子空间、基与维数：空间的坐标系
本文基于模型知识整理（生成时未联网核对），关键结论建议对照 Axler 教材第 2 章复核。
一句话定义
基是"线性无关且张成全空间"的向量组——它是最经济的坐标系：每个向量恰有唯一的基系数表示（坐标）；维数是基中向量的个数（同一空间的任何基一样长）；维数定理给出空间与其子空间的尺寸账本。
为什么重要
基是"换一个更顺手的视角描述世界"的工具：傅里叶基让信号变成频率清单，特征基让矩阵变成对角（kp-013），主成分基让数据变成方差清单（kp-020）。维数则回答"问题的本质自由度是多少"——降维的本质就是找到低维子空间承载主要信息。
前置知识
kp-003（线性无关与张成）。
核心概念
- 基（basis）：线性无关 + 张成 V。两条性质各管一头：无关保唯一、张成保覆盖。
- 坐标：$v = c_1b_1 + \dots + c_nb_n$ 中的系数 $(c_1,\dots,c_n)$——在基 B 下的地址。
- 维数：基的大小；定理保证任何两个基等势（可互换）——维数是空间的内在属性，与选哪组基无关。
- 标准基：$\mathbb{R}^n$ 的 $e_1,\dots,e_n$；多项式空间的 $1,x,x^2,\dots$。
- 维数定理（子空间）：$\dim(U) + \dim(W) = \dim(U+W) + \dim(U\cap W)$。
- 基变换：换基 = 坐标乘一个可逆矩阵（新旧基拼成的矩阵）——视角切换的代数化（kp-013 前置）。
原理与机制
为什么基存在且长度唯一：从任意有限张成组出发，不断删除"被其余表示"的向量（保张成），最终剩下的组无关（否则还能删）——基的构造性证明；两条基等长的证明用交换论证（A 的向量逐个替换 B 的）。唯一长度 ⇒ 维数良定义。
坐标的矩阵化：把基向量按列拼成矩阵 B，坐标 $c$ 满足 $Bc = v$，即 $c = B^{-1}v$——"求坐标 = 解方程"（kp-001 的问题一再现）。若 B 正交（kp-005），$B^{-1}=B^\top$，坐标就是投影内积——傅里叶系数、主成分得分全由此来。
维数定理的直觉：$U+W$ 是并集撑起的空间，$U\cap W$ 是重叠部分；重叠每多一维，并集就少撑一维（账本守恒）。标准应用：$\dim(\text{null}(A)) + \dim(\text{col}(A)) = n$（kp-008 的秩-零化度定理是其向量空间版）。
图示
基 = 无关(唯一表示) + 张成(全覆盖)
v = Bc, c = B⁻¹v (B = 基按列拼成)
维数定理: dim(U)+dim(W) = dim(U+W)+dim(U∩W)
例: R³ 中两个过原点平面 U,W → dim(U∩W) = 2+2−3 = 1 (一条交线)直观类比
城市地址系统：经纬度（标准基）总能定位，但"沿地铁线 300 米"（自定义基）在描述站点位置时更简洁——基是描述系统的选择，坐标是地址；维数是"定位这个城市需要几个数"，与用哪套地址系统无关。
实例或案例
- 傅里叶变换 = 换到正弦基：信号坐标从"时域采样"变"频率清单"——压缩掉小系数即有损压缩（JPEG/MP3 原理）。
- 机器学习降维：d 维特征若实际躺在 k 维子空间，找到该子空间的基即降维（kp-020 PCA 的表述）。
- 量子力学：状态空间用本征态基展开——测量即"读坐标"。
常见误区
- 误区一："维数 = 向量分量个数"。对 $\mathbb{R}^n$ 恰好相等是巧合式重合；多项式空间 $P_2$ 的向量"看起来"无限长，维数却是 3。
- 误区二："基只有标准基一个"。任何无关+张成的组都是基；选择基的自由是线代力量的来源（好基让问题变简单）。
- 误区三："子空间的基必须来自父空间的基"。不必——$xy$ 平面的基 $(1,1,0),(1,-1,0)$ 都不是 $\mathbb{R}^3$ 标准基的成员。
与其他知识点的关系
自测题
- 证明 $(1,1),(1,-1)$ 是 $\mathbb{R}^2$ 的基。
答：行列式 $1\cdot(-1)-1\cdot 1=-2\ne 0$ ⇒ 无关；两个无关向量在二维空间必张成全空间 ⇒ 是基。
- 求 $(3,3)$ 在该基下的坐标。
答：解 $c_1(1,1)+c_2(1,-1)=(3,3)$ ⇒ $c_1=3, c_2=0$——坐标 (3,0)。
- $\mathbb{R}^3$ 中平面 U 与直线 W（都过原点），何时 $\dim(U+W)=3$？
答：W 不含于 U（交为零维）时：2+1−0=3；W⊂U 则和仍为 2。
延伸阅读
- Axler《Linear Algebra Done Right》第 2 章（基与维数的严格展开）。
- Strang《Introduction to Linear Algebra》§2.3。
- 3Blue1Brown《Essence of LA》第 3–4 集（线性变换与矩阵乘法视角）。