向量空间（Vector Space）

一句话定义

满足 8 条公理的集合，其元素（向量）可以相加并与标量相乘。这套公理体系使同一理论同时适用于几何数组、函数、多项式等无穷多种对象。

设 $F$ 为 $R$ 或 $C$ 。向量空间 $V$ 是带有两种运算的集合：

加法： $V \times V \to V$ ，记 $u + v$ 标量乘法： $F \times V \to V$ ，记 $a v$

公理	内容
加法封闭	$\forall u, v \in V, u + v \in V$
加法交换	$u + v = v + u$
加法结合	$(u + v) + w = u + (v + w)$
零向量存在	$\exists 0 \in V, u + 0 = u$
负向量存在	$\forall u \in V, \exists - u \in V, u + (- u) = 0$
标量乘法封闭	$\forall a \in F, \forall v \in V, a v \in V$
标量乘法分配律（向量）	$a (u + v) = a u + a v$
标量乘法分配律（标量）	$(a + b) u = a u + b u$
标量乘法结合	$a (b u) = (ab) u$
标量乘法单位	$1 v = v$

关键洞察： $F^{S}$ 当 $S$ 有限时即 $F^{n}$ ，当 $S$ 是区间时是函数空间——这说明 $F^{n}$ 不是特殊对象，只是函数空间在有限集上的特例。

$U \subseteq V$ 是子空间 $\Leftrightarrow$ 三条件同时成立（定理 1.34）：

Tip

其余公理从 $V$ “免费继承”——子空间判别只需验证这三个条件，无需重新验证全部八条。

和： $U_{1} + U_{2} = {u_{1} + u_{2} : u_{1} \in U_{1}, u_{2} \in U_{2}}$ ，是包含 $U_{1} \cup U_{2}$ 的最小子空间（定理 1.40）
直和： $U_{1} \oplus U_{2}$ ，要求 $U_{1} \cap U_{2} = {0}$ ——每个元素有唯一分解（定义 1.41）
判别法（定理 1.46）： $U_{1} + U_{2}$ 是直和 $\Leftrightarrow$ $U_{1} \cap U_{2} = {0}$

第 1 章的三节构成从具体到抽象再到结构的递进链条：

1A: F^n（具体对象）
    ↓ 提取共同性质
1B: 向量空间八条公理（抽象定义）
    ↓ 研究子结构
1C: 子空间（子结构）

公理化方法的意义：一旦证明某定理对”向量空间”成立，它就对所有满足八条公理的对象自动成立——一套理论，处处适用。

后续章节	直和的应用
第 2 章	基将空间分解为一维子空间的直和
第 5 章	特征空间分解 $V = E (λ_{1}, T) \oplus \dots \oplus E (λ_{m}, T)$
第 7 章	谱定理：自伴算子的特征向量构成正交直和
第 8 章	广义特征空间分解 $V = G (λ_{1}, T) \oplus \dots \oplus G (λ_{m}, T)$

第 1 章是全书的起点。LADR 的核心思想：从向量空间出发，线性映射是主角，矩阵只是表示工具。