1.3 空间的基

空间的基

二维三维空间最重要的性质是， $m\le 3$ 维空间中存在 $m$ 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 $\mathbf{v}=(x,y)$ ，三维空间中任意向量表示为 $\mathbf{v}=(x,y,z)$ ，以此类推。

定义 $m$ 维向量 任意 $m$ 个有序实数构成的向量 $\mathbf{v}=(v_1,v_2,\cdots ,v_m)$ 。

定义 $m$ 维空间 所有 $m$ 维向量构成的集合 S = { v } S = \{\mathbf{v} \} S={v} ，记为 $R^m$ ，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 $m$ 维空间中向量组 $E=({\mathbf{e}}_{\mathbf{i}}=(0,\cdots ,1,\cdots ,0),i\in [1,m])$ ，$m$ 维向量 ${\mathbf{e}}_{\mathbf{i}}$ 有 $m$ 个分量，只有第 $i$ 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 $m$ 维空间任意向量均可唯一表示为
$$(v_1,v_2,\cdots ,v_m)=\sum _{i=1}^m{v}_i{\mathbf{e}}_{\mathbf{i}}$$
表示系数组是 $(v_1,v_2,\cdots ,v_m)$ ，是被表示向量本身！分量 $v_i$ 为坐标值，根据该性质，得到如下结论。

重要性质 $m$ 维空间中存在 $m$ 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 $m$ 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 $E^{\prime }=({{\mathbf{e}}_{\mathbf{i}}}^{\prime }={\lambda }_i{\mathbf{e}}_{\mathbf{i}},i=1,\cdots ,m)$ ，只要每个 ${\lambda }_i\ne 0$ ，就能表示任意向量。
$$(v_1,v_2,\cdots ,v_m)=\sum _{i=1}^m\frac{v_i}{{\lambda }_i}{{\mathbf{e}}_{\mathbf{i}}}^{\prime }$$
表示系数组是 $(v_1/{\lambda }_1,v_2/{\lambda }_2,\cdots ,v_m/{\lambda }_m)$ 。向量组 $E^{\prime }$ 中任意两个不同向量的内积为0（互相垂直），每个向量 ${{\mathbf{e}}_{\mathbf{i}}}^{\prime }$ 长度为 $|{\lambda }_i|$ 。向量组 $E^{\prime }$ 称为广义坐标系，每个向量 ${{\mathbf{e}}_{\mathbf{i}}}^{\prime }$ 称为广义坐标轴，对应系数 $v_i／{\lambda }_i$ 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 $\mathbf{v}=(1,1)$ 和 $\mathbf{w}=(2,1)$ ，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 $0$ 向量被基表示时，有唯一表示且表示系数组为全零 $(0,\cdots ,0)$ 。

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 $0$ 向量。

证唯一性，令基为向量组 $V=({\mathbf{v}}_1,\cdots ,{\mathbf{v}}_{\mathbf{n}})$ 。假如 $0$ 向量有非全0的线性组合表示，令表示系数组为 $({\lambda }_1,\cdots ,{\lambda }_n)$ ，满足
$$0＝{\lambda }_1{\mathbf{v}}_1+\cdots +{\lambda }_n{\mathbf{v}}_{\mathbf{n}}$$
对任意向量 $\mathbf{y}$ ，根据基的性质，一定有表示系数组，满足
$$\mathbf{y}={\alpha }_1{\mathbf{v}}_1+\cdots +{\alpha }_n{\mathbf{v}}_{\mathbf{n}}$$

$$\begin{gathered} \mathbf{y}=\mathbf{y}+k0={\alpha }_1{\mathbf{v}}_1+\cdots +{\alpha }_n{\mathbf{v}}_{\mathbf{n}} \\ +k({\lambda }_1{\mathbf{v}}_1+\cdots +{\lambda }_n{\mathbf{v}}_{\mathbf{n}}) \end{gathered}$$

$k$ 取任意实数，这说明任意向量 $\mathbf{y}$ 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 $V=({\mathbf{v}}_1,\cdots ,{\mathbf{v}}_{\mathbf{n}})$ 。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 ${\mathbf{v}}_{\mathbf{n}}$ 能表示为其他向量的线性组合，则存在表示系数组 $({\lambda }_1,\cdots ,{\lambda }_{n-1})$ ，满足
$${\mathbf{v}}_{\mathbf{n}}＝{\lambda }_1{\mathbf{v}}_1+\cdots +{\lambda }_{n-1}{\mathbf{v}}_{\mathbf{n}-1}$$
等式两边减去向量 ${\mathbf{v}}_{\mathbf{n}}$ ，得
$$0＝{\lambda }_1{\mathbf{v}}_1+\cdots +{\lambda }_{n-1}{\mathbf{v}}_{\mathbf{n}-1}-{\mathbf{v}}_{\mathbf{n}}$$
这说明 $0$ 向量的表示系数组为 $({\lambda }_1,\cdots ,{\lambda }_{n-1},-1)$ ，因为最后分量是－1，所以表示系数不是全0，这与 $0$ 向量有唯一表示且表示系数组为全零，矛盾！

是否存在 $n<m$ 个向量，其线性组合能唯一表示 $m$ 维空间中任意向量？

重要性质 $m$ 维向量有 $m$ 个分量，每个分量都是自由变量，而 $n$ 个向量的线性组合只有 $n$ 个自由变量，当 $n<m$ 时，必然存在不能被表示的向量，所以 $m$ 维空间中基的向量数量不能少于 $m$ 。

重要性质 $m$ 维空间中基的向量数量必是 $m$ ！

$0$ 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 $0$ 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 $m$ 维空间中无关组中向量数量最多只能是 $m$ 。

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 $V=({\mathbf{v}}_1,\cdots ,{\mathbf{v}}_{\mathbf{n}})$ ，假设向量 $\mathbf{y}$ 有两种表示，为
$$\begin{gathered} \mathbf{y}={\lambda }_1{\mathbf{v}}_1+\cdots +{\lambda }_n{\mathbf{v}}_{\mathbf{n}} \\ \mathbf{y}={\beta }_1{\mathbf{v}}_1+\cdots +{\beta }_n{\mathbf{v}}_{\mathbf{n}} \end{gathered}$$
两式相减，得
$$0=\mathbf{y}-\mathbf{y}=({\lambda }_1-{\beta }_1){\mathbf{v}}_1+\cdots +({\lambda }_n-{\beta }_n){\mathbf{v}}_{\mathbf{n}}$$
这表明 $0$ 向量的表示系数组为 $(({\lambda }_1-{\beta }_1),\cdots ,({\lambda }_n-{\beta }_n))$ ，不是全0，与 $0$ 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 $V$ ，则空间中必存在不能被 $V$ 表示的向量，将该向量加入 $V$ 得 $V_1$ ，则 $V_1$ 是无关组，如果 $V_1$ 是基，则结束。如果不是，则空间中必存在不能被 $V_1$ 表示的向量，将该向量加入 $V_1$ 得 $V_2$ ，则 $V_2$ 是无关组，如果 $V_2$ 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

$m$ 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 $V=({\mathbf{v}}_1,\cdots ,{\mathbf{v}}_{\mathbf{m}})$ ， $W=({\mathbf{w}}_1,\cdots ,{\mathbf{w}}_{\mathbf{m}})$ ，注意必须是 $m$ 个向量！

由于任意向量均能被基唯一表示，则基 $W$ 中的每个向量都能被基 $V$ 唯一表示！
$$\begin{gathered} {\mathbf{w}}_1={\alpha }_{11}{\mathbf{v}}_1+\cdots +{\alpha }_{1m}{\mathbf{v}}_{\mathbf{m}}=V{\alpha }_1 \\ ⋮ \\ {\mathbf{w}}_{\mathbf{i}}={\alpha }_{i1}{\mathbf{v}}_1+\cdots +{\alpha }_{im}{\mathbf{v}}_{\mathbf{m}}=V{\alpha }_{\mathbf{i}} \\ ⋮ \\ {\mathbf{w}}_{\mathbf{m}}={\alpha }_{m1}{\mathbf{v}}_1+\cdots +{\alpha }_{mm}{\mathbf{v}}_{\mathbf{m}}=V{\alpha }_{\mathbf{m}} \\ W=({\mathbf{w}}_1,\cdots ,{\mathbf{w}}_{\mathbf{m}})=(V{\alpha }_1,\cdots ,V{\alpha }_{\mathbf{m}})=V({\alpha }_1,\cdots ,{\alpha }_{\mathbf{m}})=V\mathrm{A} \end{gathered}$$
向量 ${\mathbf{w}}_{\mathbf{i}}$ 表示系数组为 ${\alpha }_{\mathbf{i}}=({\alpha }_{i1},\cdots ,{\alpha }_{im})$ ，为了使公式看起来简洁，采用了简记符号。

同理，基 $V$ 中的每个向量都能被基 $W$ 唯一表示，同样可得，
$$V=({\mathbf{v}}_1,\cdots ,{\mathbf{v}}_{\mathbf{m}})=(W{\alpha }_1^{\prime },\cdots ,W{\alpha }_{\mathbf{m}}^{\prime })=W({\alpha }_1^{\prime },\cdots ,{\alpha }_{\mathbf{m}}^{\prime })=W{\mathrm{A}}^{\prime }$$
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 $m$ 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 $((1,0,0),(0,1,0))$ 和向量组 $((1,2,0),(1,1,0))$ 等价。

重要性质 $m$ 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 $m$ 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 $m$ 维空间。

令 $m$ 维空间中基向量为 $V=({\mathbf{v}}_1,\cdots ,{\mathbf{v}}_{\mathbf{m}})$ ，对任意向量 $\mathbf{y}$ ，根据基的性质，有唯一表示，
$$\mathbf{y}={\alpha }_1{\mathbf{v}}_1+\cdots +{\alpha }_m{\mathbf{v}}_{\mathbf{m}}$$

如何求出表示系数组 $({\alpha }_1,\cdots ,{\alpha }_m)$ 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 ${\mathbf{v}}_{\mathbf{i}}$ 求内积，
$$({\mathbf{v}}_{\mathbf{i}},\mathbf{y})=({\mathbf{v}}_{\mathbf{i}},{\alpha }_1{\mathbf{v}}_1+\cdots +{\alpha }_m{\mathbf{v}}_{\mathbf{m}})={\alpha }_1({\mathbf{v}}_{\mathbf{i}},{\mathbf{v}}_1)+\cdots +{\alpha }_m({\mathbf{v}}_{\mathbf{i}},{\mathbf{v}}_{\mathbf{m}})$$

当任意不同基向量的内积 $({\mathbf{v}}_{\mathbf{i}},{\mathbf{v}}_{\mathbf{j}})$ 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。
$$\begin{gathered} ({\mathbf{v}}_{\mathbf{i}},\mathbf{y})={\alpha }_i({\mathbf{v}}_{\mathbf{i}},{\mathbf{v}}_{\mathbf{i}}) \\ {\alpha }_i=({\mathbf{v}}_{\mathbf{i}},\mathbf{y})/({\mathbf{v}}_{\mathbf{i}},{\mathbf{v}}_{\mathbf{i}})=({\mathbf{v}}_{\mathbf{i}},\mathbf{y})/\Vert {\mathbf{v}}_{\mathbf{i}}{\Vert }^2 \end{gathered}$$
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 $\Vert {\mathbf{v}}_{\mathbf{i}}\Vert =1$ 。

此时，表示系数为 ${\alpha }_i=({\mathbf{v}}_{\mathbf{i}},\mathbf{y})$ 。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

$$\mathbf{y}=({\mathbf{v}}_1,\mathbf{y}){\mathbf{v}}_1+\cdots +({\mathbf{v}}_{\mathbf{m}},\mathbf{y}){\mathbf{v}}_{\mathbf{m}}$$
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 $m$ 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 $m$ 维空间中向量组 $E=({\mathbf{e}}_{\mathbf{i}}=(0,\cdots ,1,\cdots ,0),i\in [1,m])$ ，$m$ 维向量 ${\mathbf{e}}_{\mathbf{i}}$ 有 $m$ 个分量，只有第 $i$ 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

$m$ 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 $m$ 维空间提供了技术手段。

$m$ 维空间中任意基 $V=({\mathbf{v}}_1,\cdots ,{\mathbf{v}}_{\mathbf{m}})$ ，基 $V$ 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 $m$ 维空间！记为 $S(V)$ ，空间 $S$ 称为由基 $V$ 张成，基 $V$ 称为空间 $S$ 的生成基。

令 $m$ 维空间中基向量为 $V=({\mathbf{v}}_1,\cdots ,{\mathbf{v}}_{\mathbf{m}})$ ，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)={α1​v1​+⋯+αm​vm​: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 $m$ 元自变量，定义域为 $R^m$ 空间，输出为 $R^m$ 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： $V_1=((1,0),(0,1))$ ， $V_2=((1,1),(0,1))$ 。张成空间分别为： $S(V_1)=(\alpha (1,0)+\beta (0,1)=(\alpha ,\beta ))$ ， $S(V_2)=(\alpha ,\alpha +\beta )$ ，张成空间 $S(V_1)$ 和 $S(V_2)$ 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 $m$ 维空间的角度看，任意基是等价！