（邱维声）高等代数课程笔记：线性空间的子空间

3.2 线性空间的子空间

例 1： 几何空间 = { 空间中所有以原点 O 为起点的向量 } \text{几何空间} = \{空间中所有以原点 O 为起点的向量\} 几何空间={空间中所有以原点O为起点的向量}

定义 1. 子空间：设 $V$ 是数域 $K$ 上的一个 线性空间，$U$ 是 $V$ 的一个 非空子集，若 $U$ 对于 $V$ 的加法、数量乘法也成为数域 $K$ 上的一个线性空间，则称 $U$ 是 $V$ 的一个 线性子空间，简称 子空间。

说明：

（1）由定义 1 可验证：在几何空间中，

• 过原点的一个平面是几何空间的一个子空间；
• 过原点的一条直线是几何空间的一个子空间；
• 不过原点的平面不是是几何空间的一个子空间；
• 不过原点的直线不是几何空间的一个子空间。

（2）设 $V$ 是数域 $K$ 上的一个线性空间，$U$ 是 $V$ 的一个子空间，则显然 $U$ 本身也是 $K$ 上的一个线性空间，自然满足线性空间的 $8$ 条运算法则以及相关的一些性质。

思考：对于线性空间 $V$ 的任意一个非空子集 $U$，如何判断它是否是 $V$ 的一个子空间？

定理 1 子空间的判别：设 $V$ 是数域 $K$ 上的一个线性空间，$U$ 是 $V$ 的一个非空子集。则：$U$ 是 $V$ 的子空间，当且仅当 $U$ 对于 $V$ 的加法和数量乘法封闭，即：

• $\forall \mathbf{\alpha },\mathbf{\beta }\in V$，$\mathbf{\alpha }+\mathbf{\beta }\in U$；
• $\forall \mathbf{\alpha },k\in K$，$k\cdot \mathbf{\alpha }\in U$。

证明：
（1）必要性：设 $V$ 是数域 $K$ 上的一个线性空间，$U$ 是 $V$ 的一个子空间。则 $V$ 的加法、数量乘法 限制到 $U$ 上后，分别是 $U$ 的加法及数量乘法，因此由线性空间的定义，有：
$$\forall \mathbf{\alpha },\mathbf{\beta }\in U⟹\mathbf{\alpha }+\mathbf{\beta }\in U;\forall \mathbf{\alpha },k\in K⟹k\cdot \mathbf{\alpha }\in U.$$
（2）充分性：设 $V$ 是数域 $K$ 上的一个线性空间，$V$ 的非空子集 $U$ 对于 $V$ 的加法和数量乘法封闭。则 $V$ 的加法、数量乘法 限制到 $U$ 上后，分别是 $U$ 的加法及数量乘法。
显然，在 $U$ 中，线性空间的运算法则 $1,2,5,6,7,8$ 都是满足的，那么要想证明 $U$ 是 $V$ 的子空间，只需验证：$U$ 满足线性空间的运算法则 $3,4$。
由于 $U$ 非空，因此 $U$ 中至少存在元素 $\beta$，则由 数量乘法的封闭性，有：

$$0\cdot \mathbf{\beta }=0\in U,$$

因此，$U$ 中有零元，满足运算法则 3。
对于 $\forall \mathbf{\alpha }\in U$，由 数量乘法的封闭性，有：

$$(-1)\cdot \mathbf{\alpha }=(-\mathbf{\alpha })\in U,$$

因此， $U$ 中的任意元素都存在负元，即满足运算法则 4。
综上，$U$ 是 $V$ 的一个线性子空间。

证毕

说明：
（1）如此一来，判断线性空间 $V$ 的子集 $U$ 是否为其子空间，仅需考虑：

• $U$ 是否非空？
• $U$ 是否对 $V$ 的加法封闭？
• $U$ 是否对 $V$ 的数量乘法封闭？
  而不用严格地按照线性空间定义中的 $8$ 条运算法则进行逐一验证，这大大简化了证明步骤！

例 2： { 0 } \{\boldsymbol 0\} {0}、$V$ 都是 $V$ 的子空间，称为 $V$ 的 平凡子空间。

下面，探讨这样一个问题：给出线性空间 $V$ 的一个向量组 ${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s$，如何构造出一个包含该向量组的 最小的子空间？

定义 2. 线性组合：设 $V$ 是数域 $K$ 上的一个线性空间，${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s\in V$，$k_1,k_2,\cdots ,k_s\in K$，则称
$$k_1{\mathbf{\alpha }}_1+k_2{\mathbf{\alpha }}_1+\cdots +k_s{\mathbf{\alpha }}_s$$
为向量组 ${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s$ 的一个 线性组合。
现在，按照如下方式，定义一个集合 $W$：
W : = { k 1 α 1 + k 2 α 1 + ⋯ + k s α s ∣ α i ∈ V , k i ∈ K , 1 ≤ i ≤ s } W:=\{k_1 \boldsymbol \alpha_{1} + k_2 \boldsymbol \alpha_{1} + \cdots + k_s \boldsymbol \alpha_{s} \mid \boldsymbol{\alpha}_{i} \in V,k_{i} \in K,1 \le i \le s\} W:={k1​α1​+k2​α1​+⋯+ks​αs​∣αi​∈V,ki​∈K,1≤i≤s}
显然：

• $0=0\cdot {\mathbf{\alpha }}_1+0\cdot {\mathbf{\alpha }}_1+\cdots +0\cdot {\mathbf{\alpha }}_s\in W$，因此 $W$ 非空，且有零元；
• $W$ 对于 $V$ 的加法、数量乘法封闭，

由定理 1，$W$ 是 $V$ 的一个子空间。

定义 3. 生成子空间：设 $V$ 是数域 $K$ 上的一个线性空间，${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s\in V$，$k_1,k_2,\cdots ,k_s\in K$，则称
W : = { k 1 α 1 + k 2 α 1 + ⋯ + k s α s ∣ α i ∈ V , k i ∈ K , 1 ≤ i ≤ s } W:=\{k_1 \boldsymbol \alpha_{1} + k_2 \boldsymbol \alpha_{1} + \cdots + k_s \boldsymbol \alpha_{s} \mid \boldsymbol{\alpha}_{i} \in V,k_{i} \in K,1 \le i \le s\} W:={k1​α1​+k2​α1​+⋯+ks​αs​∣αi​∈V,ki​∈K,1≤i≤s}
为由向量组 ${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s$ 生成（张成）的线性子空间，记作：
$$L({\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s)\text{或}<{\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s>$$

说明：

（1）显然，

$$\begin{gathered} \mathbf{\beta }\in <{\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s> \\ ⟺ \\ 存在K中的一组数k_1,k_2,\cdots ,k_s,使得：\mathbf{\beta }=k_1{\mathbf{\alpha }}_1+k_2{\mathbf{\alpha }}_1+\cdots +k_s{\mathbf{\alpha }}_s \end{gathered}$$

定义 4. 线性表出：设 $V$ 是数域 $K$ 上的一个线性空间，$\mathbf{\beta },{\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s\in V$，若存在数域 $K$ 中的一组数 $k_1,k_2,\cdots ,k_s,$ 使得：

$$\mathbf{\beta }=k_1{\mathbf{\alpha }}_1+k_2{\mathbf{\alpha }}_1+\cdots +k_s{\mathbf{\alpha }}_s$$

则称 向量 $\mathbf{\beta }$ 可以由 向量组 ${\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s$ 线性表出 或 线性表示。

说明：

（1）因此，

$$\begin{gathered} \mathbf{\beta }\in <{\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s> \\ \Updownarrow \\ \mathbf{\beta }可由向量组{\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s线性表出 \end{gathered}$$

牛刀小试：

现在，回顾本章起初提出的大问题：

对于数域 $K$ 上的 $n$ 元线性方程组，如何直接从方程组的系数、常数项出发，判断方程组是否有解，若有解，有多少解？

解：

设数域 $K$ 上的 $n$ 元线性方程组：

$$\{\begin{array}{ll}& a_{11}{x}_1+a_{12}{x}_2+\cdots +a_{1n}{x}_n=b_1\\ & a_{21}{x}_1+a_{22}{x}_2+\cdots +a_{2n}{x}_n=b_2\\ & \cdots \\ & a_{s1}{x}_1+a_{s2}{x}_2+\cdots +a_{sn}{x}_n=b_s\end{array}⟺x_1{\mathbf{\alpha }}_1+x_2{\mathbf{\alpha }}_2+\cdots +x_n{\mathbf{\alpha }}_n=\mathbf{\beta }$$

其中，

$${\mathbf{\alpha }}_1=\left(\begin{array}{c}{a}_{11}\\ a_{21}\\ \cdots \\ a_{s1}\end{array}\right),{\mathbf{\alpha }}_2=\left(\begin{array}{c}{a}_{12}\\ a_{22}\\ \cdots \\ a_{s2}\end{array}\right),\cdots ,{\mathbf{\alpha }}_n=\left(\begin{array}{c}{a}_{1n}\\ a_{2n}\\ \cdots \\ a_{sn}\end{array}\right)$$

于是，

$$\begin{gathered} x_1{\mathbf{\alpha }}_1+x_2{\mathbf{\alpha }}_2+\cdots +x_n{\mathbf{\alpha }}_n=\mathbf{\beta }有解 \\ \Updownarrow \\ 存在K中的一组数k_1,k_2,\cdots ,k_s,使得：\mathbf{\beta }=k_1{\mathbf{\alpha }}_1+k_2{\mathbf{\alpha }}_1+\cdots +k_s{\mathbf{\alpha }}_s \\ \Updownarrow \\ \mathbf{\beta }可由向量组{\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s线性表出 \\ \Updownarrow \\ \mathbf{\beta }\in <{\mathbf{\alpha }}_1,{\mathbf{\alpha }}_1,\cdots ,{\mathbf{\alpha }}_s> \end{gathered}$$

证毕

说明：

（1）在牛刀小试中，我们得到了大问题的部分结论，即：线性方程组有解的充分必要条件；

（2）重大创新：开辟了一条直接从方程组的系数和常数项出发，判断方程组是否有解的新途
径！

（3）下一步的任务是：研究线性空间及其子空间的结构。

---

参考：

1. 邱维声. 高等代数课程. 哔哩哔哩.
2. 邱维声. 高等代数——大学高等代数课程创新教材（上册），北京：清华大学出版社，2010.06.
3. 邱维声. 高等代数——大学高等代数课程创新教材（下册），北京：清华大学出版社，2010.10.