Files
2026-10-04 11:44:56 +08:00

8.7 KiB
Raw Permalink Blame History

题型2:基、维数与坐标的计算

识别特征

  • 题目给出向量组 $\alpha_1, \ldots, \alpha_n$,问"是否构成基?维数?"
  • 题目给出基 \alpha_1, \ldots, \alpha_n 和向量 $\beta$,求 \beta 在该基下的坐标
  • 题目给出向量组,求极大线性无关组(部分基)
  • 关键词:"基"、"维数"、"坐标"、"极大无关组"

解题流程

flowchart TD
    A[识别:求基/维数/坐标] --> B{类型判断}
    B -->|判断是否构成基| C[线性无关 + 张成 V]
    B -->|求坐标| D[解线性方程组]
    B -->|求极大无关组| E[行阶梯化 + 非零行首]
    C --> F[公式: 行列式 ≠ 0 ⇔ 无关]
    C --> G[或: 化行阶梯看秩]
    D --> H[令 β = x₁α₁ + ... + xₙαₙ]
    D --> I[转化为 Ax = β 求解]
    E --> J[列向量 → 矩阵 A]
    E --> K[初等行变换 → 行阶梯]
    K --> L[非零行首对应极大无关组]

通法步骤

A. 判断 \alpha_1, \ldots, \alpha_n 是否构成 V 的基

Step 1:判断向量组是否线性无关。

  • 设有 k_1\alpha_1 + \cdots + k_n\alpha_n = \mathbf{0}
  • 转化为齐次方程组 A x = 0
  • 若 A x = 0 只有零解 → 线性无关
  • 若 A x = 0 有非零解 → 线性相关

Step 2:判断向量组是否张成 $V$。

  • 一般地,若 V 是 n 维线性空间,且 \alpha_1, \ldots, \alpha_n 线性无关,则必为基
  • 否则需要计算张成的子空间维数

Step 3:只有线性无关 + 张成 V 同时成立 → 才是 V 的基。

快捷判定(n 维空间 V 中 n 个向量):

  • 排成矩阵 A = (\alpha_1, \ldots, \alpha_n)
  • \det A \neq 0 → 线性无关 → 是基
  • \det A = 0 → 线性相关 → 不是基

B. 求 \beta 在基 \alpha_1, \ldots, \alpha_n 下的坐标

Step 1:设 $\beta = x_1 \alpha_1 + x_2 \alpha_2 + \cdots + x_n \alpha_n$(待定 $x_1, \ldots, x_n$)

Step 2:转化为方程组


(\alpha_1, \alpha_2, \ldots, \alpha_n) \begin{pmatrix} x_1 \\ x_2 \\ \vdots \\ x_n \end{pmatrix} = \beta

Step 3:令 $P = (\alpha_1, \alpha_2, \ldots, \alpha_n)$,解 $x = P^{-1} \beta$。

C. 求极大线性无关组

Step 1:将向量组排成矩阵 $A = (\alpha_1, \alpha_2, \ldots, \alpha_m)$(按列或按行均可,注意方向)。

Step 2:对 A 进行初等行变换,化为行阶梯形矩阵。

Step 3:行阶梯形矩阵的非零行的首非零元所在列,对应的原向量构成极大线性无关组。

⚠️ 关键:行变换只能用于列向量——若向量组是行向量,则先转置再行变换。

D. 求子空间 W 的基与维数

Step 1:将 W 的生成元写出 $\alpha_1, \alpha_2, \ldots, \alpha_m$。

Step 2:求 \alpha_1, \ldots, \alpha_m 的极大线性无关组。

Step 3:极大无关组即为 W 的基,个数即为 $\dim W$。

常见陷阱

  • 陷阱 1:混淆"行向量"与"列向量"——行变换只对列向量"保留线性关系"
  • 陷阱 2:求坐标时忘记解方程组,导致坐标错误
  • 陷阱 3:判断基时,只判断"线性无关",忽略张成 $V$
  • 陷阱 4:极大无关组是从原向量组中挑出的,不能"创造"新向量
  • 陷阱 5:求矩阵时把"列向量"误填入"行"

经典母题

母题 1:判断是否为基

题目:判断 \alpha_1 = (1, 2, 1)^T, \alpha_2 = (2, 3, 3)^T, \alpha_3 = (3, 7, 1)^T 是否构成 \mathbb{R}^3 的基。

解法:

方法一:行列式法


\det(\alpha_1, \alpha_2, \alpha_3) = \begin{vmatrix} 1 & 2 & 3 \\ 2 & 3 & 7 \\ 1 & 3 & 1 \end{vmatrix}

按第 1 行展开:


= 1 \cdot (3 - 21) - 2 \cdot (2 - 7) + 3 \cdot (6 - 3) = -18 + 10 + 9 = 1 \neq 0

→ 线性无关 → 3 个无关向量在 \mathbb{R}^3 中 → 构成 \mathbb{R}^3 的基。

方法二:行阶梯法


A = \begin{pmatrix} 1 & 2 & 3 \\ 2 & 3 & 7 \\ 1 & 3 & 1 \end{pmatrix} \xrightarrow{r_2 - 2r_1, r_3 - r_1} \begin{pmatrix} 1 & 2 & 3 \\ 0 & -1 & 1 \\ 0 & 1 & -2 \end{pmatrix} \xrightarrow{r_3 + r_2} \begin{pmatrix} 1 & 2 & 3 \\ 0 & -1 & 1 \\ 0 & 0 & -1 \end{pmatrix}

3 个主元 → 满秩 → 线性无关 → 构成基。

复盘:两种方法均可。行列式法更快(直接判断 $\det \neq 0$),行阶梯法更通用(适用于 $m \neq n$)。


母题 2:求向量在基下的坐标

题目:已知 \alpha_1 = (1, 1, 1)^T, \alpha_2 = (1, 1, 0)^T, \alpha_3 = (1, 0, 0)^T 是 \mathbb{R}^3 的基,求 \beta = (6, 5, 3)^T 在该基下的坐标。

解法:

设 $\beta = x_1 \alpha_1 + x_2 \alpha_2 + x_3 \alpha_3$,即


(6, 5, 3)^T = x_1 (1, 1, 1)^T + x_2 (1, 1, 0)^T + x_3 (1, 0, 0)^T

方程组:


\begin{cases} x_1 + x_2 + x_3 = 6 \\ x_1 + x_2 = 5 \\ x_1 = 3 \end{cases}

求解:

  • 由第 3 式:x_1 = 3
  • 代入第 2 式:x_2 = 5 - 3 = 2
  • 代入第 1 式:x_3 = 6 - 3 - 2 = 1

坐标:[\beta] = (3, 2, 1)^T

验证:3 \alpha_1 + 2 \alpha_2 + 1 \alpha_3 = 3(1,1,1)^T + 2(1,1,0)^T + (1,0,0)^T = (6, 5, 3)^T = \beta ✓

复盘:求坐标等价于解线性方程组——这是 Ch03 方程组的直接应用。


母题 3:求极大线性无关组

题目:求向量组 \alpha_1 = (1, 2, 3, 4)^T, \alpha_2 = (2, 3, 4, 5)^T, \alpha_3 = (3, 4, 5, 6)^T, \alpha_4 = (4, 5, 6, 7)^T 的极大线性无关组。

解法:

排成矩阵(列向量形式):


A = \begin{pmatrix} 1 & 2 & 3 & 4 \\ 2 & 3 & 4 & 5 \\ 3 & 4 & 5 & 6 \\ 4 & 5 & 6 & 7 \end{pmatrix}

初等行变换:


A \xrightarrow{r_i - r_1 \ (i \geq 2)} \begin{pmatrix} 1 & 2 & 3 & 4 \\ 0 & -1 & -2 & -3 \\ 0 & -2 & -4 & -6 \\ 0 & -3 & -6 & -9 \end{pmatrix}
\xrightarrow{r_3 + 2r_2, r_4 + 3r_2} \begin{pmatrix} 1 & 2 & 3 & 4 \\ 0 & -1 & -2 & -3 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{pmatrix}

非零行的首非零元在第 1、2 列 → 极大线性无关组为 ${\alpha_1, \alpha_2}$。

秩 = 非零行数 = 2。

复盘:极大无关组 = 行阶梯形主元列对应的原向量。本题 $\alpha_3 = \alpha_1 + \alpha_2$($3 = 1 + 2, 4 = 2 + 2, 5 = 3 + 2, 6 = 4 + 2$),$\alpha_4 = 2\alpha_1 + \alpha_2$。


母题 4:求子空间的基与维数

题目:$V = M_{2 \times 2}(\mathbb{R})$,$W = \left{ \begin{pmatrix} a & b \ c & d \end{pmatrix} \in V \mid a + d = 0 \right}$,求 W 的基与维数。

解法:

设 $A = \begin{pmatrix} a & b \ c & d \end{pmatrix} \in W$,则 $d = -a$,故


A = \begin{pmatrix} a & b \\ c & -a \end{pmatrix} = a \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} + b \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix} + c \begin{pmatrix} 0 & 0 \\ 1 & 0 \end{pmatrix}

基:


E_1 = \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix},\quad E_2 = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix},\quad E_3 = \begin{pmatrix} 0 & 0 \\ 1 & 0 \end{pmatrix}

维数:\dim W = 3

验证:E_1, E_2, E_3 确实两两无关(线性无关)+ 张成 W ✓

复盘:$\dim W = \dim V - 1 = 4 - 1 = 3$(一个线性约束方程)。


母题 5:抽象空间中的基与坐标

题目:$P[x]_2$(次数 \le 2 的多项式)中,$\alpha_1 = 1, \alpha_2 = 1 + x, \alpha_3 = 1 + x + x^2$。证明 \alpha_1, \alpha_2, \alpha_3 是 P[x]_2 的基,并求 p(x) = 2 + 3x + 5x^2 在该基下的坐标。

解法:

Step 1(证明是基):

设 $k_1 \alpha_1 + k_2 \alpha_2 + k_3 \alpha_3 = 0$(恒为 0 的多项式),即


k_1 + k_2(1 + x) + k_3(1 + x + x^2) = 0

(k_1 + k_2 + k_3) + (k_2 + k_3) x + k_3 x^2 = 0

多项式恒为 0 → 各系数为 0:


\begin{cases} k_1 + k_2 + k_3 = 0 \\ k_2 + k_3 = 0 \\ k_3 = 0 \end{cases}

→ k_3 = 0 \Rightarrow k_2 = 0 \Rightarrow k_1 = 0 → 线性无关 ✓

P[x]_2 是 3 维空间,3 个无关向量 → 构成基 ✓

Step 2(求坐标):

设 $p(x) = x_1 \alpha_1 + x_2 \alpha_2 + x_3 \alpha_3$,即


x_1 + x_2(1 + x) + x_3(1 + x + x^2) = 2 + 3x + 5x^2

(x_1 + x_2 + x_3) + (x_2 + x_3) x + x_3 x^2 = 2 + 3x + 5x^2

对比系数:


\begin{cases} x_1 + x_2 + x_3 = 2 \\ x_2 + x_3 = 3 \\ x_3 = 5 \end{cases}

→ x_3 = 5, x_2 = -2, x_1 = -1

坐标:[p(x)] = (-1, -2, 5)^T

验证:-1 \cdot 1 + (-2)(1 + x) + 5(1 + x + x^2) = -1 - 2 - 2x + 5 + 5x + 5x^2 = 2 + 3x + 5x^2 ✓

复盘:抽象空间(多项式、矩阵、函数)的坐标问题,转化为各基元对应的分量求解。


口诀:

  • 判断是否构成基:$\det \neq 0$(方阵)/ 行阶梯看秩(一般)
  • 求坐标:解方程组 \alpha_1 x_1 + \cdots + \alpha_n x_n = \beta
  • 求极大无关组:列向量 → 行阶梯 → 主元列
  • 子空间基:从生成元中筛选极大无关组