第 2 章 有限维向量空间 — 章节汇总

全章概览

第 2 章是线性代数的”骨架”——在第一章建立的向量空间基础上，引入了张成、线性无关、基和维数四个核心概念，构成了有限维线性代数的完整理论框架。全章三节构成一条从”组合方式”到”空间度量”的递进链条：

组合与筛选（2A：张成空间 + 线性无关）→ 最优结构（2B：基）→ 数值不变量（2C：维数）

核心主线：从”向量如何组合”到”空间有多大”——维数是贯穿后续所有章节的核心不变量

---

一、全章知识框架思维导图

graph TB
    subgraph CH2["第2章 有限维向量空间"]
        subgraph S2A["2A 张成空间和线性无关性"]
            A1["定义2.2 线性组合"]
            A2["定义2.4 张成空间"]
            A3["定理2.6 最小子空间"]
            A4["定义2.9 有限维"]
            A5["定义2.13 无限维"]
            A6["定义2.15 线性无关"]
            A7["定理2.19 线性相关性引理"]
            A8["定理2.22 长度比较"]
            A9["定理2.25 子空间有限维"]
        end
        subgraph S2B["2B 基"]
            B1["定义2.26 基"]
            B2["定理2.28 唯一表示"]
            B3["定理2.30 张成组含基"]
            B4["定理2.32 无关组可扩充"]
            B5["定理2.33 子空间直和分解"]
        end
        subgraph S2C["2C 维数"]
            C1["定理2.34 基长不依赖选取"]
            C2["定义2.35 dim V"]
            C3["定理2.38 无关组=基"]
            C4["推论2.39 同维=全空间"]
            C5["定理2.42 张成组=基"]
            C6["定理2.43 维数公式"]
        end
    end

    A2 --> A4
    A4 --> A6
    A6 --> A7
    A7 --> A8
    A8 --> A9
    A6 --> B1
    A2 --> B1
    B1 --> B2
    B1 --> B3
    B1 --> B4
    B4 --> B5
    B1 --> C1
    C1 --> C2
    C2 --> C3
    C3 --> C4
    C2 --> C5
    C2 --> C6

---

二、全章核心知识点与重点公式汇总

2.1 张成空间和线性无关性（2A 张成空间和线性无关性）

定理/定义	内容	编号
==线性组合==	$a_1{v}_1+\cdots +a_m{v}_m$	2.2
==张成空间==	$\text{span}(v_1,\dots ,v_m)=\{a_1{v}_1+\cdots +a_m{v}_m\}$	2.4
==最小子空间==	张成空间是最小的包含该向量组的子空间	2.6
有限维	可被某个有限向量组张成	2.9
$\mathcal{P}(\mathbb{F})$	系数在 $\mathbb{F}$ 中的全体多项式	2.10
无限维	不能被任何有限向量组张成	2.13
==线性无关==	$a_1{v}_1+\cdots +a_m{v}_m=0\Rightarrow a_i=0$	2.15
线性相关	存在非平凡的线性依赖关系	2.17
==线性相关性引理==	冗余向量可追溯到前面的向量	2.19
==长度比较定理==	线性无关组长度 $\le$ 张成组长度	2.22
子空间有限维	有限维空间的子空间也是有限维的	2.25

2.2 基（2B 基）

定理/定义	内容	编号
==基==	线性无关 + 张成	2.26
==唯一表示==	基 $\iff$ 每个向量有唯一的线性组合表示	2.28
==张成组含基==	每个张成组可缩减为基（削减法）	2.30
有限维必有基	推论 2.31	2.31
==无关组可扩充==	每个线性无关组可扩充为基（扩充法）	2.32
子空间直和分解	$V=U_1+\cdots +U_m$ 时存在反映分解的基	2.33

2.3 维数（2C 维数）

定理/定义	内容	编号
==基长不依赖选取==	任意两个基长度相同	2.34
==维数==	$\dim V$ = 任意基的长度	2.35
子空间维数不等式	$\dim U\le \dim V$	2.37
==无关组=基==	长度为 $\dim V$ 的线性无关组是基	2.38
==同维=全空间==	$\dim U=\dim V$ 且 $U\subseteq V$ $\Rightarrow$ $U=V$	2.39
==张成组=基==	长度为 $\dim V$ 的张成组是基	2.42
==维数公式==	$\dim (V_1+V_2)=\dim V_1+\dim V_2-\dim (V_1\cap V_2)$	2.43

---

三、章节学习脉络梳理

3.1 第一层：组合与筛选——张成与线性无关（2A）

核心问题：向量如何组合？哪些组合是”有信息量的”？

• 线性组合是向量运算的基本方式（定义 2.2）
• 张成空间回答”这组向量能覆盖多大范围”（定义 2.4、定理 2.6）
• 有限维 vs 无限维区分了本书的主要研究对象和边缘情况
• 线性无关回答”这组向量有没有冗余”（定义 2.15）
• 线性相关性引理（定理 2.19）提供了剔除冗余向量的系统方法
• 长度比较定理（定理 2.22）是全章的理论基石——它蕴含了基长度的唯一性和维数的良定义性

关键收获：张成和线性无关是一对”对偶”概念——张成关注”够不够大”，线性无关关注”有没有冗余”。两者的交汇点就是”基”。

3.2 第二层：最优结构——基（2B）

核心问题：什么样的向量组能”完美地”描述一个空间？

• 基 = 张成 + 线性无关 = “恰好合适”的向量组（定义 2.26）
• 唯一表示（定理 2.28）：基为空间建立”坐标系”，每个向量有唯一的坐标
• 削减法（定理 2.30）：从”太多”的向量中逐步移除冗余，得到基
• 扩充法（定理 2.32）：从”太少”的向量中逐步添加独立向量，得到基
• 子空间直和分解（定理 2.33）：空间的和可以由”整齐”的基来反映

关键收获：基是连接抽象向量空间和具体数组表示的桥梁。选定基后，每个向量对应唯一的坐标——这是矩阵表示（第 3 章）的基础。

3.3 第三层：数值不变量——维数（2C）

核心问题：如何用”一个数”来刻画空间的大小？

• 维数不依赖基的选取（定理 2.34）：这是整个理论的基石
• 半验证策略（定理 2.38/2.42）：已知维数时，只需验证张成或线性无关之一
• ==同维子空间=全空间==（推论 2.39）：维数是空间分类的依据
• 维数公式（定理 2.43）：$\dim (V_1+V_2)=\dim V_1+\dim V_2-\dim (V_1\cap V_2)$，类比集合的容斥原理

关键收获：维数是向量空间最核心的不变量。后续章节中，零空间的维数（零化度）、值域的维数（秩）、特征空间的维数（几何重数）等都是维数概念的具体应用。

3.4 三节之间的深层联系

3.4.1 从”两个概念”到”一个数”的浓缩

第 2 章的三节构成了一条信息浓缩的链条：

$\underset{\text{2A：两个概念}}{\underbrace{\text{张成}+\text{线性无关}}}⟶\underset{\text{2B：一个结构}}{\underbrace{\text{基}}}⟶\underset{\text{2C：一个数}}{\underbrace{\dim V}}$

这条链条的本质是：基是张成和线性无关的交集，维数是基的长度。每一步都在”压缩”信息——从两个条件到一个结构，再到一个整数。

3.4.2 长度比较定理（2.22）的枢纽地位

定理 2.22 是第 2 章中最核心的定理，它是所有后续结果的源头：

由 2.22 直接推出	证明方式
基的长度不依赖选取（2.34）	双向使用 2.22
张成组含基（2.30）	削减时不会缩减到空
无关组可扩充（2.32）	扩充时不会超过张成组长度
子空间有限维（2.25）	逐步构造的无关组有上界

理解定理 2.22 的”逐步替换法”证明，是掌握整个第 2 章的关键。

3.4.3 维数公式与直和

维数公式（定理 2.43）将第 1 章的直和理论与第 2 章的维数理论完美连接：

$V_1+V_2\text{ 是直和}⟺\dim (V_1+V_2)=\dim V_1+\dim V_2$

这为直和的判定提供了一个计算工具——不需要直接证明交集为零，只需计算三个维数。

3.5 全章核心线索图

graph TD
    A["线性组合与张成<br/>覆盖性 2A"] --> D["基<br/>张成+无关 2B"]
    B["线性无关性<br/>无冗余 2A"] --> D
    D --> E["维数 dim V<br/>一个数 2C"]
    A -.->|"定理2.6 最小子空间"| F["连接1C子空间"]
    B -.->|"定理2.22 长度比较"| G["枢纽定理"]
    G -.->|"推出"| E
    G -.->|"推出2.30"| H["削减法"]
    G -.->|"推出2.32"| I["扩充法"]
    E -.->|"定理2.43 维数公式"| J["直和判别"]
    E -.->|"第3章 秩零化度"| K["线性映射"]
    E -.->|"第5章 几何重数"| L["特征值"]
    E -.->|"第7/8章 谱/分解"| M["算子理论"]

---

四、补充理解与跨章展望

4.1 第 2 章的核心方法论

第 2 章不仅引入了概念，更建立了一套方法论，这套方法在后续每一章中都会反复使用（WWU Chapter 2 Finite-Dimensional Vector Spaces 讲义、OSU Ximera Dimension and Bases）：

1. “半验证”策略：已知维数时，只需验证基的两个条件之一。这是第 3 章证明零空间/值域维数、第 5 章证明特征空间维数的基本工具。
2. “夹逼法”求维数：先找下界（构造线性无关组），再找上界（利用 $\dim U\le \dim V$），夹逼得精确维数。这是第 3 章秩-零化度定理证明的核心技巧。
3. “分别取基再合并”（定理 2.43 的证明模式）：这是第 5 章特征空间分解、第 8 章广义特征空间分解的标准证明范式。

4.2 第 2 章与后续章节的关联地图

第 2 章概念	后续章节中的深化
张成空间 $\text{span}$	第 3 章：值域 $\text{range}T=\text{span}(T{v}_1,\dots ,T{v}_n)$
线性无关	第 3 章：单射 $\iff$ 零空间只有零向量
基	第 3 章：矩阵表示 $\mathcal{M}(T)$ 依赖基的选取
基的扩充法	第 3 章：秩-零化度定理的证明
基不唯一	第 3 章：不同基给出不同矩阵 → 相似性
$\dim V=n$	第 3 章：$\dim \mathcal{L}(V,W)=(\dim V)(\dim W)$
推论 2.39（同维=全空间）	第 3 章：单射+满射 $\iff$ 同构
维数公式 2.43	第 3 章：秩-零化度定理 $\dim \text{null}T+\dim \text{range}T=\dim V$
子空间直和分解（2.33）	第 5 章：特征空间分解、第 7 章：谱定理、第 8 章：广义特征空间分解

4.3 为什么第 2 章是全书最重要的章节？

第 2 章建立的”张成—无关—基—维数”理论框架，是后续每一章的理论基础：

• 第 3 章（线性映射）：用基定义矩阵表示，用维数证明秩-零化度定理
• 第 4 章（多项式）：$\mathcal{P}(\mathbb{F})$ 的维数理论
• 第 5 章（特征值）：特征空间的维数（几何重数）$\le$ 特征值的重数（代数重数）
• 第 6 章（内积空间）：正交基、Gram-Schmidt 正交化
• 第 7 章（自伴算子）：谱定理中的正交直和分解
• 第 8 章（算子）：广义特征空间分解 $V=G({\lambda }_1,T)\oplus \cdots \oplus G({\lambda }_m,T)$

可以毫不夸张地说：没有第 2 章的基础，后续所有章节都无法展开。

来源：WWU Chapter 2 Finite-Dimensional Vector Spaces 讲义、OSU Ximera Dimension and Bases、Axler LADR4e Slides、UConn Math 2210 Section 4.5 讲义。

---

五、全章总复习题

使用说明

以下复习题覆盖第 2 章全部三节的核心知识点。建议在不查阅笔记的情况下独立完成，然后对照答案自评。

A. 张成与线性无关（2A）

A1. 设 $v_1,v_2,v_3\in {\mathbb{R}}^3$ 线性无关。证明 $v_1+v_2,v_2+v_3,v_3+v_1$ 也线性无关。

查看解答

设 $a(v_1+v_2)+b(v_2+v_3)+c(v_3+v_1)=0$。

展开：$(a+c)v_1+(a+b)v_2+(b+c)v_3=0$。

由 $v_1,v_2,v_3$ 线性无关，得方程组： $a+c=0,a+b=0,b+c=0$

由此 $a=-c$，$b=-a=c$，$b+c=2c=0$，故 $c=0$，从而 $a=b=0$。$■$

A2. 证明：若 $v\in \text{span}(v_1,\dots ,v_m)$，则 $\text{span}(v_1,\dots ,v_m)=\text{span}(v_1,\dots ,v_{m-1},v)$。

查看解答

($\supseteq$)：$v\in \text{span}(v_1,\dots ,v_m)$，所以 $v$ 可用 $v_1,\dots ,v_m$ 表示。因此 $\text{span}(v_1,\dots ,v_{m-1},v)\subseteq \text{span}(v_1,\dots ,v_m)$。

($\subseteq$)：$v_m$ 可用 $v$ 和 $v_1,\dots ,v_{m-1}$ 表示（因为 $v\in \text{span}(v_1,\dots ,v_m)$，由线性相关性引理或直接展开），所以 $\text{span}(v_1,\dots ,v_m)\subseteq \text{span}(v_1,\dots ,v_{m-1},v)$。$■$

B. 基（2B）

B1. 证明：若 $n$ 维向量空间中 $n+1$ 个向量张成 $V$，则移除其中任意一个后剩余的 $n$ 个向量仍张成 $V$。

查看解答

设 $v_1,\dots ,v_{n+1}$ 张成 $V$。任取 $v_k$，需证 $v_1,\dots ,v_{k-1},v_{k+1},\dots ,v_{n+1}$ 仍张成 $V$。

反证：若不张成 $V$，则存在 $w\notin \text{span}(v_1,\dots ,\widehat{v_k},\dots ,v_{n+1})$（帽子表示去掉）。但 $w\in V=\text{span}(v_1,\dots ,v_{n+1})$，所以 $w$ 可用全部 $n+1$ 个向量表示。在这个表示中 $v_k$ 的系数必须非零（否则 $w$ 就在不包含 $v_k$ 的张成空间中）。由线性相关性引理，$v_k$ 可用其余向量表示，矛盾。$■$

B2. 设 $U$ 是 ${\mathbb{F}}^5$ 的三维子空间。证明：存在无穷多个不同的二维子空间 $W$ 使得 $U\cap W=\{0\}$。

查看解答

取 $U$ 的基 $u_1,u_2,u_3$，扩充为 ${\mathbb{F}}^5$ 的基 $u_1,u_2,u_3,w_1,w_2$。

对任意 $a\in {\mathbb{F}}^{\ast }$（非零标量），令 $W_a=\text{span}(w_1,w_2+a{u}_1)$。

• $\dim W_a=2$（$w_1$ 和 $w_2+a{u}_1$ 不成比例）
• $W_a\cap U=\{0\}$：若 $c_1{w}_1+c_2(w_2+a{u}_1)\in U$，则 $c_1{w}_1+c_2{w}_2+c_{2}a{u}_1\in U$。由于 $w_1,w_2$ 不在 $U$ 中（它们与 $u_1,u_2,u_3$ 构成基），必须有 $c_1=c_2=0$。

不同的 $a$ 给出不同的 $W_a$（因为 $w_2+a{u}_1\ne w_2+a^{\prime }{u}_1$ 当 $a\ne a^{\prime }$）。$■$

C. 维数（2C）

C1. 设 $U$ 和 $W$ 是 ${\mathbb{R}}^7$ 的子空间，$\dim U=4$，$\dim W=3$。证明 $U\cap W\ne \{0\}$。

查看解答

由维数公式：$\dim (U+W)=4+3-\dim (U\cap W)=7-\dim (U\cap W)$。

又 $U+W\subseteq {\mathbb{R}}^7$，所以 $\dim (U+W)\le 7$。

因此 $7-\dim (U\cap W)\le 7$，即 $\dim (U\cap W)\ge 0$。

但这只给出 $\dim (U\cap W)\ge 0$，不够强。更精确地：$\dim (U+W)\le 7$，所以 $7-\dim (U\cap W)\le 7$，得 $\dim (U\cap W)\ge 0$。

等等，这不对。让我重新计算：$4+3-\dim (U\cap W)\le 7$，即 $7-\dim (U\cap W)\le 7$，即 $\dim (U\cap W)\ge 0$。这不够。

实际上，$\dim (U+W)\le 7$ 总是成立的，所以这个不等式不给出新信息。需要更强的约束。

正确的方法：$\dim (U+W)\le \dim {\mathbb{R}}^7=7$，而 $\dim (U+W)=4+3-\dim (U\cap W)=7-\dim (U\cap W)$。所以 $7-\dim (U\cap W)\le 7$，即 $\dim (U\cap W)\ge 0$。

这确实不够。反例：取 $U=\{(x_1,\dots ,x_7):x_5=x_6=x_7=0\}$（维数 4），$W=\{(x_1,\dots ,x_7):x_1=x_2=x_3=x_4=0\}$（维数 3）。$U\cap W=\{0\}$，$U+W={\mathbb{R}}^7$。

结论：命题为假。 当 $\dim U+\dim W=\dim V$ 时，可以 $U\cap W=\{0\}$。只有当 $\dim U+\dim W>\dim V$ 时才能保证交集非零。

C2. 设 $V_1,V_2$ 是 $V$ 的子空间。证明：$V=V_1\oplus V_2$ 当且仅当 $V$ 中每个向量 $v$ 都可以唯一地写成 $v=v_1+v_2$，其中 $v_1\in V_1$，$v_2\in V_2$。

查看解答

($\Rightarrow$)：$V=V_1+V_2$ 保证存在性，直和保证唯一性（定义 1.41）。

($\Leftarrow$)：$V=V_1+V_2$ 由存在性保证。唯一性 ⟹ $0$ 只有唯一分解 $0=0+0$，由 定理 1.45 得直和。$■$

D. 跨节综合题

D1. 设 $\dim V=n$，$v_1,\dots ,v_k\in V$ 线性无关，$w_1,\dots ,w_m\in V$ 张成 $V$。证明 $k\le m$。如果 $k=m$，证明 $v_1,\dots ,v_k$ 也是 $V$ 的基。

查看解答

$k\le m$：直接由 定理 2.22。

若 $k=m=n$（因为 $\dim V=n$ 且 $w_1,\dots ,w_m$ 张成 $V$，所以 $m\ge n$；又 $k\le m$ 且 $k\le n$），则 $v_1,\dots ,v_k$ 是长度为 $\dim V$ 的线性无关组，由 定理 2.38 是 $V$ 的基。$■$

D2. 设 $U$ 是 ${\mathcal{P}}_4(\mathbb{R})$ 的子空间，$U=\{p\in {\mathcal{P}}_4(\mathbb{R}):p(1)=p(2)=p(3)\}$。求 $\dim U$。

查看解答

条件 $p(1)=p(2)=p(3)$ 等价于 $1$ 和 $2$ 都是 $p^{\prime }$ 的根（Rolle 定理），即 $p^{\prime }(x)=(x-1)(x-2)q(x)$，其中 $\mathrm{deg}q\le 1$。

所以 $p^{\prime }(x)=a(x-1)(x-2)+b(x-1)(x-2)x$… 更直接地：

$p(1)=p(2)$ ⟹ $p^{\prime }$ 在 $(1,2)$ 内有根（Rolle）。$p(2)=p(3)$ ⟹ $p^{\prime }$ 在 $(2,3)$ 内有根。

但这是分析工具。用代数方法：

$U=\{p\in {\mathcal{P}}_4(\mathbb{R}):p(1)=p(2)=p(3)\}$ 是两个线性条件的交集，所以 $\dim U\ge 5-2=3$。

构造线性无关组：$(x-1)(x-2)(x-3)$、$(x-1)(x-2)(x-3)x$、$(x-1)(x-2)(x-3)x^2$ 都在 $U$ 中（在 $x=1,2,3$ 处值为零，所以 $p(1)=p(2)=p(3)=0$）。它们线性无关（次数分别为 3, 4, 5… 等等，${\mathcal{P}}_4$ 中最高次数为 4）。

重新构造：$1$（常数，$p(1)=p(2)=p(3)=1$ ✓）、$(x-1)(x-2)(x-3)$（三次，满足条件）、$(x-1)(x-2)(x-3)x$（四次，满足条件）。

这三个线性无关（次数递增），所以 $\dim U\ge 3$。又 $\dim U\le 5-2=3$（两个独立线性条件最多降低 2 维）。所以 $\dim U=3$。$■$

---

六、各节笔记索引

节	笔记链接	核心主题
2A	2A 张成空间和线性无关性	张成空间、线性无关、长度比较定理
2B	2B 基	基、唯一表示、削减法、扩充法
2C	2C 维数	维数、半验证策略、维数公式

---

七、全章核心公式

必须熟记的公式与定理

1. 张成空间（定义 2.4）：$\text{span}(v_1,\dots ,v_m)=\{a_1{v}_1+\cdots +a_m{v}_m:a_i\in \mathbb{F}\}$
2. 线性无关（定义 2.15）：$a_1{v}_1+\cdots +a_m{v}_m=0\Rightarrow a_i=0$
3. ==长度比较定理==（定理 2.22）：线性无关组长度 $\le$ 张成组长度
4. 基（定义 2.26）：线性无关 + 张成
5. 唯一表示（定理 2.28）：基 $\iff$ 每个向量有唯一的线性组合表示
6. ==$\dim V$==（定义 2.35）：任意基的长度
7. ==半验证策略==（定理 2.38/2.42）：长度 = $\dim V$ 时，只需验证张成或线性无关之一
8. ==维数公式==（定理 2.43）：$\dim (V_1+V_2)=\dim V_1+\dim V_2-\dim (V_1\cap V_2)$

易错提醒

• 定理 2.22 是全章的枢纽——几乎所有重要结果都由它推出
• 维数依赖域的选取：${\dim }_{\mathbb{R}}\mathbb{C}=2$，${\dim }_{\mathbb{C}}\mathbb{C}=1$
• 维数公式仅适用于两个子空间，三个子空间的公式更复杂（习题 19/20）
• $\dim \{0\}=0$，零空间有基（空组），维数为零

有限维向量空间