{
  "id": "vector-space",
  "title": "向量空间",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "向量空间是配备向量加法和标量乘法的集合，其公理推广了几何向量的运算规则。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "线性空间"
  ],
  "generated_at": "2026-10-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/vector-space/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/vector-space/",
      "json": "https://aiwiki.page/en/vector-space.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "向量空间是一种数学结构，其元素称为向量，可以相加，也可以与指定域中的标量相乘。这些运算遵循的规则推广了我们熟悉的箭头和坐标列表的运算。向量不必是几何对象：函数、多项式和矩阵也可以构成向量空间。这一概念为线性代数提供了基本框架，使同一套方法能够用于描述多种不同的数学对象。(math.brown.edu)"
    },
    {
      "heading": "定义与公理",
      "text": "域 \\(F\\) 上的向量空间由集合 \\(V\\)、加法运算 \\(V\\times V\\to V\\) 和标量乘法 \\(F\\times V\\to V\\) 构成。常见的标量域有实数域 \\(\\mathbb R\\) 和复数域 \\(\\mathbb C\\)。这些运算具有封闭性：两个向量相加，或向量与标量相乘，所得结果始终是 \\(V\\) 中的元素。(math.brown.edu)\n\n对于任意 \\(u,v,w\\in V\\) 和 \\(a,b\\in F\\)，以下公理成立：\n\n- 加法交换律： \\(u+v=v+u\\)。\n- 加法结合律： \\((u+v)+w=u+(v+w)\\)。\n- 加法单位元： 存在零向量 \\(0_V\\)，满足 \\(v+0_V=v\\)。\n- 加法逆元： 每个 \\(v\\) 都有一个元素 \\(-v\\)，满足 \\(v+(-v)=0_V\\)。\n- 标量乘法的相容性： \\(a(bv)=(ab)v\\)。\n- 标量乘法单位元： \\(1v=v\\)。\n- 对向量加法的分配律： \\(a(u+v)=au+av\\)。\n- 对标量加法的分配律： \\((a+b)v=av+bv\\)。\n\n这些规则区分了向量加法与标量乘法；向量空间并不要求定义两个向量之间的乘法。(math.mit.edu)"
    },
    {
      "heading": "示例与标量的作用",
      "text": "坐标空间 \\(F^n\\) 由 \\(n\\) 个标量组成的有序列表构成。加法和标量乘法都按分量进行。例如，在 \\(\\mathbb R^2\\) 中，\n\n\\[(1,2)+(3,-1)=(4,1),\\qquad 2(1,2)=(2,4).\\]\n\n仅包含零向量的空间也是向量空间。(math.brown.edu)\n\n域 \\(F\\) 上所有 \\(m\\times n\\) 矩阵组成的集合，在逐项相加和标量乘法下构成向量空间。次数不超过 \\(d\\) 的多项式，连同零多项式，也构成一个向量空间。更一般地，从某个固定集合到 \\(F\\) 的所有函数，在逐点运算下构成向量空间。这些例子表明，“向量”描述的是一种代数角色，而非某种特定形状或记法。(linear.axler.net)\n\n标量域是这一结构的组成部分，而非无关紧要的选择。复数在 \\(\\mathbb C\\) 上构成一维空间，基为 \\(1\\)；但在 \\(\\mathbb R\\) 上构成二维空间，基为 \\(1,i\\)。(linear.axler.net)"
    },
    {
      "heading": "线性组合、基与维数",
      "text": "向量 \\(v_1,\\ldots,v_k\\) 的线性组合是形如\n\n\\[a_1v_1+\\cdots+a_kv_k,\\qquad a_j\\in F\\]\n\n的表达式。一个向量集合的线性张成空间是其所有有限线性组合组成的集合。如果一个线性组合只有在所有系数均为零时才等于零向量，那么这些向量就是线性无关的。否则，它们就是线性相关的。(ocw.mit.edu)\n\n基是一个线性无关且能张成整个空间的向量集合。每个向量都能唯一地表示为基向量的有限线性组合。对于有限有序基 \\(b_1,\\ldots,b_n\\)，\n\n\\[v=x_1b_1+\\cdots+x_nb_n.\\]\n\n这些系数组成了 \\(v\\) 相对于该基的坐标列表。更换基会改变坐标，但不会改变向量本身。(linear.axler.net)\n\n有限维空间的维数是其任意一组基中向量的个数；它的所有基都具有相同的大小。因此，\\(F^n\\) 的维数为 \\(n\\)。如果不存在能够张成整个空间的有限向量集合，该空间就是无限维的。所有多项式组成的空间便是一个例子：任意高次幂不可能由有限个多项式生成。(ocw.mit.edu)"
    },
    {
      "heading": "子空间与线性映射",
      "text": "线性子空间是一个子集，在沿用原空间运算的情况下，它本身也是向量空间。它必须包含零向量，并且对加法和标量乘法封闭。经过原点的直线和平面是常见的例子。平移后不含原点的平面则是仿射子集。齐次方程组 \\(Ax=0\\) 的解构成子空间；如果 \\(Ax=b\\) 有一个解 \\(x_0\\)，则它的解集为 \\(x_0+\\ker A\\)。(ocw.mit.edu)\n\n同一域上两个空间之间的线性映射 \\(T:V\\to W\\) 保持线性组合：\n\n\\[T(au+bv)=aT(u)+bT(v).\\]\n\n它的核由映射到零向量的向量组成，像则由所有能够取得的输出组成。核与像都是子空间。当 \\(V\\) 为有限维空间时，秩—零度定理指出\n\n\\[\\dim V=\\dim\\ker T+\\dim\\operatorname{im}T.\\]\n\n选定基后，有限维空间之间的线性映射可以用矩阵表示。双射的线性映射称为同构；域 \\(F\\) 上的每个 \\(n\\) 维空间都与 \\(F^n\\) 同构。(linear.axler.net)"
    },
    {
      "heading": "附加结构与构造",
      "text": "仅凭向量空间公理，既不能定义长度，也不能定义角度。内积提供了用于定义正交性的附加结构，并诱导出一个范数。赋范向量空间具有指定的长度概念，而希尔伯特空间则是在其内积诱导的范数下完备的内积空间。相容的拓扑学结构使我们能够在研究代数运算的同时，研究收敛性与连续性。(math.brown.edu)\n\n对偶空间 \\(V^*\\) 由从 \\(V\\) 到其标量域的线性映射组成。商空间 \\(V/U\\) 将差属于子空间 \\(U\\) 的向量视为等价。张量积为多重线性映射提供了向量空间框架，将线性性推广到多个自变量。这些构造在保留向量空间公理的同时，为泛函、等价类和多重线性关系提供了组织方式。(math.mit.edu)"
    }
  ],
  "links": [
    "field-mathematics",
    "linear-algebra",
    "real-number",
    "complex-number",
    "axiom",
    "matrix",
    "polynomial",
    "mathematical-function",
    "linear-combination",
    "linear-span",
    "linear-independence",
    "basis-linear-algebra",
    "dimension-vector-space",
    "linear-subspace",
    "affine-space",
    "linear-map",
    "rank-nullity-theorem",
    "inner-product",
    "normed-vector-space",
    "hilbert-space",
    "topology",
    "dual-space",
    "quotient-vector-space",
    "tensor-product",
    "multilinear-map"
  ],
  "sources": [
    {
      "title": "math.brown.edu/streil/papers/LADW/Old/LADW.pdf",
      "url": "https://www.math.brown.edu/streil/papers/LADW/Old/LADW.pdf"
    },
    {
      "title": "math.mit.edu/classes/18.952/spring2013/docs/book.pdf",
      "url": "https://math.mit.edu/classes/18.952/spring2013/docs/book.pdf"
    },
    {
      "title": "linear.axler.net/LADR4e.pdf",
      "url": "https://linear.axler.net/LADR4e.pdf"
    },
    {
      "title": "ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/4d876a9159e32543eb0d73b4d4…",
      "url": "https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/4d876a9159e32543eb0d73b4d4382f4c_MIT18_06S10ZoomNotes.pdf"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}