线性代数：向量空间

线性代数 - 这篇文章属于一个选集。

§ 5: 本文

在前面的学习中，我们不只是在解方程，更是在观察解的“结构”。特别是齐次方程 $\boldsymbol{A}\boldsymbol{x}=\boldsymbol{0}$ 的解集，它具有一种美妙的封闭性：任意两个解相加仍然是解，任意解的数乘也仍然是解。这种结构正是“向量空间”的雏形。本节将这个概念正式化、公理化。

1. 前置概念：群 (Group)
#

在定义向量空间之前，我们需要了解一个更基础的代数结构——群。群研究的是单个运算下的代数结构。

准确的数学定义

一个群 (Group) 是一个集合 $G$ 与其上的一个二元运算 $\otimes$ （例如加法 + 或乘法 ·）组成的代数结构，记作 $(G, \otimes)$，它必须满足以下四个公理：

封闭性 (Closure)：对于 $G$ 中任意两个元素 $x, y$，它们的运算结果 $x \otimes y$ 仍然在 $G$ 中。
$$ \forall x, y \in G : x \otimes y \in G $$
结合律 (Associativity)：运算的顺序不影响结果。
$$ \forall x, y, z \in G : (x \otimes y) \otimes z = x \otimes (y \otimes z) $$
单位元 (Neutral Element)：$G$ 中存在一个“单位”元素 $e$，任何元素与它运算都保持不变。
$$ \exists e \in G, \forall x \in G : x \otimes e = e \otimes x = x $$
逆元 (Inverse Element)：对于 $G$ 中的每一个元素 $x$，都存在一个“逆”元素 $y$（通常记作 $x^{-1}$），使得它们运算的结果是单位元 $e$。
$$ \forall x \in G, \exists y \in G : x \otimes y = y \otimes x = e $$

如果一个群还额外满足交换律 (Commutativity)，即 $\forall x, y \in G : x \otimes y = y \otimes x$，那么它被称为阿贝尔群 (Abelian Group) 或交换群。

数值示例：

$(\mathbb{Z}, +)$：整数集合与加法运算构成一个阿贝尔群。单位元是0，任何整数 $n$ 的逆元是 $-n$。
$(\mathbb{R} \setminus\{0\}, \cdot)$：非零实数集合与乘法运算构成一个阿贝尔群。单位元是1，任何数 $x$ 的逆元是 $1/x$。
$(\mathbb{N}_0, +)$ (非负整数集与加法)：不是群。虽然有单位元0，但除了0以外的元素（如3）没有逆元（-3不在集合中）。

2. 向量空间的定义
#

向量空间在一个阿贝尔群的基础上，引入了第二种运算——标量乘法，并要求这两种运算之间和谐共存。

准确的数学定义 (Definition 2.9)

一个实向量空间 (Real Vector Space) 是一个集合 $V$ 配备了两种运算：

向量加法 + : $V \times V \to V$
标量乘法 · : $\mathbb{R} \times V \to V$

并且满足以下公理：

(V, +) 是一个阿贝尔群：这自动包含了向量加法的封闭性、结合律、交换律，以及存在零向量 $\boldsymbol{0}$ (单位元) 和每个向量 $\boldsymbol{v}$ 的负向量 $-\boldsymbol{v}$ (逆元)。
标量乘法与向量加法的分配律：
$$ \forall \lambda \in \mathbb{R}, \forall \boldsymbol{x}, \boldsymbol{y} \in V : \lambda \cdot (\boldsymbol{x} + \boldsymbol{y}) = \lambda \cdot \boldsymbol{x} + \lambda \cdot \boldsymbol{y} $$
标量乘法与标量加法的分配律：
$$ \forall \lambda, \psi \in \mathbb{R}, \forall \boldsymbol{x} \in V : (\lambda + \psi) \cdot \boldsymbol{x} = \lambda \cdot \boldsymbol{x} + \psi \cdot \boldsymbol{x} $$
标量乘法的结合律：
$$ \forall \lambda, \psi \in \mathbb{R}, \forall \boldsymbol{x} \in V : \lambda \cdot (\psi \cdot \boldsymbol{x}) = (\lambda\psi) \cdot \boldsymbol{x} $$
标量乘法的单位元：
$$ \forall \boldsymbol{x} \in V : 1 \cdot \boldsymbol{x} = \boldsymbol{x} $$
其中，1是实数中的乘法单位元。

理解要点

向量空间是一个高度结构化的“舞台”，在这个舞台上，“演员”（向量）可以自由地进行加法和数乘两种表演，而不会“跑出舞台”（封闭性）。这些公理确保了我们的代数运算（如移项、合并同类项）可以像处理普通数字一样安全地应用于向量。

3. 向量子空间 (Vector Subspace)
#

在实际应用中，我们常常关心一个大向量空间内部的、自身也构成向量空间的小集合，这就是子空间。

准确的数学定义 (Definition 2.10)：

设 $V$ 是一个向量空间，其非空子集 $U \subseteq V$ 如果在继承 $V$ 的加法和标量乘法运算下，其自身也构成一个向量空间，则称 $U$ 是 $V$ 的一个向量子空间 (vector subspace) 或 线性子空间 (linear subspace)。

由于 $U$ 中的元素天然满足 $V$ 的所有运算律（如结合律、分配律），要判断 $U$ 是否为子空间，我们只需验证其封闭性和单位元的存在性即可。

子空间判定三原则：

一个非空子集 $U \subseteq V$ 是 $V$ 的子空间，当且仅当它满足以下三个条件：

包含零向量: $\boldsymbol{0}_V \in U$。
对加法封闭: $\forall \boldsymbol{x}, \boldsymbol{y} \in U \implies \boldsymbol{x} + \boldsymbol{y} \in U$。
对标量乘法封闭: $\forall \lambda \in \mathbb{R}, \forall \boldsymbol{x} \in U \implies \lambda \boldsymbol{x} \in U$。

直观解释与示例

$\mathbb{R}^3$ 中的子空间:
- 平凡子空间：仅包含零向量 $\{\boldsymbol{0}\}$ 的集合，以及 $\mathbb{R}^3$ 本身。
- 过原点的直线：形如 $\{\lambda \boldsymbol{v} | \lambda \in \mathbb{R}\}$，其中 $\boldsymbol{v} \neq \boldsymbol{0}$。
- 过原点的平面：形如 $\{\lambda_1 \boldsymbol{v}_1 + \lambda_2 \boldsymbol{v}_2 | \lambda_1, \lambda_2 \in \mathbb{R}\}$，其中 $\boldsymbol{v}_1, \boldsymbol{v}_2$ 不共线。
齐次方程组的解空间: 对于任意矩阵 $\boldsymbol{A} \in \mathbb{R}^{m \times n}$，其齐次方程 $\boldsymbol{A}\boldsymbol{x}=\boldsymbol{0}$ 的解集是 $\mathbb{R}^n$ 的一个子空间。
非齐次方程组的解空间: $\boldsymbol{A}\boldsymbol{x}=\boldsymbol{b}$ (当 $\boldsymbol{b} \neq \boldsymbol{0}$) 的解集不是一个子空间，因为它不包含零向量 $\boldsymbol{0}$。