向量空间的维数
向量空间的维数揭示了向量空间的规模与基的关系,并为分析线性无关性、生成性及矩阵的秩提供了理论基础。
1. 维数的定义与性质
对于一个有限维向量空间 V ,任何一组基都是线性无关且张成整个空间的向量组,其向量数量始终是相同的,这一数量就是向量空间的维数 (Dimension) ,记为 n 。维数是向量空间的一种固有性质,它反映了该空间中最大线性无关向量组的大小,且与具体的基的选择无关。因此,任何线性无关的向量组的向量数量都不能超过 n 。有如下定理:
定理 10
线性相关性定理
如果向量空间
V 的基为
B={b1,…,bn} ,那么
V 中任何包含超过
n 个向量的集合必定是线性相关的。
在 R2 空间中,维数是 2 ,任意超过 2 个向量必然线性相关。同理, R3 的维数的 3 ,超过 3 个向量也必然线性相关。
2. 基与维数的一致性
上文提到,向量空间的维数 n 是其固有性质,与选择的基无关。因此,对于同一向量空间,任何一组基的向量数量都必然是 n ,即所有基向量组都由 n 个线性无关且能够张成整个空间的向量组成。有如下定理:
定理 11
基的向量数量一致性
如果一个向量空间
V 的某一组基包含
n 个向量,那么
V 的任何其它基也都必须包含恰好
n 个向量。
如果一个非零向量空间 V 被一个有限集合 S 生成,根据生成集合定理,可以从 S 中选出一个线性无关的子集作为 V 的基。定理 11 保证了无论选取哪个基,其向量数量都等于 V 的维数 n ,从而确保了基的定义和维数的唯一性。
3. 有限维与无限维空间
向量空间的维数 n 可以是有限的,也可以是无限的。根据这个性质,向量空间可以分为有限维空间和无限维空间。具体的定义如下:
定义
有限维与无限维空间
如果一个向量空间
V 可以由一个有限集合生成,那么称
V 为
有限维空间;而
V 的维数(记作
dimV )是
V 的基中向量的数量。零向量空间
{0} 的维数定义为零。如果
V 不能由有限集合生成,则称
V 为
无限维空间。
在实际应用中,有限维空间更适合离散和可计算的问题,例如:机器学习中的特征向量空间;而无限维空间则能描述连续现象和复杂系统,例如:物理学中的波动方程。有限维空间的维数是该空间中最大线性无关向量集合(基底)的大小。基底是空间中所有向量的线性组合所依赖的最小集合。
无限维空间,例如傅里叶级数空间,包含所有
平方可积的周期函数,这些函数可以表示为无穷正弦和余弦函数的级数和。对于傅里叶级数展开,常见的基函数是:
B={cos(x),sin(x),cos(2x),sin(2x),cos(3x),sin(3x),…} 无限维空间
H 的维数
dimH=∞ 。
4. 子空间的维数分类
定理 12
子空间的维数与基扩展定理
设
H 是有限维向量空间
V 的一个子空间。在
H 中的任何线性无关集合,如果有必要,可以扩展为
H 的一个基。此外,
H 是有限维的,并且满足:
dimH≤dimV 定理 13
基定理
设
V 是一个
p−维向量空间,且
p≥1 。在
V 中,任何恰好包含
p 个元素的线性无关集合都是
V 的一个基。任何恰好包含
p 个个元素且生成
V 的集合也是
V 的一个基。
定义
秩与零维的定义
矩阵
A 的秩
(rank) 是其列空间的维数,矩阵
A 的零维
(nullity) 是其零空间的维数。
定理 14
秩定理
矩阵
A 的列空间维数和零空间维数满足如下关系式:
rank A+dim NulA=A的列数