基 (線性代數)

在R²中标准基的图示。红蓝向量是这个基的元素。

Template:Linear algebra 在线性代数中，基（Template:Lang-en）是向量空间裡某一群特殊的向量（称为基向量），使得向量空间中的任意向量，都可以唯一地表示成基向量的线性组合（或線性組合的極限）。

通过基底可以直接地描述向量空间 $\mathrm{V}$ 上定义的线性映射 $f$ ，詳請參見线性映射#矩陣一節。

定义

Hamel基

上面的第二個條件，也可以等價地改寫為以下兩條：

线性无关(linear independence)	對任意相異的$e_1,e_2,\dots ,e_n\in 𝔅$ 和任意的 ${\lambda }_1,{\lambda }_2,\dots ,{\lambda }_n\in K$，若 ${\lambda }_1\cdot e_1+{\lambda }_2\cdot e_2+\cdots +{\lambda }_n\cdot e_n=0_V$，则${\lambda }_1={\lambda }_2=\dots ={\lambda }_n=0_K$
生成律(spanning property)	对任意$v\in \mathrm{V}$，存在相異向量 $e_1,e_2,\dots ,e_n\in 𝔅$和标量 ${\lambda }_1,{\lambda }_2,\dots ,{\lambda }_n\in K$ 使得 ${\lambda }_1{e}_1+{\lambda }_2{e}_2+\cdots +{\lambda }_n{e}_n=v$

等價性來自於線性無關：

若有第二組相異 $E_1,E_2,\dots ,E_m\in 𝔅$ 基向量和第二組标量 $c_1,c_2,\dots ,c_m\in K$ 也滿足 $c_1\cdot E_1+c_2\cdot E_2+\cdots +c_m\cdot E_m=v$ 的話，把這住兩組基向量合併，並重新排列，於兩組間重複的記為 $w_1,w_2,\dots ,w_l\in 𝔅$ ，其他不重複的部分，第一組的記為 $v_1,v_2,\dots ,v_{n-l}\in 𝔅$ ；而第二組的記為 $u_1,u_2,\dots ,u_{m-l}\in 𝔅$ ；然後設 $w_1,w_2,\dots ,w_l\in 𝔅$ 於原來第一組對應的标量係數是 ${\alpha }_1,{\alpha }_2,\dots ,{\alpha }_l\in K$ ；原第二組則是對應 $a_1,a_2,\dots ,a_l\in K$ 。另外 $v_1,v_2,\dots ,v_{n-l}\in 𝔅$ 對應的标量係數則為 ${\beta }_1,{\beta }_2,\dots ,{\beta }_{n-l}\in K$ ；$u_1,u_2,\dots ,u_{m-l}\in 𝔅$ 對應的标量係數則為 $b_1,b_2,\dots ,b_{m-l}\in K$ ； 這樣把 $v\in \mathrm{V}$ 的第一組線性組合表達式減去第二組會有

$\sum _{i=1}^l({\alpha }_i-a_i)\cdot w_i+\sum _{j=1}^{n-l}{\beta }_j\cdot v_j+\sum _{k=1}^{m-l}(-b_k)\cdot u_k=0_V$

這樣依據線性無關，就有

${\alpha }_1-a_1={\alpha }_2-a_2=\cdots ={\alpha }_l-a_l=0_K$

${\beta }_1={\beta }_2=\cdots ={\beta }_{n-l}=0_K$

$b_1=b_2=\cdots =b_{m-l}=0_K$

這就確保任意 $v\in \mathrm{V}$ 的線性組合表達式都是用同一組的基向量，且其标量係數也是唯一的。

Schauder基

除了上小節單以線性組合定義的Hamel基，也有以無窮級數展開任意向量為動機來定義基：

第二項條件通常會簡寫為

對每個 $v\in \mathrm{V}$ ，都存在唯一組标量${\{{\lambda }_i\in K\}}_{i\in \mathbb{N}}$，使 $v=\underset{n\to \mathrm{\infty }}{\lim }\sum _{i=0}^n{\lambda }_i\cdot e_i$

甚至寫為

$v=\sum _{i=0}^{\mathrm{\infty }}{\lambda }_i\cdot e_i$

例子

在傅立叶级数的研究中，函数$\{1\}\cup \{\sin (nx),\cos (nx)|n\in \mathbb{N}\}$是所有的在区间[0, 2π]上为平方可积分的（实数或复数值）的函数的（实数或复数）向量空间的“正交基”，这种函数$f(x)$满足

$\underset{0}{\overset{2\pi }{\int }}{|f(x)|}^{2}dx<\mathrm{\infty }.$

函数族$\{1\}\cup \{\sin (nx),\cos (nx)|n\in \mathbb{N}\}$是线性无关的，所有在[0, 2π]上平方可积分的函数是它们的“无限线性组合”，在如下意义上

$\underset{n\to \mathrm{\infty }}{\lim }\underset{0}{\overset{2\pi }{\int }}|a_0+\sum _{k=1}^n(a_k\cos (kx)+b_k\sin (kx))-f(x){|}^{2}dx=0$

对于适合的（实数或复数）系数a_k, b_k。但是多数平方可积分函数不能表达为这些基函数的有限线性组合，因为它们不构成Hamel基。这个空间的所有Hamel基都大于这个函数的只可数无限集合。此类空间的Hamel基没有什么价值，而这些空间的正交基是傅立叶分析的根本。

維度

如果基中元素个数有限，就称向量空间为有限维向量空间，並将元素的个数称作向量空间的维度。如果原本的基底為：

$𝔅=\{e_1,e_2,\dots ,e_N\}$

那時也可依據元素個數的數數是以一對一對應來定義的本質，反過來用基向量序列 ${\{e_i\in V\}}_{i=1}^N$ 來間接代表$𝔅$。

事实上，不是所有空间都拥有由有限个元素构成的基底。这样的空间称为无限维空间。某些无限维空间上可以定义由无限个元素构成的基。在现代集合论中，如果承认选择公理，就可以证明任何向量空间都拥有一组基。一个向量空间的基不止一组，但同一个空间的两组不同的基，它们的元素个数或势（当元素个数是无限的时候）会是相等的。一组基里面的任意一部分向量都是线性无关的；反之，如果向量空间拥有一组基，那么在向量空间中取一组线性无关的向量，一定能得到一组基。特别地，在内积向量空间中，可以定义正交的概念。通过特别的方法，可以将任意的一组基变换成正交基乃至标准正交基。

性质

设$𝔅$是向量空间$\mathrm{V}$的子集。则$𝔅$是基，当且仅当满足了下列任一条件：

• $\mathrm{V}$是$𝔅$的极小生成集，就是说只有$𝔅$能生成$\mathrm{V}$，而它的任何真子集都不能生成全部的向量空间。
• $𝔅$是$\mathrm{V}$中线性无关向量的极大集合，就是说$𝔅$在$\mathrm{V}$中是线性无关(線性獨立)集合，而且$\mathrm{V}$中没有其他线性无关(線性獨立)集合包含它作为真子集。
• $\mathrm{V}$中所有的向量都可以按唯一的方式表达为$𝔅$中向量的线性组合。如果基是有序的，则在这个线性组合中的系数提供了这个向量关于这个基的坐标。

如果承认良序定理或任何选择公理的等价物，那么作为推论，可以证明任何的向量空间都拥有一组基。（证明：良序排序这个向量空间的元素。建立不线性依赖于前面元素的所有元素的子集。它就是基）。反过来也是真的。一个向量空间的所有基都拥有同样的势（元素个数），叫做这个向量空间的维度。这个结果叫做维度定理，它要求系统承认严格弱形式的选择公理即超滤子引理。

例子

• 考虑所有坐标 (a, b)的向量空间R²，这里的a和b都是实数。则非常自然和简单的基就是向量e₁ = (1,0)和e₂ = (0,1):假设v = (a, b)是R²中的向量，则v = a (1,0) + b(0,1)。而任何两个线性无关向量如 (1,1)和(−1,2)，也形成R²的一个基。

• 更一般的说，给定自然数n。n个线性无关的向量e₁, e₂, ..., e_n可以在实数域上生成Rⁿ。因此，它们也是的一个基而Rⁿ的维度是n。这个基叫做Rⁿ的标准基。

• 设V是由函数e^t和e^2t生成的实数向量空间。这两个函数是线性无关的，所有它们形成了V的基。

• 设R[x]指示所有实数多项式的向量空间；则 (1, x, x², ...)是R[x]的基。R[x]的维度的势因此等于${\mathrm{\aleph }}_0$.

标准基

在行向量空间${ℝ}^n$中有单位行向量

$E_{(1)}=(1,0,...,0),E_{(2)}=(0,1,...,0),...,E_{(n)}=(0,0,...,1)$

那么在该空间中，任意向量$X=(x_1,x_2,...,x_n)$,都可以唯一表示成$X=x_1{E}_{(1)}+x_2{E}_{(2)}+...+x_n{E}_{(n)}$.然后我们可以看出，${ℝ}^n$可以由它的向量子空间构成

${ℝ}^n$$=<E_{(1)},E_{(2)},...,E_{(n)}>$.

同样的，单位列向量就可以表达为${ℝ}^n$$=[E_{(1)},E_{(2)},...,E_{(n)}]$.

线性无关的单位行向量$E_{(1)},E_{(2)},...,E_{(n)}$生成${ℝ}^n$. 那么$E_{(1)},E_{(2)},...,E_{(n)}$是${ℝ}^n$的基，称这个基为标准基.

基的扩张

如上所述，一个向量空间的每一组基都是一个极大的线性无关集合，同时也是极小的生成集合。可以证明，如果向量空间拥有一组基，那么每个线性无关的子集都可以扩张成一组基（也称为基的扩充定理），每个能够生成整个空间的子集也必然包含一组基。特别地，在任何线性无关集合和任何生成集合之间有一组基。以数学语言来说：如果$𝔏$是在向量空间$\mathrm{V}$中的一个线性无关集合而集合$𝔊$是一个包含$𝔏$而且能够生成$\mathrm{V}$的集合，则存在$\mathrm{V}$的一组基$𝔅$，它包含了$𝔏$而且是$𝔊$的子集：$𝔏\subseteq 𝔅\subseteq 𝔊$。

以上两个结论可以帮助证明一个集合是否是给定向量空间的基。如果不知道某个向量空间的维度，证明一个集合是它的基需要证明这个集合不仅是线性无关的，而且能够生成整个空间。如果已知这个向量空间的维度（有限维），那么这个集合的元素个数必须等于维数，才可能是它的基。在两者相等时，只需要证明这个集合线性无关，或这个集合能够生成整个空间这两者之一就够了。这是因为线性无关的子集必然能扩充成基；而这个集合的元素个数已经等于基的元素个数，需要添加的元素是0个。这说明原集合就是一组基。同理，能够生成整个空间的集合必然包含一组基作为子集；但假如这个子集是真子集，那么元素个数必须少于原集合的元素个数。然而原集合的元素个数等于维数，也就是基的元素个数，这是矛盾的。这说明原集合就是一组基。

有序基和坐标

基底是作为向量空间的子集定义的，其中的元素并不按照顺序排列。为了更方便相关的讨论，通常会将基向量进行排列。比如说将：$𝔅=\{e_1,e_2,\cdots ,e_n\}$写成有序向量组：$(e_1,e_2,\cdots ,e_n)$。这样的有序向量组称为有序基。在有限维向量空间和可数维数的向量空间中，都可以自然地将基底表示成有序基。在有序基下，任意的向量都可以用确定的数组表示，称为向量的坐标。例如，在使用向量的坐标表示的时候习惯谈论“第一个”或“第二个”坐标，这只在指定了基的次序前提下有意义。在这个意义下，有序基可以看作是向量空间的坐标架。

设$\mathrm{V}$是在域$𝔽$上的n维向量空间。在$\mathrm{V}$上确定一个有序基等价于确定一个从坐标空间${𝔽}^n$到$\mathrm{V}$的一个选定线性同构$\varphi$。

证明：这个证明利用了${𝔽}^n$的标准基是有序基的事实。

首先假设

$\varphi :{𝔽}^n\to \mathrm{V}$是线性同构。可以定义$\mathrm{V}$的一组有序基$\{v_i{\}}_{1⩽i⩽n}$如下：

$v_i=\varphi (e_i),\mathrm{\forall }i,1⩽i⩽n.$

其中的$\{e_i{\}}_{1⩽i⩽n}$是${𝔽}^n$的标准基。

反过来说，给定一个有序基，考虑如下定义的映射

φ(x) = x₁v₁ + x₂v₂ + ... + x_nv_n,

这里的x = x₁e₁ + x₂e₂ + ... + x_ne_n是Fⁿ的一个元素。不难检查出φ是线性同构。

这两个构造明显互逆。所以V的有序基一一对应于线性同构Fⁿ → V。

确定自有序基{v_i}线性映射φ的逆映射为V装备了坐标：如果对于向量v ∈ V, φ^-1(v) = (a₁, a₂,...,a_n) ∈ Fⁿ，则a_j = a_j(v)的分量是v的坐标，在v = a₁(v) v₁ + a₂(v) v₂ + ... + a_n(v) v_n的意义上。

从向量v到分量a_j(v)的映射是从V到F的线性映射，因为φ^-1是线性的。所以它们是线性泛函。它们形成V的对偶空间的基，叫做对偶基。

参见

• 线性代数
• 线性组合

外部链接

• MIT Linear Algebra Lecture on Bases Template:Wayback at Google Video, from MIT OpenCourseWare