CH 4

一般化向量空間
 大綱
 4.1 實數向量空間
 4.2 子空間
 4.3 線性獨立
 4.4 座標與基底
 4.5 維度
 4.6 基底變換
 4.7 列空間、行空間與核空間
 4.8 秩、核數與基本的矩陣空間

145
 4.1 實數向量空間 (不考)
向量空間公理
定義1
 令 V 為某些數學物件所成的任意非空集合，且加法和
純量乘法之運算均有定義。加法是指 V 中的兩物件 u
和 v 的結合成物件 u + v 的運算，稱為 u 和 v 的和。
純量乘法是指 V 中的物件 u 和純量 k 結合成物件 ku
的運算，稱 u 乘以 k 的純量倍數。若 V 中的所有物件
u, v, w 和純量 k, m 都滿足以下公理，則稱 V 為向量空
間，稱 V 中的所有物件為向量。

146
 4.1 實數向量空間 (不考)
定 義 1(續)
 1. 若 u 和 v 為 V 中的物件，則 u + v 仍是 V 中的
物件。
 2. u + v = v + u
 3. u + (v + w) = (u + v) + w
 4. V 中的物件 0 稱為零向量，對所有 V 中的 u，
使得 0 + u = u + 0 = u。
 5. 對所有 V 中的 u，存在物件 –u，稱為負 u，使
得 u + (–u) = (–u) + u = 0。

146
 4.1 實數向量空間 (不考)
定 義 1(續)
 6. 若 k 為任意純量且 u 是 V 中的物件，則 ku 仍是
V 中的物件。

 7. k(u + v) = ku + kv

 8. (k + m)u = ku + mu

 9. k(mu) = (km)(u)

 10. 1u = u

146
 4.1 實數向量空間 (不考)
如何證明一具有兩運算的集合為一個向量空間
 步驟 1、指定欲成為向量的物件所成之集合V。
 步驟 2、指定在 V 中的加法和純量乘法運算。
 步驟 3、驗證公理 1 和 6，亦即， V 中的兩向量相加所得
的向量仍在 V 中， V 中的向量乘上一純量倍數所得的向量
仍在 V 中。公理 1 稱為加法封閉性（closure
underaddition），公理 6 稱為純量乘法封閉性（closure
under scalar multiplication）。
 步驟 4、確認滿足公理 2, 3, 4, 5, 7, 8, 9 和 10。

146
 範例 1 零向量空間 (觀念)
令 V 僅包含一物件零向量 0，且對所有純量 k，定
義

0 + 0 = 0 和 k0 = 0

很容易可確認均滿足向量空間所要求的所有公理；
我們稱之為零向量空間。

147
 範例 2 Rn 為向量空間 (觀念)
令 V = Rn，且定義在 V 中的加法和純量乘法運算為

因為前述的 n 元組運算結果顯示會滿足加法封閉性和
純量乘法封閉性。同時也因為有定理 3.1.1 的關係，
所以滿足公理 2, 3, 4, 5, 7, 8, 9 和 10。

下一個例子是 Rn 的一般化情況，其可允許向量含有
無窮多個分量。

147
範例 3 實數無窮序列所構成的向量空間(觀念)
令 V 所構成的物件有以下形式

其中， u1, u2, . . . , un, . . . 為實數的無窮序列。若相對應位

置的分量（元素）相等，則定義兩無窮序列為相等。另，
定義加法和純量乘法為

可自行證明 V 滿足所有向量空間所要求的所有公理，此向
量空間記作 R∞。

147
 範例 4 2 × 2 矩陣之向量空間(觀念)
令 V 為具實數元素之 2 × 2 矩陣所成的集合，且將矩陣
加法和純量乘法定義為在 V中向量空間的運算，即
(1)

因在前面已經有介紹過 2 × 2 矩陣運算，可知 V 集合具

有加法和純量乘法的封閉性。因此，只剩公理 2, 3, 4, 5,
7, 8, 9 和 10 有待確認。而這些都是矩陣運算的標準特性，
例如公理 2 源自定理 1.4.1(a)，即

148
範例 4 2 × 2 矩陣之向量空間(續) (不考)

同樣地，公理 3, 7, 8, 9 分別源自定理 1.4.1 的 (b), (h),

( j), (e) 部分。剩下的公理 4, 5, 10相信讀者應可自行
驗證。
在驗證公理 4 時，必須找到 V 中的 2 × 2 零矩陣 0，
使其滿足 u + 0 = 0 + u，可設零矩陣為

148
範例 4 2 × 2 矩陣之向量空間(續) (不考)
據此可知

同樣地，可知 u + 0 = u。而要驗證公理 5 時，必須

找到 V 中的 –u，使其滿足 u + (–u) =0 和 (–u) + u = 0。
其可定義 u 的負值為

據此可知

148
範例 4 2 × 2 矩陣之向量空間(續) (不考)

同樣地可知 (–u) + u = 0。最後公理 10 也會被滿足，

因為

148
 範例 5 m × n 矩陣之向量空間(不考)

範例 4 為一般化向量空間的一個例子，要將之
推廣、證明到已經定義好矩陣加法和純量乘法
運算的所有 m × n 矩陣應該沒有問題。我們將
此向量空間記作 Mmn；例如，範例 4 的向量空
間記作 M22。

149
 範例 6 實數函數之向量空間 (觀念)
令 V 為在 (–∞, ∞) 區間所有實數函數所成的集合。若 f = f(x) 和

g = g(x) 為 V 中之兩函數且 k 為任意純量，則定義加法和純量乘

法如下

則V 為一般化向量空間。

這兩運算可用以下的觀點來看：在 Rn 和 R∞ 空間中，函數 f 和 g
在點 x 位置的分量（components）為 f(x) 和 g(x)，則 (2) 式陳述
了兩函數以相對位置分量相加， (3) 式陳述了在函數的每一分
量乘上一純量。
149
 4.1 實數向量空間 (不考)

150
 範例 6 實數函數之向量空間(續) (不考)
圖 4.1.1 的 (a) 和 (b) 解說了此觀點。定義有這些運算的集合 V 記作
F(–∞, ∞)，可如下證明其為一向量空間：

公理 1 和 6：若定義於 (–∞, ∞) 區間的兩函數相加和純量倍數後的

結果仍在 (–∞, ∞) 區間，這是封閉性公理要求。根據 (2) 式和 (3)
式函數的定義可知已經滿足此 2 公理。

公理 4：此公理要求在 F(–∞, ∞) 空間中存在一零函數，其與 F(–∞,

∞) 空間中的任意函數 f 相加可得原函數 f。設一函數在 (–∞, ∞) 區
間的每一點位置 x 其值均為零，此零函數即可有此特性。在幾何
上，零函數為與 x 軸重合的一直線。

149
 範例 6 實數函數之向量空間(續) (不考)
公理 5：此公理要求在 F(–∞, ∞) 空間中的每一函數 f 存在有一函
數 –f 與之相加後得到零函數。可定義函數 –f(x) = –f(x) 即可有此
特性。 –f 函數的圖形可以將函數 f 對稱 x 軸作鏡射來獲得（圖
4.1.1c）。
公理 2, 3, 7, 8, 9, 10：這些公理的有效性都來自實數的特性。例如，
若 f 和 g 為 F(–∞, ∞)空間中的函數，則公理 2 所需的要求 f + g = g
+ f，可根據以下運算
(f + g) (x) = f(x) + g(x) = g(x) + f(x) = (g + f ) (x)
其中，第一個和最後一個等號的成立是根據 (2) 式，中間的等號
則是根據實數的特性。

149
 4.1 實數向量空間(不考)

150
 範例 7 非向量空間的集合(觀念)
令 V = R2 且定義加法和純量乘法如下：若 u = (u1, u2) 及
v = (υ1, υ2)，則定義
u + v = (u1 + υ1, u2 + υ2)
且，若 k 為任意實數，則定義
ku = (ku1, 0)
例如，若 u = (2, 4)、 v = (–3, 5) 及 k = 7，

則以上述運算定義的集合 V 並非一向量空間。
150
 範例 7 非向量空間的集合(續) (不考)
加法的運算源自 R2 的標準運算，但純量乘法則另外如
上所述做定義。對於公理 1 到 9，讀者可以自行證明，
都可成立。然而，公理 10 對某些特定向量來說，並不
成立。例如，若 u = (u1, u2) 且 u2 ≠ 0，則

因此，以上述運算定義的集合 V 並非一向量空間。

150
 範例 7 非向量空間的集合(續) (不考)
加法的運算源自 R2 的標準運算，但純量乘法則另外如
上所述做定義。對於公理 1 到 9，讀者可以自行證明，
都可成立。然而，公理 10 對某些特定向量來說，並不
成立。例如，若 u = (u1, u2) 且 u2 ≠ 0，則

因此，以上述運算定義的集合 V 並非一向量空間。

150
 範例 8 非尋常的向量空間 (不考)
令 V 為正實數所成的集合，且定義 V 中的運算為

u + υ = uυ [ 向量加法定義為數值的乘法運算]

ku = uk [ 純量乘法定義為數值的指數運算]

亦即，例如， 1 + 1 = 1 且 (2)(1) = 12 = 1。這看起來甚

為奇怪，但做這些運算的定義可使得V 滿足成為向量
空間所需的 10 個公理，進而構成一向量空間。以下僅
對公理 4, 5, 7進行驗證，其餘部分讀者應可自行驗證。

151
 範例 8 非尋常的向量空間(續) (不考)
公理 4—此空間的零向量應為 1（即 0 = 1），因為

公理 5— –u 的負向量為倒數（即 –u = 1/u），因為

公理 7—

151
 4.1 實數向量空間 (觀念)
向量特性
定理 4.1.1
 令 V 為一向量空間， u 為 V 中的向量， k 為純
量，則
 (a) 0u = 0
 (b) k0 = 0
 (c) (–1)u = –u
 (d) 若 ku = 0，則 k = 0 或 u = 0。

151
 4.2 子空間 (觀念)
定義1
 若 W 為向量空間 V 的一子集（subset），若在 V
的加法和純量乘法定義下， W 可自成一向量空
間，則 W 稱為 V 的一子空間（subspace）。

153
 4.2 子空間

定理 4.2.1
 令 W 為向量空間 V 中含一個或一個以上向量的集
合，則 W 為 V 的一子空間，若且唯若其滿足下列
條件
 (a) 若 u 和 v 為 W 中的向量，則 u + v 仍在 W 中。
 (b) 若 k 為一純量，且 u 為 W 中的向量，則 ku 仍
在 W 中。

153
 範例 1 零子空間（Zero Subspace）(觀念)

若 V 為任意向量空間，且 W = {0} 為 V 的一子集，其

僅包含零向量，則 W 中的向量之加法和純量乘法具有
封閉性，因為對任意純量 k 滿足

0 + 0 = 0 和 k0 = 0

我們稱 W 為 V 的零子空間。

[ 譯者註：任何向量空間都至少有 2 個子空間，一個是
向量空間本身，另一個是零子空間（zero subspace）。]

154
 範例 2 通過原點的直線為 R2 和 R3
的子空間 (觀念)
若 W 為 R2 或 R3 中通過原點的直線，則線上的兩個向量相
加或一向量乘上純量倍數所產生的另一向量仍在此直線上。
所以 W 在加法和純量乘法上都具有封閉性（見以 R3 為例的
圖 4.2.2）。

154
 範例 3 通過原點的平面為 R3 的子空間(觀念)

若 u 和 v 為 R3 中通過原點的平面之向量，則在幾何上
u + v 和 ku 很明顯地仍落於W 所在的平面（圖 4.2.3）。
亦即， W 具加法和純量乘法封閉性。

154
4.2 子空間 (觀念)
 表 1 列出迄今我們見過 R2 和 R3 的子空間，後續
我們會發現 R2 和 R3 就只有這些子空間。
 範例 4 R2 的子集但非 R2 的子空間 (觀念)
令 W 為 R2 中所有點 (x, y) 所成的集合，其中 x ≥ 0 且 y ≥ 0
（如圖 4.2.4 的陰影區）。此集合並非 R2 的子空間，因為其
純量乘法並不具封閉性。例如， v = (1, 1) 為 W 中的向量，
但 (–1)v = (–1, –1) 並非 W 中的向量。

155
 範例 5 Mnn 的子空間 (不考)

從定理 1.7.2 知兩個 n × n 對稱矩陣的和為對稱矩

陣，且 n × n 對稱矩陣的純量倍數仍為對稱矩陣。
因此， n × n 對稱矩陣所成的集合具加法和純量
乘法封閉性，即為Mnn 的子空間。同樣地，上三
角矩陣所成的集合、下三角矩陣所成的集合、對
稱矩陣所成的集合，都是 Mnn 的子空間。

155
 範例 6 Mnn 的子集但非 Mnn 的
子空間 (不考)
W 為 n × n 可逆矩陣所成的集合並非 Mnn 的子空間，
因為加法和純量乘法都不具封閉性。以下只以 M22 為
例來說明，相信讀者可以很快地延伸到 Mnn 。考慮以
下矩陣

矩陣 0U 為 2 × 2 零矩陣，但其為不可逆，矩陣 U +
V 有一行為零，所以也是不可逆。

156
 範例 7 子空間 C(–∞, ∞) (不考)

微積分中有一定理陳述了連續函數的和仍為連
續函數，且連續函數乘上一常數後仍為連續函
數。換上向量的陳述語言，在 (–∞, ∞) 區間的
連續函數所成的集合，為函數空間 F(–∞, ∞) 的
子空間，記作 C(–∞, ∞)。

156
 範例 8 函數的連續導數 (不考)
一函數若具有連續的導數則稱為連續可微分。微積分中有一
定理陳述了連續可微分函數的和（sum）仍為連續可微分函
數，且連續可微分函數乘上一常數後仍為連續可微分函數。
因此，在 (–∞, ∞) 區間的連續可微分函數形成 F(–∞, ∞) 的子
空間，記作 C1 (–∞,∞)，其中，上標的 1 為加強表示一階導
數為連續。採用此方式，則在 (–∞, ∞) 區間中具有 m 階導數
為連續的函數所成的集合為 F(–∞, ∞) 的子空間、在 (–∞, ∞)
區間中具有各階導數均為連續的函數所成的集合為 F(–∞, ∞)
的子空間；這些子空間分別記作 Cm(–∞, ∞)和 C∞ (–∞, ∞)。

156
 範例 9 所有多項式的子空間(不考)

回憶一下多項式是一種函數，其可用下面的形式來表示

(1)

其中， a0, a1, . . . , an 為常數。很明顯地，兩多項式的和

仍為多項式，多項式乘上一常數後仍為多項式。因此，
所有多項式所成的集合 W 具加法和純量乘法封閉性；
其為 F(–∞, ∞)的子空間，記作 P∞。

156
範例 10 次數 ≤ n 的多項式之子空間(不考)
回憶一下多項式的次數為具有非零係數之變數的最高次方。
即，例如，在 (1) 式中若 an ≠ 0，則該多項式為 n 次多項式。
以下敘述非為真：「具有正數次方 n 的多項式為F(–∞, ∞) 的
子空間，因為集合未具加法封閉性。」例如，有人會說多項
式

都有次數為 2，但兩多項式和次數為 1，已經不是 2 次多項

式了，所以不具封閉性。但，事實是：對每一非負整數 n，
小於或等於 n 的多項式都是 F(–∞, ∞) 的子空間，記作Pn。

156
 4.2 子空間 (不考)
函數空間的層次
 在微積分中已經證明多項式為連續函數，且在 (–∞,
∞) 區間的各階導數均為連續。因此， P∞ 不僅為
F(–∞, ∞) 的子空間，也是 C∞(–∞, ∞) 的子空間。從
範例 7 到範例 10 的討論，可以令人信服這些向量
空間像「巢」狀般層層套疊，如圖 4.2.5 所示。

157
 (不考)

157
 4.2 子空間
建構子空間 (觀念)
定理 4.2.2
 若 W1, W2, . . . , Wr 為向量空間 V 的子空間，則這些子空
間的交集仍為 V 的子空間。
定 義 2 (不考)
 w 為 V 中的向量，若 w 可展開如下式，則稱 w 為 V 中向
量 v1, v2, . . . , vr 的線性組合（linear combination）
(2)
 其中， k1, k2, . . . , kr 為純量，且稱為線性組合的係數。

157
 4.2 子空間 (觀念)
定理 4.2.3
 若 S = {w1, w2, . . . , wr} 為向量空間 V 的一非空集合，

 (a) 若 W 為 S 中向量 w1, w2, . . . , wr 所有可能線性組合

出的向量所成的集合，則 W 為V 的子空間。

 (b) 在 (a) 中的 W 為 V 中包含 w1, w2, . . . , wr 向量的

「最小」子空間；即任何包含 w1, w2, . . . , wr 向量的其
他子空間也會包含 W。

158
 4.2 子空間 (觀念)
定義3
 若 S = {w1, w2, . . . , wr} 為向量空間 V 的一非空集合，
則 V 的子空間 W 為 S 中向量 w1,w2, . . . , wr 所有可能線
性組合出的向量所成的集合，稱為「S 生成（span）V
的子空間」，也稱「向量 w1, w2, . . . , wr 生成 W （span
W）」。而所生成的子空間記作 W = span{w1, w2, . . . ,
wr} 或 W = span(S)

159
 範例 11 標準單位向量生成 Rn (不考)
回想一下 Rn 中的標準單位向量為

這些向量生成 Rn，因為 Rn 中的每一向量 v = (υ1, υ2, . . . , υn)

都可表為

其為 e1, e2, . . . , en 的線性組合。因此，例如向量

生成 R3，因為 R3 中的每一向量 v = (a, b, c) 都可表為

159
 範例 12 生成 R2 和 R3 的幾何觀察 (不考)
(a) 若 v 為以原點為起始點之 R2 或 R3 中的非零向量，則
span{v}（即只有 v 的純量倍數之向量）為 v 所決定之通過
原點的直線。我們可以從圖 4.2.6a 想像、觀察到向量 kv 的
尖端形成直線上的點，為選擇不同的 k 值來適當地將 v 伸長
或縮短或反向。
(b) 若 v1 和 v2 為以原點為起始點之 R3 中的非零向量，則
span{v1, v2} 為 v1 和 v2 線性組合的所有可能所構成，其為由
此二向量所構成的通過原點的平面。我們可以從圖 4.2.6b想
像、觀察到向量 k1v1 + k2v2 的尖端形成平面上所有點，其為
選擇不同的純量 k1 和 k2 來適當地將 k1v1 和 k2v2 進行適當地
伸長或縮短或反向。

159
 (不考)

160
 範例 13 Pn 的生成集 (觀念)

多項式 1, x, x2, . . . , xn 生成範例 10 所定義的向量空間

Pn，因為 Pn 中的每一多項式 p 可寫成

其為 1, x, x2, . . . , xn 的線性組合，可記作

160
 範例 14 線性組合
考慮 R3 中的向量 u = (1, 2, –1) 和 v = (6, 4, 2)，
試證 w = (9, 2, 7) 為 u 和 v 的線性組合，而 w' =
(4, –1, 8) 不是 u 和 v 的線性組合。

160
 範例 14 線性組合
考慮 R3 中的向量 u = (1, 2, –1) 和 v = (6, 4, 2)，
試證 w = (9, 2, 7) 為 u 和 v 的線性組合，而 w' =
(4, –1, 8) 不是 u 和 v 的線性組合。

160
 範例 15 生成之測試
判斷向量 v1 = (1, 1, 2), v2 = (1, 0, 1) 和 v3 = (2, 1, 3)
是否能生成 R3。

161
 4.2 子空間 (觀念)
齊次系統的解空間

定理 4.2.4

 m 個方程式 n 個未知數的齊次線性系統 Ax = 0 解集
合，為 Rn 的子空間。

162
 範例 16 齊次系統的解空間
解以下各系統。

162
 4.2 子空間 (觀念)
最終觀察
定理 4.2.5
 若 S = {v1, v2, . . . , vr} 和 S' = {w1, w2, . . . , wk} 為向
量空間 V 中向量所成的非空集合，則
span{v1, v2, . . . , vr} = span{w1, w2, . . . , wk}
 若且唯若， S 中的每一向量都為 S' 中向量的線性
組合，且 S' 中的每一向量都為 S 中向量的線性組
合。

163
 4.3 線性獨立 (觀念)
前言
 例如，向量 (3, 2) 以 i = (1, 0)和 j = (0, 1) 做線性組
合表示的方式，唯一的表示法為
(1)

164
 4.3 線性獨立 (觀念)
線性獨立和線性相依
定義1
 若 S = {v1, v2, . . . , vr} 為向量空間 V 中向量所成的一非空集合，
則向量方程式

一定會至少有一組解，此解為

稱為顯解（trivial solution）。如果此顯解為方程式的唯一解，則
稱 S 為線性獨立集合（linearly independent set）。如果除了顯解
外，尚有其他解，則稱 S 為線性相依集合（linearly dependent
set）。

165
範例 1 Rn 中的標準單位向量為線性
獨立（Linear Independence）(不考)
Rn 中最基本的線性獨立集合為標準單位向量所成的集
合，如

為了簡單說明，我們僅以 R3 為例

這些向量為線性獨立或線性相依，取決於以下向量方程
式是否有非顯解的存在

165
範例 1 Rn 中的標準單位向量為線性
獨立（Linear Independence） (續) (不考)

(2)

此方程式的分量形式表示法為

(k1, k2, k3) = (0, 0, 0)

可得 k1 = 0, k2 = 0, k3 = 0。即 (2) 式只有顯解存在，所以

這些向量為線性獨立。

165
 範例 2 R3 中的線性獨立
試問，以下向量在 R3 中為線性獨立或線性相依？
v1 = (1, –2, 3), v2 = (5, 6, –1), v3 = (3, 2, 1)

166
 範例 2 R4 中的線性獨立
試問，以下向量在 R3 中為線性獨立或線性相依？
v1 = (1, –2, 3), v2 = (5, 6, –1), v3 = (3, 2, 1)

166
 範例 4 Pn 中重要的線性獨立
集合 (觀念)
證明多項式

在 Pn 中形成一線性獨立集合。

167
 範例 5 多項式的線性相依(不考)
試問，以下多項式在 P2 中為線性獨立或線性相依？

167
 4.3 線性獨立 (觀念)
線性相依的另一解釋

定理 4.3.1

 含兩個以上向量的集合 S 為

 (a) 線性相依，若且唯若 S 中至少有一個向量可以被寫

成其他向量的線性組合。

 (b) 線性獨立，若且唯若 S 中沒有向量可以被寫成其他

向量的線性組合。
(10)

168
 範例 6 重新檢視範例 1 (不考)
範例 1 證明了 Rn 中的標準單位向量為線性獨立。因此，
根據定理 4.3.1，沒有任何向量可以被表示成其他兩個向
量的線性組合。以 R3 為例，假設

或以分量形式寫成

因為無法找到任何 k1 和 k2 的數值來滿足此方程式，所以
無法將 k 以 i 和 j 的線性組合方式表示。同樣地，無法將
i 以 j 和 k 的線性組合方式表示、無法將 j 以 i 和 k 的線
性組合方式表示。

169
 範例 7 重新檢視範例 2 (不考)
在範例 2 中看到了以下向量

為線性相依。因此，根據定理 4.3.1，沒有任何向量
可以被表示成其他兩個向量的線性組合。讀者可以
驗證一下下面的方程式

可得知

169
 4.3 線性獨立 (觀念)
僅包含一個或兩個向量的集合

定理 4.3.2
 (a) 一有限集合若包含零向量，則為線性相依。

 (b) 一集合若只含一個向量，則為線性獨立，若且唯若
所包含的這向量不是零向量。

 (c) 一集合若只含兩個向量，則為線性獨立，若且唯若
這兩個向量不是純量倍數關係。

170
 範例 8 兩函數的線性相依 (不考)
函數 f1 = x 和 f2 = sin x 在 F(–∞, ∞) 中為線性獨立
因為彼此不是純量倍數關係。另一方面，兩函數
g1= sin 2x 和 g2= sin x cos x 為線性相依，因為 sin
2x = 2 sin x cos x； g1和 g2 彼此為純量倍數關係。

170
 線性獨立的幾何意義 (不考)

170
 (不考)

171
 4.3 線性獨立 (不考)
定理 4.3.3

 令 S = {v1, v2, . . . , vr} 為 Rn 空間向量所成的集合，

若 r > n，則 S 為線性相依。

函數的線性獨立

 考慮以下函數

在 F(–∞, ∞) 區間為線性相依，因為

171
 4.3 線性獨立 (不考)

定義2
 若 f1 = f1(x), f2 = f2(x), . . . , fn = fn(x) 在 (–∞,∞) 區間為
n – 1 次可微分，則行列式

稱為 f1, f2, . . . , fn 的朗斯基式（Wronskian）。

172
 4.3 線性獨立 (不考)

(11)

定理 4.3.4

 若函數 f1, f2, . . . , fn 在 (–∞,∞) 區間內為 n – 1 次連

續可微分，且這些函數在 (–∞,∞) 區間內的朗斯基
式不等於零，則這些函數在 C(n–1) (–∞,∞) 區間內形
成一線性獨立的向量集合。

173
 4.4 座標與基底 (不考)
線性代數中的座標系統

174
174
 (不考)

175
 (不考)

175
 4.4 座標與基底 (觀念)
向量空間的基底
定義1
 若 V 為任意向量空間，且 S = {v1, v2, . . . , vn} 為 V
中向量所成的有限集合，則 S 被稱為 V 的基底
（basis），需以下兩條件成立：
 (a) S 為線性獨立
 (b) S 生成 V

175
 範例 1 Rn 的標準基底 (不考)
回想一下 4.2 節中的範例 11，標準單位向量

生成 Rn，且從 4.3 節中的範例 1 可知這些標準基底為

線性獨立。因此，可成為 Rn 的基底；稱為 Rn 的標準
基底（standard basis）。例如，

為 R3 的標準基底。

176
 範例 2 Pn 的標準基底 (不考)
證明 S = {1, x, x2, . . . , xn} 為小於等於 n 次的多項
式所成向量空間 Pn 的基底。

176
 範例 3 R3 的其他基底
證明向量 v1 = (1, 2, 1), v2 = (2, 9, 0) 和 v3 = (3, 3, 4)
可為 R3 的基底。

176
 範例 4 Mmn 的標準基底 (不考)
證明以下矩陣

可為 2 × 2 矩陣所成向量空間 M22 的基底。

177
 4.4 座標與基底(觀念)
相對於某基底的座標系

定理 4.4.1 基底表示的唯一性（單一性）

 若 S = {v1, v2, . . . , vn} 為向量空間 V 的一組基底，

則 V 中的每一向量 v 均可以 v = c1v1+ c2v2 + · · · +
cnvn 的唯一形式表示之。

178
 4.4 座標與基底 (觀念)
定義2
 若 S = {v1, v2, . . . , vn} 為向量空間 V 的基底，且

 為以 S 中的基底向量來表示，則純量 c1, c2, . . . , cn 稱

為 v 相對於基底 S 的座標（coordinates）。而 Rn 中的
向量 (c1, c2, . . . , cn ) 稱為 v 相對於基底 S 的座標向量
（coordinate vector），且記作

(6)
180
 4.4 座標與基底 (觀念)
 觀察 Rn 空間中的向量 (v)s，亦即對向量空間 V，給定
有序基底 S，定理 4.4.1 建立了V 中的向量和 Rn 中的向
量之間的一對一的對應（如圖4.4.6）。

180
範例 7Rn 中相對於標準基底的座標 (觀念)
在 V = Rn 的特殊情況中，若 S 為標準基底，則座標
向量 (v)S 和向量 v 相同，即

v = (v)S

例如， R3 中向量 v = (a, b, c) 以標準基底 S = {i, j, k}

的線性組合方式表示為

所以相對於標準基底的座標向量為 (v)S = (a, b, c)，其

與向量 v 的表示式相同。

180
 範例 8相對於標準基底的座標向量(不考)
(a) 求以下多項式，相對於向量空間 Pn 標準基底的座
標向量。

(b) 求以下矩陣，相對於向量空間 M22 標準基底的座

標向量。

181
 範例 9 R3 中的座標
(a) 範例 3 已經證明向量

v1 = (1, 2, 1), v2 = (2, 9, 0), v3 = (3, 3, 4) 可為 R3 的基

求 v = (5, –1, 9) 相對於基底 S = {v1, v2, v3} 的座標向量

181
 範例 9 R3 中的座標
(b) 若某向量 v 相對於基底 S 的座標向量為 (v)s =
(–1, 3, 2)，試求 R3 中的 v。

181
 4.5 維度 (觀念)

定義1

 有限維度向量空間 V 的維度（dimension），記
作 dim(V)，為 V 的基底向量的個數。再者，零
向量空間的維度定義為零。

183
 4.5 維度 (觀念)
基底向量的個數
定理 4.5.1
 有限維度的向量空間的任何基底集合，其所包含向量
的個數會相同。
定理 4.5.2
 令 V 為一 n 維向量空間，且令 {v1, v2, . . . , vn} 為任意
一組基底。
 (a) V 中具有多於 n 個向量的集合，其為線性相依。
 (b) V 中具有少於 n 個向量的集合，其無法生成 V。

182
範例 1一些悉知向量空間的維度(不考)

183
 範例 2 Span(S) 的維度 (觀念)
若 S = {v1, v2, . . . , vr} 為向量空間 V 中的一組線
性獨立集合，則 S 自動可成為 span(S) 的基底，
且

dim[span(S)] = r

換句話說，線性獨立集合的向量所生成的空間，
其維度等於集合中向量的個數。

183
 範例 3 解空間的維度
試求以下齊次系統之解空間的基底和維度。

183
 範例 4 解空間的維度
試求以下齊次系統之解空間的基底和維度。

184
 4.5 維度 (觀念)
定理 4.5.3 增／減定理
 令 S 為向量空間 V 中向量所成的非空集合
 (a) 若 S 為線性獨立，且 v 為向量空間 V 中的向量且
不在 span(S) 中，則集合 S ∪ {v}仍為線性獨立。
 (b) 若 S 中一向量 v 可表為 S 內其他向量的線性組合，
且 S – {v} 表示將 v 自 S 中移出，則 S 和 S – {v} 所生
成的空間相同，亦即
span(S) = span(S – {v})

185
 4.5 維度 (不考)
一些基本定理

185
 範例 5 應用增／減定理 (不考)

證明 p1 = 1 – x2, p2 = 2 – x2, 和 p3 = x3 為線性獨立

的向量。

185
 4.5 維度 (觀念)

定理 4.5.4
 令 V 為 n 維的向量空間，且令內含 n 個向量的 S
為 V 中的一集合，則 S 為 V 的一基底，若且唯若
S 生成 V，或 S 為線性獨立。

186
 範例 6 基底的檢查 (不考)
(a) 請解釋向量 v1 = (–3, 7) 和 v2 = (5, 5) 為何可以
成為 R2 的基底？

(b) 請解釋向量 v1 = (2, 0,–1), v2 = (4, 0, 7) 和 v3 =

(–1, 1, 4) 為何可以成為 R3 的基底？

186
 4.5 維度 (觀念)
定理 4.5.5
 令 S 為有限維度向量空間中的一有限集合

 (a) 若 S 生成 V 但不是 V 的基底，則可將 S 移除適

當的向量後簡化成 V 的基底。

 (b) 若 S 為線性獨立集合但尚不是 V 的基底，則可

將 S 加入適當的向量後擴展成 V 的基底。

186
 4.5 維度 (觀念)

定理 4.5.6
 若 W 為有限維度向量空間 V 中的一子空間，則

 (a) W 為有限維度

 (b) dim(W) ≤ dim(V )

 (c) W = V，若且唯若 dim(W) = dim(V )

187
 4.6 基底變換 (不考)
座標映射
 若 S = {v1, v2, . . . , vn} 為有限維度向量空間 V 的一
組基底，且若

 為相對於 S 的座標向量，則如 4.4 節所述，映射

關係

(1)
187
 4.6 基底變換 (不考)
 建立了一般化向量空間 V 和尤拉向量空間 Rn 的一
種一對一連結（一對一的對應關係）。我們稱 (1)
式為從 V 到 Rn 相對於 S 的座標映射（coordinate
map）。

(2)

187
 (不考)

188
 4.6 基底變換 (不考)
基底變換

基底變換問題
 若 v 為有限維度向量空間 V 的一向量，且若欲將
基底 B 改為基底 B‘ ，則座標向量 [v]B 和 [v]B’ 之
間有何關係？

 令

188
 4.6 基底變換 (不考)
 先將新的基底向量以舊基底表示，可得座標向量為

(3)

 新舊基底向量間的關係如下

(4)

 令 v 為 V 中的任意向量，且令

(5)

188
 4.6 基底變換(不考)
 為新的座標向量，所以

(6)

 或

 因此， v 的舊座標向量為

188
 4.6 基底變換 (不考)

 此方程式表示：舊的座標向量 [v]B 為新的座標向量 [v]B’

左乘下述矩陣的結果

 向量空間 V 中的每一向量 v 之舊座標向量 [v]B 和新座標向

量 [v]B’ 間的關係為
(7)
(8)

189
 4.6 基底變換 (不考)
轉移矩陣
 矩陣 P 稱為從 B' 到 B 的轉移矩陣（transition matrix），
為了強調通常記作 PB’ → B。
(9)
 同樣地，從 B 到 B' 的轉移矩陣可表示為
(10)
 記憶的方法為：若舊座標向量要更新為新座標向量，
需由舊基底向量先以新基底向量表示開始更新，此種
基底向量優先更新表示法即可得舊座標向量到新座標
向量的「轉移矩陣」。
 互為 inverse
189
 範例 1 求轉移矩陣
B = {u1, u2} 和 B' = {u'1, u'2} 為 R2 的基底，其中

(a) 求 B' 到 B 的轉移矩陣 PB' → B。

(b) 求 B 到 B' 的轉移矩陣 PB → B'。

190
 範例 1 求轉移矩陣
B = {u1, u2} 和 B' = {u'1, u'2} 為 R2 的基底，其中

(a) 求 B' 到 B 的轉移矩陣 PB' → B。

(b) 求 B 到 B' 的轉移矩陣 PB → B'。

190
 4.6 基底變換 (不考)
所以對於 V 中的每一向量 v，滿足

(11)

(12)

191
 範例 2 計算座標向量

令 B 和 B' 為範例 1 中的基底，給定以下座標向

量，試求 [v]B

191
 4.6 基底變換 (不考)
轉移矩陣的可逆性
 若 B 和 B' 為有限向量空間 V 的基底，則

(13)
 範例 1 中獲得的轉移矩陣關係如下

191
 4.6 基底變換 (不考)
定理 4.6.1

 若 P 為有限維度向量空間中從基底 B' 到基底 B 的

轉移矩陣，則 P 為可逆矩陣， P –1 為從 B 到基底
B' 的轉移矩陣。

計算 Rn 轉移矩陣之有效率方法

(14)

192
 4.6 基底變換 (不考)
Rn 中標準基底的轉換
定理 4.6.2
 令 B' = {u1, u2, . . . , un} 為向量空間 Rn 的任一組基底，
且令 S = {e1, e2, . . . , en} 為 Rn 的標準基底。若以行向量
形式寫出的轉移矩陣為
(15)
 （譯者註：「左新右舊」建構出矩陣後，會發現不用進
行任何列運算，右側即出現轉移矩陣，亦即是舊基底向
量就是轉移矩陣。）

193
4.6 基底變換 (補充) (列式即可)
=S=

1   1
兩基底向量為   1 1 1
4   =P=  
4 1 

如基底下座標(3,1), 基底下座標為?
1 1
X=S[X]=P[X][X] =S-1P[X] = 4 1 
 

如基底下座標(3,1), 基底下座標為?

[X]=P-1S [X]=
116
 4.7列空間、行空間與核空間(不考)
列空間、行空間和核空間
定義1
 對於 m × n 矩陣

 A 的列所形成的向量

194
 4.7列空間、行空間與核空間(不考)

 稱為 A 的列向量（row vectors），而 A 的行所形成的向

量

 稱為 A 的行向量（column vectors）。

194
範例 1 2 × 3 矩陣的列向量行向量(不考)

A 的列向量為

A 的行向量為

以下定義會定義出矩陣的三種重要的向量空間。

195
 4.7 列空間、行空間與核空間(觀念)
定義2
 若 A 為 m × n 矩陣，則 A 之列向量所生成的空間為
Rn 的子空間，稱作 A 的列空間（row space of A），
記作 RS(A)。而 A 之行向量所生成的空間為 Rm 的
子空間，稱作A 的行空間（column space of A），
記作 CS(A)。齊次系統 Ax = 0 的解空間為 Rn 的子
空間，稱作 A 的核空間（null space of A），記作
NS(A)。

195
 4.7列空間、行空間與核空間(觀念)
列空間、行空間和核空間的基底

定理 4.7.3
 基本列運算不會改變矩陣的核空間。

定理 4.7.4
 基本列運算不會改變矩陣的列空間。

198
 範例 4 求矩陣核空間的基底
求以下矩陣核空間的基底

198
197
4.7 列空間、行空間與核空間(觀念)
 問題 1、線性系統 Ax = b 解和係數矩陣 A 的列空間、
行空間、核空間之間存在何種關係？

 問題 2、一矩陣的列空間、行空間、核空間之間存
在何種關係？

(1)

(2)

195
 4.7 列空間、行空間與核空間(觀念)

定理 4.7.1

 一線性系統 Ax = b 具一致性，若且唯若 b 落於
A 的行空間中。

196
範例 2 向量 b 落於 A 的行空間(觀念)
令 Ax = b 為一線性系統

試以 b 可表為 A 行向量的線性組合方式來證明 b
落於 A 的行空間。

196
 4.7 列空間、行空間與核空間(觀念)
定理 4.7.2
 若 x0 為具一致性的線性系統 Ax = b 的任一解，且
S = {v1, v2, . . . , vk} 為 A 的核空間，則 Ax = b 的通
解可表為以下形式

(3)

 反之，任意選擇純量 c1, c2, . . . , ck，此式中的向量 x

為 Ax = b 的一解。

196
 4.7 列空間、行空間與核空間(不考)
 具有一致性的線性系統之通解為此系統的特解與對
應齊次系統的通解（齊次解）之和。

 （譯者註：令 x0 為線性系統 Ax = b 之任意特解，

所以 Ax0 = b。且令 W 為滿足齊次系統 Ax = 0的解
集合，且 w 為 W 中的任意向量，所以 Aw = 0。因
此線性系統通解為 x0 + w，因為：A(x0 + w) = Ax0 +
Aw = b + 0 = b。）

197
 (不考)

Ax = b 之解集合不為向量空間

197
範例 3 線性系統 Ax = b 的通解(不考)
比較以下兩線性系統

的解，可以發現非齊次系統的通解 x 和對應齊次系
統的通解 xh 之關係為

197
 4.7列空間、行空間與核空間(觀念)

定理 4.7.5
 若矩陣 R 已經是列梯形形式，則帶有前導壹的列向
量（非零列）可成為 R 的列空間基底，且帶有前導
壹的行向量可成為 R 的行空間基底。

199
 範例 5 列梯形矩陣的列空間與 (觀念)
行空間之基底
求以下矩陣列空間和行空間之基底

因為矩陣 R 已經是列梯形形式，根據定理 4.7.5，向量

199
 範例 5 列梯形矩陣的列空間與
行空間之基底(續) (觀念)
可為矩陣 R 的列空間基底，且向量

可為矩陣 R 的行空間基底。

199
範例 ６ 以列簡化方式求列空間之基底
求以下矩陣列空間的基底

200
 4.7列空間、行空間與核空間(不考)
(4)

定理 4.7.6
 若 A 和 B 為列等效矩陣，則：

 (a) 在 A 中所選定的行向量之集合為線性獨立，若且唯
若 B 中對應的行向量所成集合為線性獨立。

 (b) 在 A 中所選定的行向量之集合可為 A 行空間基底，

若且唯若 B 中對應的行向量可為 B 行空間基底。

200
 範例 7 使用列簡化求行空間基底
求以下矩陣列空間基底

201
 範例 8 使用列運算求向量空間的
基底

試求以下向量所生成之 R5 子空間的基底

202
 範例 9 矩陣列空間的基底
試求從矩陣 A 找出哪些列向量可直接做為列空間基底。

203
 範例 10 基底和線性組合
(a) 試求以下向量的一子集合

使其可為這些向量生成的空間之基底。

204
Ans: v1, v2, v4
 範例 10 基底和線性組合 (不考)
(a) 試求以下向量的一子集合

使其可為這些向量生成的空間之基底。
(b) 將其他非基底的向量以選定的基底向量做線性
組合表示。

204
 4.8秩、核數與基本的矩陣空間(不考)
列空間和行空間維度相同
定理 4.8.1
 矩陣的列空間和行空間有相同維度。
秩與核數
定義1
 矩陣 A 的列空間和行空間有相同的維度稱為 A 的秩（rank
of A），記作 rank(A)。 A的核空間維度稱為 A 的核數
（nullity of A）或「核化數」，記作 nullity(A)。

205
範例 1 4 × 6 矩陣的秩與核數

求下面矩陣的秩與核數

206
 4.8 秩、核數與基本的矩陣空間

(2)
 通解為

207
 4.8 秩、核數與基本的矩陣空間

 向量形式

(3)

 所以 nullity(A) = 4。

207
 範例 2 秩的最大值 (觀念)

一 m × n 矩陣 A（非方陣）的秩，其最大可能值
為何？

207
 4.8秩、核數與基本的矩陣空間(觀念)

定理 4.8.2 矩陣的維度定理

 若 A 為具 n 個行的矩陣，則

rank(A) + nullity(A) = n (4)

208
 範例 3 秩與核數的和
矩陣

有 6 個行，所以

如範例 1 所示，此系統具一致性，通解的自由變數
有 4 個，前導變數的個數有 2 個，即

208
 4.8秩、核數與基本的矩陣空間(觀念)

定理 4.8.3
 若 A 為 m × n 矩陣，則

 (a) rank(A) = Ax = 0 的通解中前導變數的個數。

 (b) nullity(A) = Ax = 0 的通解中參數（自由變數）

的個數。

208
 範例 4 秩、核數與線性系統(觀念)

若 5 × 7 矩陣 A 的秩為 3，求 Ax = 0 通解中參數

的個數。

208
 4.8 秩、核數與基本的矩陣空間(觀念)
等價定理
定理 4.8.4 等價敘述
 若 A 為 n × n 矩陣，則下列敘述為等價敘述。

 (a) A 為可逆矩陣。

 (b) Ax = 0 有唯一解，為顯解。

 (c) A 的簡化列梯形為 In。

 (d) A 可表為一連串基本矩陣的乘積。

 (e) 對每一 n × 1 矩陣 b， Ax = b 具有一致性。

 (f) 對每一 n × 1 矩陣 b， Ax = b 有唯一解。

 (g) det(A) ≠ 0。

209
4.8秩、核數與基本的矩陣空間(觀念)
定理 4.8.4 等價敘述(續)
 (h) A 的行向量為線性獨立。
 (i) A 的列向量為線性獨立。
 (j) A 的行向量生成 Rn。
 (k) A 的列向量生成 Rn。
 (l) A 的行向量為 Rn 的基底。
 (m) A 的列向量為 Rn 的基底。
 (n) A 的秩為 n。
 (o) A 的核數為 0。

209
 4.8秩、核數與基本的矩陣空間(不考)
過定與欠定系統
定理 4.8.5
 若 Ax = b 為具有一致性的線性系統，其具有 m 個方程式、
n 個未知數，且若 A 的秩為 r，則此系統的通解會包含 n – r
個參數。
定理 4.8.6
 令 A 為 m × n 矩陣，
 (a) ( 過定情況)：若 m > n，則至少有一個在 Rn 中的向量 b，
會使線性系統 Ax = b 不具一致性（無解）。
 (b) ( 欠定情況)：若 m < n，則對每一個在 Rm 中的向量 b，
線性系統 Ax = b 不是不具一致性（無解）就是有無窮多解。

210
 4.8秩、核數與基本的矩陣空間(觀念)
矩陣的基本空間

 這些稱為矩陣 A 的基本空間（fundamental spaces）。

定理 4.8.7
 若 A 為任意矩陣，則 rank(A) = rank(AT)。

211
4.8秩、核數與基本的矩陣空間(觀念)

(6)
(7)

定 義 ２(不考)
 若 W 為 Rn 的子空間， Rn 中所有會正交於 W 中每
一向量的這種向量所成的集合，此集合稱為 W 的
正交補集（orthogonal complement），記作 W⊥。

212
 4.8秩、核數與基本的矩陣空間(觀念)

定理 4.8.8

 若 W 為 Rn 的子空間，則

 (a) W⊥ 為 Rn 的子空間。

 (b) 0 為 W 和 W⊥ 的共同向量。

 (c) W⊥ 的正交補集為 W。

 (d) W 和 W⊥的基底 可共成為 Rn 的基底

212
 範例 7 正交補集 (觀念)
在 R2 中，通過原點的一直線 W 之正交補集為通過原
點且與 W 垂直的直線（如圖4.8.1a）。在 R3 中，通
過原點的一平面 W 之正交補集為通過原點且與此平
面垂直的直線（如圖 4.8.1b）。

212
 4.8秩、核數與基本的矩陣空間(不考)

基本空間之間的幾何關連

213
 4.8秩、核數與基本的矩陣空間 (觀念)

定理 4.8.9

 若 A 為 m × n 矩陣，則

 (a) A 的核空間和 A 的列空間在 Rn 中彼此為正交補

集。

 (b) AT 的核空間和 A 的行空間在 Rm 中彼此為正交

補集。

213
 4.8秩、核數與基本的矩陣空間(觀念)
更多的等價定理
定理 4.8.10 等價敘述
 若 A 為 n × n 矩陣，則下列敘述為等價敘述。
 (a) A 為可逆矩陣。
 (b) Ax = 0 有唯一解，為顯解。
 (c) A 的簡化列梯形為 In。
 (d) A 可表為一連串基本矩陣的乘積。
 (e) 對每一 n × 1 矩陣 b， Ax = b 具有一致性。
 (f) 對每一 n × 1 矩陣 b， Ax = b 有唯一解。
 (g) det(A) ≠ 0。

214
 4.8秩、核數與基本的矩陣空間(觀念)
定理 4.8.10 等價敘述(續)
 (h) A 的行向量為線性獨立。
 (i) A 的列向量為線性獨立。
 (j) A 的行向量生成 Rn。
 (k) A 的列向量生成 Rn。
 (l) A 的行向量為 Rn的基底。
 (m) A 的列向量為 Rn 的基底。
 (n) A 的秩為 n。
 (o) A 的核數為 0。
 (p) A 的核空間之正交補集為 Rn。
 (q) A 的列空間之正交補集為 {0}。

214