要性质 无关组的任意子集,是无关组。
因为无关组的子集也是基的子集。
重要性质 无关组是基的子集,所以 m m m 维空间中无关组中向量数量最多只能是 m m m 。
任意向量被基表示时,只有唯一表示。无关组是基的子集,当某向量能被无关组表示时,表示也唯一吗?
重要性质 如果某向量能被无关组表示,则表示唯一。
该性质在线性代数中具有无比重要的地位。
证明:令无关组为
V
=
(
v
1
,
⋯
,
v
n
)
V = (\mathbf{v_1},\cdots,\mathbf{v_n})
V=(v1,⋯,vn) ,假设向量
y
\mathbf{y}
y 有两种表示,为
y
=
λ
1
v
1
+
⋯
+
λ
n
v
n
y
=
β
1
v
1
+
⋯
+
β
n
v
n
\mathbf{y} = \lambda_1\mathbf{v_1}+\cdots+\lambda_{n}\mathbf{v_{n}} \\ \mathbf{y} = \beta_1\mathbf{v_1}+\cdots+\beta_{n}\mathbf{v_{n}}
y=λ1v1+⋯+λnvny=β1v1+⋯+βnvn
两式相减,得
0
=
y
−
y
=
(
λ
1
−
β
1
)
v
1
+
⋯
+
(
λ
n
−
β
n
)
v
n
\mathbf{0} = \mathbf{y-y} = (\lambda_1-\beta_1)\mathbf{v_1}+\cdots+(\lambda_n-\beta_n)\mathbf{v_{n}}
0=y−y=(λ1−β1)v1+⋯+(λn−βn)vn
这表明
0
\mathbf{0}
0 向量的表示系数组为
(
(
λ
1
−
β
1
)
,
⋯
,
(
λ
n
−
β
n
)
)
((\lambda_1-\beta_1),\cdots,(\lambda_n-\beta_n))
((λ1−β1),⋯,(λn−βn)) ,不是全0,与
0
\mathbf{0}
0 向量有唯一表示且表示系数组为全零,矛盾!
无关组是基的子集,那向无关组中增加新的向量,能使其成为基吗?
重要性质 任意无关组都能通过增加新向量,使其扩充为基。
证:假设无关组为 V V V ,则空间中必存在不能被 V V V 表示的向量,将该向量加入 V V V 得 V 1 V_1 V1 ,则 V 1 V_1 V1 是无关组,如果 V 1 V_1 V1 是基,则结束。如果不是,则空间中必存在不能被 V 1 V_1 V1 表示的向量,将该向量加入 V 1 V_1 V1 得 V 2 V_2 V2 ,则 V 2 V_2 V2 是无关组,如果 V 2 V_2 V2 是基,则结束。如果不是,一直继续下去,最终必将获得基,因为基只有有限个向量。
重要性质 无关组是基的真子集时,基中剩下的任意向量都不能被无关组表示,它们的线性组合也不能被无关组表示,这样空间中必存在不能被无关组表示的向量。
基的关系和向量组等价
m m m 维空间中存在任意多的基,这些基之间有什么关系呢?
令两个基分别为向量组 V = ( v 1 , ⋯ , v m ) V = (\mathbf{v_1},\cdots,\mathbf{v_m}) V=(v1,⋯,vm) , W = ( w 1 , ⋯ , w m ) W = (\mathbf{w_1},\cdots,\mathbf{w_m}) W=(w1,⋯,wm) ,注意必须是 m m m 个向量!
由于任意向量均能被基唯一表示,则基
W
W
W 中的每个向量都能被基
V
V
V 唯一表示!
w
1
=
α
11
v
1
+
⋯
+
α
1
m
v
m
=
V
α
1
⋮
w
i
=
α
i
1
v
1
+
⋯
+
α
i
m
v
m
=
V
α
i
⋮
w
m
=
α
m
1
v
1
+
⋯
+
α
m
m
v
m
=
V
α
m
W
=
(
w
1
,
⋯
,
w
m
)
=
(
V
α
1
,
⋯
,
V
α
m
)
=
V
(
α
1
,
⋯
,
α
m
)
=
V
A
\mathbf{w_1} = \alpha_{11}\mathbf{v_1} + \cdots + \alpha_{1m}\mathbf{v_m} = V\mathbf{\alpha_{1}} \\ \vdots \\ \mathbf{w_i} = \alpha_{i1}\mathbf{v_1} + \cdots + \alpha_{im}\mathbf{v_m} = V\mathbf{\alpha_{i}} \\ \vdots \\ \mathbf{w_m} = \alpha_{m1}\mathbf{v_1} + \cdots + \alpha_{mm}\mathbf{v_m} = V\mathbf{\alpha_{m}}\\ W = (\mathbf{w_1},\cdots,\mathbf{w_m})=(V\mathbf{\alpha_{1}},\cdots,V\mathbf{\alpha_{m}})=V(\mathbf{\alpha_{1}},\cdots,\mathbf{\alpha_{m}})=V\Alpha
w1=α11v1+⋯+α1mvm=Vα1⋮wi=αi1v1+⋯+αimvm=Vαi⋮wm=αm1v1+⋯+αmmvm=VαmW=(w1,⋯,wm)=(Vα1,⋯,Vαm)=V(α1,⋯,αm)=VA
向量
w
i
\mathbf{w_i}
wi 表示系数组为
α
i
=
(
α
i
1
,
⋯
,
α
i
m
)
\mathbf{\alpha_{i}} = (\alpha_{i1},\cdots,\alpha_{im})
αi=(αi1,⋯,αim) ,为了使公式看起来简洁,采用了简记符号。
同理,基
V
V
V 中的每个向量都能被基
W
W
W 唯一表示,同样可得,
V
=
(
v
1
,
⋯
,
v
m
)
=
(
W
α
1
′
,
⋯
,
W
α
m
′
)
=
W
(
α
1
′
,
⋯
,
α
m
′
)
=
W
A
′
V = (\mathbf{v_1},\cdots,\mathbf{v_m})=(W\mathbf{\alpha_{1}'},\cdots,W\mathbf{\alpha_{m}'})=W(\mathbf{\alpha_{1}'},\cdots,\mathbf{\alpha_{m}'})=W\Alpha'
V=(v1,⋯,vm)=(Wα1′,⋯,Wαm′)=W(α1′,⋯,αm′)=WA′
即两个基可互相表示,将此概念推广到任意两个向量组,定义向量组等价概念!
定义 两个向量组可互相表示 向量组1的任一向量可由向量组2线性表示,向量组2的任一向量可由向量组1线性表示。
定义 两个向量组等价 两个向量组可互相表示。
重要性质 m m m 维空间中任意基互相等价。
注意向量组等价,不一定要求向量组包含相同数目的向量。比如向基中增加任意数目的任意向量后,新的向量组能表示空间中任意向量,所以它和任意基等价。
向量组等价,不一定要求向量组包含基。比如无关组,向无关组中增加任意数目的能由无关组表示的向量后,新的向量组和原无关组等价。
两个无关组也可以等价,比如三维空间中向量组 ( ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) ) ((1,0,0),(0,1,0)) ((1,0,0),(0,1,0)) 和向量组 ( ( 1 , 2 , 0 ) , ( 1 , 1 , 0 ) ) ((1,2,0),(1,1,0)) ((1,2,0),(1,1,0)) 等价。
重要性质 m m m 维空间中两个无关组等价时,其包含的向量数量必须相等。
无关组中任一向量不能表示为其他向量的线性组合,每个向量都是独立的,向量数量不同的无关组能表示的"向量总数"是不同的,所以不可能等价。等价关系是对向量组的整体评价,不能局限于单个向量。线性空间章节对此有深入探讨。
最简基:标准正交基
任意 m m m 个线性无关的向量都是基,那什么基最好,如何衡量基的好坏?猜测最好的基就是坐标系,为什么呢?需要进行理论提升,并推广到 m m m 维空间。
令
m
m
m 维空间中基向量为
V
=
(
v
1
,
⋯
,
v
m
)
V = (\mathbf{v_1},\cdots,\mathbf{v_m})
V=(v1,⋯,vm) ,对任意向量
y
\mathbf{y}
y ,根据基的性质,有唯一表示,
y
=
α
1
v
1
+
⋯
+
α
m
v
m
\mathbf{y} = \alpha_1\mathbf{v_1}+\cdots+\alpha_m\mathbf{v_m}
y=α1v1+⋯+αmvm
如何求出表示系数组 ( α 1 , ⋯ , α m ) (\alpha_1,\cdots,\alpha_m) (α1,⋯,αm) 呢?一般来说当基是任意的,是比较困难的,但当基向量互相解耦时,很容易求出。解耦就是向量之间没有耦合在一起,可以独立处理每个向量,这个概念十分重要。
几何学大量研究对象互相垂直,有线与线、线与面和面与面的垂直。为什么垂直如此重要?一个是人类与地面垂直,树木与地面垂直,天天接触到垂直现象,当然要重点研究。二是数学上,两个对象垂直,则内积为0,0是最特殊的数,万数从零中孕育,与0结合后(相乘)又归于0!
0乘以任意数为0,这是对象能解耦的数学基础。上式两边与任意基向量
v
i
\mathbf{v_i}
vi 求内积,
(
v
i
,
y
)
=
(
v
i
,
α
1
v
1
+
⋯
+
α
m
v
m
)
=
α
1
(
v
i
,
v
1
)
+
⋯
+
α
m
(
v
i
,
v
m
)
(\mathbf{v_i},\mathbf{y}) = (\mathbf{v_i},\alpha_1\mathbf{v_1}+\cdots+\alpha_m\mathbf{v_m}) =\alpha_1(\mathbf{v_i},\mathbf{v_1})+\cdots+\alpha_m(\mathbf{v_i},\mathbf{v_m})
(vi,y)=(vi,α1v1+⋯+αmvm)=α1(vi,v1)+⋯+αm(vi,vm)
当任意不同基向量的内积
(
v
i
,
v
j
)
(\mathbf{v_i},\mathbf{v_j})
(vi,vj) 都为0时,等式右边各个基向量就解耦了,只剩下一项内积--自身内积。
(
v
i
,
y
)
=
α
i
(
v
i
,
v
i
)
α
i
=
(
v
i
,
y
)
/
(
v
i
,
v
i
)
=
(
v
i
,
y
)
/
∥
v
i
∥
2
(\mathbf{v_i},\mathbf{y}) = \alpha_i(\mathbf{v_i},\mathbf{v_i}) \\ \alpha_i = (\mathbf{v_i},\mathbf{y}) /(\mathbf{v_i},\mathbf{v_i}) = (\mathbf{v_i},\mathbf{y}) /\|\mathbf{v_i}\|^2
(vi,y)=αi(vi,vi)αi=(vi,y)/(vi,vi)=(vi,y)/∥vi∥2
表示系数只与自身向量有关,解耦!
定义 正交基 任意两个基向量垂直,也称基向量两两垂直或互相垂直。
二维空间中任意互相垂直的两个向量是正交基;三维空间中任意互相垂直的三个向量是正交基。
定义 标准正交基 正交基中每个基向量是单位向量时,即 ∥ v i ∥ = 1 \|\mathbf{v_i}\|=1 ∥vi∥=1 。
此时,表示系数为
α
i
=
(
v
i
,
y
)
\alpha_i = (\mathbf{v_i},\mathbf{y})
αi=(vi,y) 。根据内积的几何意义,表示系数为表示向量与基向量的投影,所以最容易算出表示系数的基就是最好基--标准正交基。
此时表示向量为
y
=
(
v
1
,
y
)
v
1
+
⋯
+
(
v
m
,
y
)
v
m
\mathbf{y} = (\mathbf{v_1},\mathbf{y})\mathbf{v_1}+\cdots+(\mathbf{v_m},\mathbf{y})\mathbf{v_m}
y=(v1,y)v1+⋯+(vm,y)vm
这就是矢量的正交分解!
根据内积计算公式,计算内积需要计算 m m m 个分量的乘积,当基向量有很多0分量时,称向量稀疏,计算速度更快。最稀疏的基向量只有一个非零分量。例如 m m m 维空间中向量组 E = ( e i = ( 0 , ⋯ , 1 , ⋯ , 0 ) , i ∈ [ 1 , m ] ) {E}=(\mathbf{e_i}=(0,\cdots,1,\cdots,0),\quad i \in [1,m]) E=(ei=(0,⋯,1,⋯,0),i∈[1,m]) , m m m 维向量 e i \mathbf{e_i} ei 有 m m m 个分量,只有第 i i i 个分量为1,其他分量均为0,是最稀疏的标准正交基。当非零分量不为1时,是最稀疏的正交基。
如果基中向量不互相垂直,可以通过操作使之互相垂直。很可惜不是所有基都能变换成最稀疏的正交基,部分基可以。
基张成整个空间
m m m 维空间是向量的集合,该集合包括空间中任意向量。怎么用数学工具定量描述这个集合呢?因为空间中向量是不可数的(和自然数集找不到一一对应的关系),所以一一列出来是不可能的(整数和有理数都可一一列出来,实数不可一一列出来)。基的线性组合可以表示空间中任意向量,这为描述 m m m 维空间提供了技术手段。
m m m 维空间中任意基 V = ( v 1 , ⋯ , v m ) V=(\mathbf{v_1},\cdots,\mathbf{v_m}) V=(v1,⋯,vm) ,基 V V V 的线性组合能表示空间中任意向量,所以基的线性组合能表示的向量集合就是 m m m 维空间!记为 S ( V ) S(V) S(V) ,空间 S S S 称为由基 V V V 张成,基 V V V 称为空间 S S S 的生成基。
令
m
m
m 维空间中基向量为
V
=
(
v
1
,
⋯
,
v
m
)
V = (\mathbf{v_1},\cdots,\mathbf{v_m})
V=(v1,⋯,vm) ,其线性组合表示的向量集合为
S
(
V
)
=
{
α
1
v
1
+
⋯
+
α
m
v
m
:
α
i
∈
R
,
∀
i
=
[
1
,
m
]
S(V)=\{\alpha_1\mathbf{v_1}+\cdots+\alpha_m\mathbf{v_m} : \alpha_i \in R\ ,\forall i = [1,m]
S(V)={α1v1+⋯+αmvm:αi∈R ,∀i=[1,m]
表示系数为任意实数,向量集合为整个空间。可以从多元函数角度观察基的线性组合,表示系数组为 m m m 元自变量,定义域为 R m R^m Rm 空间,输出为 R m R^m Rm 空间向量。自变量取完定义域中所有值,输出得到空间所有向量。函数是一一映射,因为基能唯一表示空间的任意向量,所以空间的任意向量只有唯一表示。
举例如下,二维空间中,假设有2个基,分别为: V 1 = ( ( 1 , 0 ) , ( 0 , 1 ) ) V_1 = ((1,0),(0,1)) V1=((1,0),(0,1)) , V 2 = ( ( 1 , 1 ) , ( 0 , 1 ) ) V_2 = ((1,1),(0,1)) V2=((1,1),(0,1)) 。张成空间分别为: S ( V 1 ) = ( α ( 1 , 0 ) + β ( 0 , 1 ) = ( α , β ) ) S(V_1) = (\alpha(1,0)+\beta(0,1)=(\alpha,\beta)) S(V1)=(α(1,0)+β(0,1)=(α,β)) , S ( V 2 ) = ( α , α + β ) S(V_2) = (\alpha,\alpha+\beta) S(V2)=(α,α+β) ,张成空间 S ( V 1 ) S(V_1) S(V1) 和 S ( V 2 ) S(V_2) S(V2) 虽然生成基不同,但是它们都是整个二维空间。
从生成空间都是同一空间,即整个 m m m 维空间的角度看,任意基是等价!