4.1 從具體到抽象：向量空間公理#

前言：母雞換羽毛#

前三章的「向量」都是數組： \((x,y)\) 、 \((x,y,z)\) 、784 維的圖片。本章要跨出大膽的一步：把「向量」的定義從「是什麼」改成「做什麼」。任何一套物件，只要能相加、能乘純量、並遵守幾條公理，就是一個向量空間——多項式、矩陣、函數、甚至微分方程的解，全都適用同一套理論。這個抽象化是線性代數從「計算技術」蛻變為「空間思維」的關鍵時刻。

歷史前因後果#

三位先驅：格拉斯曼、皮亞諾與希爾伯特#

• 格拉斯曼（Hermann Grassmann, 1809–1877）在 1844 年出版《線性延論》（Ausdehnungslehre），首次系統地處理 \(n\) 維抽象空間。他的書太超前：幾乎無人讀懂，第一版只賣出數百本。格拉斯曼是中學教師兼神學研究者，他自學成才的理論（線性獨立、基底、外積）在四十年後才被承認為天才之作。1862 年他重寫了較易讀的版本。
• 皮亞諾（Giuseppe Peano, 1858–1932）在 1888 年的《幾何演算》（Calcolo geometrico）中首次給出向量空間的公理化定義——就是我們今天用的那組公理。他也幾乎被同時代人忽略。
• 1890–1910 年代，希爾伯特（David Hilbert, 1862–1943）研究積分方程時引入無窮維函數空間（後稱希爾伯特空間）；巴拿赫（Stefan Banach, 1892–1945）在 1920 年代完成賦範空間理論。抽象向量空間終於成為二十世紀數學的通用語言。

• 馮紐曼在 1932 年的《量子力學數學基礎》把希爾伯特空間公理化地應用於量子力學——「狀態是向量」從此成為物理學的正式語言。

• 解決了什麼問題：微分方程、傅立葉級數、量子力學中的對象（函數）行為很像向量，但沒有統一理論。公理化之後，一個定理證一次，處處適用。

• 引發了什麼新問題：無窮維空間中「基底」的意義（Hamel 基底 vs. 正交基底）、收斂與完備性等分析問題湧現，催生了泛函分析。

timeline
    title 抽象化的里程碑
    1844 : 格拉斯曼《線性延論》n維空間
    1888 : 皮亞諾 給出向量空間公理
    1910 : 希爾伯特 函數空間
    1920s : 巴拿赫 賦範空間
    1932 : 馮紐曼 量子力學的希爾伯特空間

向量空間的公理#

定義：一個（實）向量空間（vector space）是集合 \(V\) 配上兩種運算——加法 \(\mathbf{u}+\mathbf{v} \in V\) 與純量乘法 \(c\mathbf{v} \in V\) ——滿足十條公理（對所有 \(\mathbf{u},\mathbf{v},\mathbf{w}\in V\) 與純量 \(c,d\) ）：

這些公理全部是 1.1 節具體向量性質的抄寫——但現在它們是要求而非結論。任何滿足公理的系統，前三章所有只用到這些性質的定理（消去法、秩理論、獨立性）自動成立。

由公理可證的基本事實#

看似平凡的推論都需要公理支持（這是抽象化的基本功）：

1. 零向量唯一：若 \(\mathbf{0}'\) 也是零元素，則 \(\mathbf{0}' = \mathbf{0}' + \mathbf{0} = \mathbf{0}\) 。
2. ** \(0\cdot\mathbf{u} = \mathbf{0}\) **： \(0\mathbf{u} = (0+0)\mathbf{u} = 0\mathbf{u} + 0\mathbf{u}\) ，兩邊加 \(-0\mathbf{u}\) 得 \(0\mathbf{u} = \mathbf{0}\) 。
3. ** \(c\cdot\mathbf{0} = \mathbf{0}\) **、 \((-1)\mathbf{u} = -\mathbf{u}\) 、 \(c\mathbf{u} = \mathbf{0} \Rightarrow c=0\) 或 \(\mathbf{u}=\mathbf{0}\) 。

常見與不常見的向量空間：範例集#

標準範例#

驗證範例：多項式空間 \(P_2\)#

\(P_2 = \{a_0 + a_1x + a_2x^2\}\) 。兩多項式相加即係數相加； \(c\,p(x)\) 即係數乘 \(c\) 。十條公理全部滿足（因為多項式運算繼承了實數運算的交換、結合、分配律）。零元素是零多項式； \(-p(x)\) 是係數變號。

反例：不是向量空間的集合#

反例一： \(\mathbb{R}^2\) 中第一象限 \(\{(x,y): x\ge0, y\ge0\}\) 。加法封閉 ✓，但 \(-1\cdot(1,1) = (-1,-1)\) 跑出集合——公理 10 失效。✗

反例二： \(\mathbb{R}^2\) 中的圓盤 \(\{x^2+y^2 \le 1\}\) 。純量乘大會跑出去。✗

反例三（微妙）：集合 \(\{(x,y): y = x^2\}\) （拋物線上的點）。 \((1,1)+(2,4) = (3,5)\) ，但 \(5 \neq 3^2\) ——加法不封閉。✗

反例四（最具啟發）：取運算 \(\mathbf{u}\oplus\mathbf{v} = \mathbf{u}+\mathbf{v}+\mathbf{e}_1\) （自訂加法），純量乘法照舊。檢查：交換 ✓、結合 ✓，但零元素是 \(-\mathbf{e}_1\) 而非 \(\mathbf{0}\) ……最終 \(\mathbf{0}\oplus\mathbf{v} = \mathbf{v} + \mathbf{e}_1 \ne \mathbf{v}\) ，公理 3 對「標準零」失效但集合 \(\{-\mathbf{e}_1\}\) 可當零。細究後發現此系統其實同構於 \(\mathbb{R}^2\) 平移——公理允許的「空間」比直覺寬廣。

反例五（物理味）：非負實數配上「乘法當加法、開方當純量乘」： \(\mathbf{u}\oplus\mathbf{v} = uv\) ， \(c\odot\mathbf{u} = u^c\) 。驗證：交換 ✓ 結合 ✓、零元素 \(= 1\) 、分配律 \((uv)^c = u^cv^c\) ✓、 \(c\odot(d\odot u) = (u^d)^c = u^{cd}\) ✓、 \(1\odot u = u\) ✓。這是向量空間！（對數把它變回 \(\mathbb{R}\) 的加法。）——公理的威力：連「乘法世界」都可以是向量空間。

子空間：空間中的空間#

定義： \(W \subseteq V\) 非空，若對加法與純量乘法封閉，則 \(W\) 是 \(V\) 的子空間（subspace）。

定理（子空間檢驗法）： \(W\) 是子空間 ⇔ (1) \(\mathbf{0}\in W\) ；(2) 封閉於加法；(3) 封閉於純量乘法。

為什麼 \(\mathbf{0}\in W\) 重要：反例—— \(W = \{\mathbf{v}: \|\mathbf{v}\| = 1\}\) （單位球面）封閉於加法？ \((1,0)+(0,1) = (1,1)\) 長度 \(\sqrt2 \ne 1\) ，加法都不封閉；更基本的，零向量不在其中。

標準範例：

過原點為什麼是底線：線性變換與線性方程組的解集都必過「原點」（齊次解）；平移後的解集（仿射集）不是子空間，但可表示為「子空間 + 一個特解」（1.2 節例 1.2-3 已預演）。

例： \(A\mathbf{x}=\mathbf{0}\) 的解集是子空間（第 1 章的齊次系統）！驗證： \(\mathbf{0}\) 是解；若 \(A\mathbf{u} = A\mathbf{v} = \mathbf{0}\) 則 \(A(\mathbf{u}+\mathbf{v}) = \mathbf{0}\) 、 \(A(c\mathbf{u}) = c\,A\mathbf{u} = \mathbf{0}\) ✓。這個子空間稱為 \(A\) 的零空間（null space），是 5.3 節的主角。

例題#

例題 4.1-1（驗證子空間）：判斷 \(W = \{(x, y, z) \in \mathbb{R}^3 : x + y - 2z = 0\}\) 是否為 \(\mathbb{R}^3\) 的子空間。

解： 1. \(\mathbf{0} = (0,0,0)\) ： \(0+0-2\cdot0 = 0\) ✓ 2. 封閉於加法：若 \(x_1+y_1-2z_1 = 0\) 且 \(x_2+y_2-2z_2 = 0\) ，則 \((x_1+x_2)+(y_1+y_2)-2(z_1+z_2) = 0 + 0 = 0\) ✓ 3. 封閉於純量乘法： \(c(x+y-2z) = c\cdot0 = 0\) ✓

是子空間。它就是齊次方程 \(x+y-2z=0\) 的解集——一個過原點的平面。求參數化：令 \(y = s, z = t\) ， \(x = 2t - s\) ：

兩個向量 \(\begin{bmatrix} -1\\1\\0\end{bmatrix}, \begin{bmatrix} 2\\0\\1\end{bmatrix}\) 張成 \(W\) ——它們將被證明是 \(W\) 的一個基底（4.2–4.3 節）。

例題 4.1-2（非子空間）： \(W = \{(x,y): xy \ge 0\}\) （第一、三象限含軸）。取 \(\mathbf{u} = (1, 0)\) 、 \(\mathbf{v} = (-1, 1)\) ：兩者皆在 \(W\) （ \(1\cdot0 = 0 \ge 0\) 、 \(-1\cdot1 = -1 \ge 0\) ？不—— \(-1 < 0\) ）。改取 \(\mathbf{u} = (2,1)\) 、 \(\mathbf{v} = (-1,-2)\) ： \(\mathbf{u}\in W\) （ \(2\ge0\) ）、 \(\mathbf{v}\in W\) （ \((-1)(-2) = 2 \ge 0\) ）。但 \(\mathbf{u}+\mathbf{v} = (1, -1)\) ， \(1\cdot(-1) = -1 < 0\) ，不在 \(W\) 。加法不封閉 → 非子空間。（第一與第三象限的「合併」不是空間——它們以原點對稱相連卻不能相互加。）

例題 4.1-3（函數空間）：證明 \(W = \{f \in C[0,1] : f(0) = f(1)\}\) 是 \(C[0,1]\) 的子空間。

解：零函數滿足 \(0 = 0\) ✓。若 \(f(0)=f(1)\) 、 \(g(0)=g(1)\) ，則 \((f+g)(0) = f(0)+g(0) = f(1)+g(1) = (f+g)(1)\) ✓； \((cf)(0) = c f(0) = c f(1) = (cf)(1)\) ✓。故為子空間。這類「邊界條件定義的函數空間」正是微分方程邊值問題（如熱傳導的兩端等溫條件）的數學舞台。

與其他領域的關聯#

• 微分方程： \(\{f: f'' + \omega^2 f = 0\}\) 是二維子空間（由 \(\sin\omega t, \cos\omega t\) 張成）——「通解 = 基底的線性組合」；疊加原理就是「解集是子空間」。
• 量子力學：狀態空間是複希爾伯特空間；測量的「可選結果」對應子空間；疊加態 \(\alpha|\psi_1\rangle + \beta|\psi_2\rangle\) 就是線性組合。
• 訊號處理：帶限訊號、週期訊號都是函數空間的子空間；取樣定理（Shannon, 1949）本質是子空間的基底問題。
• 機器學習：線性模型空間 \(\{f(\mathbf{x}) = \mathbf{w}\cdot\mathbf{x} + b\}\) 、核方法中的再生核希爾伯特空間——模型集合是（或近似是）子空間。
• 編碼理論：線性碼就是 \(\mathbb{F}_2^n\) （有限體上的向量空間）的子空間；QR code、衛星通訊都靠它。

本節小結#

1. 公理化（皮亞諾 1888）把「向量」從數組解放為「任何可加可乘純量的系統」： \(\mathbb{R}^n\) 、矩陣、多項式、函數皆是。
2. 十條公理全部來自 1.1 節的具體性質；由公理可證零向量唯一、 \(0\mathbf{u}=\mathbf{0}\) 等基本事實。
3. 子空間＝封閉於加法與純量乘法的非空子集，必過原點；齊次方程的解集是原型。
4. 抽象化的回報：一個定理，處處適用——微分方程的疊加、量子的疊加、訊號的合成，全是「線性組合」。

深入議題：抽象化的回報與代價#

「一個定理，千種應用」的實例清單#

抽象公理的最大紅利：定理證明一次，全宇宙適用。對照表：

例：「解 \(L\mathbf{x} = \mathbf{0}\) 的集合是子空間」這條定理同時說明 (1) 齊次線性方程組的解可疊加；(2) 線性微分方程的解可疊加；(3) 量子態的疊加仍是合法態。三個領域的「疊加原理」共享同一證明——公理化把重複勞動壓縮成一次。

公理的獨立性：為什麼十條都不能少#

數學家喜歡檢驗公理的獨立性（能否去掉一條仍有模型）。反例建構：

• 去掉「交換律」：四元數是「左向量空間」但乘法不交換（加法仍交換——此例針對純量乘法的側面更微妙）；
• 去掉「 \(1\cdot\mathbf{u} = \mathbf{u}\) 」：取 \(c\odot\mathbf{u} = \mathbf{0}\) （所有純量乘法歸零）——除公理 8 外全滿足，但空間塌縮；
• 去掉「負元素」：半空間 \(\{x \ge 0\}\) 封閉於加法與正純量乘，但 \(-\mathbf{u}\) 缺失。

歷史注腳：皮亞諾 1888 年的原始版本就有細微疏漏（未明確分離兩種分配律），後由二十世紀教科書修正——公理化是精細的工藝，不是靈感的一揮而就。

複向量空間與量子力學#

複數域 \(\mathbb{C}\) 上的向量空間（複向量空間）只改一處：純量取自 \(\mathbb{C}\) 。量子力學的狀態空間 \(\mathbb{C}^n\) （或 \(L^2(\mathbb{R})\) ）：

• 疊加 \(\alpha|\psi_1\rangle + \beta|\psi_2\rangle\) 中的複係數攜帶相位——干涉現象的來源；
• 「歸一化」 \(\|\psi\| = 1\) 使座標成為機率振幅；
• 基底變換（5.2 節）= 表象變換（位置表象 vs 動量表象）。

為什麼必須複數：實數域的「旋轉」沒有本徵方向（6.3 節），而物理要求每個可觀測量有本徵態——複數域（代數封閉）保證特徵值存在。域的選擇不是技術細節，而是物理內容。

子空間的和與交：子空間的代數#

子空間本身可以「加」與「交」：

• 交 \(W_1 \cap W_2\) ：同屬兩者的向量——永遠是子空間；
• 和 \(W_1 + W_2 = \{\mathbf{w}_1 + \mathbf{w}_2\}\) ：所有組合——永遠是子空間；
• 維數公式：

（與集合論的容斥原理同構！）當 \(W_1 \cap W_2 = \{\mathbf{0}\}\) 時即直和 \(W_1 \oplus W_2\) ，維數相加。

例子： \(\mathbb{R}^3\) 中兩個不同的過原點平面（各 2 維）相交於直線（1 維）： \(2 + 2 - 1 = 3 = \dim\mathbb{R}^3\) ✓。這條公式在 4.3 節將成為「四大子空間」維度計算的基礎。

例題（續）#

例題 4.1-4（維數公式應用）： \(W_1 = \{(x, y, z): x + y = 0\}\) 、 \(W_2 = \{(x, y, z): y + z = 0\}\) 。求 \(W_1 \cap W_2\) 與 \(W_1 + W_2\) 的維度。

解：各為 2 維平面（各一條獨立約束）。交集： \(x + y = 0\) 且 \(y + z = 0\) → \(x = -y = z\) ，即 \(\mathrm{span}\{(1, -1, 1)\}\) ，1 維。

（兩個平面「張滿」整個空間，但不是直和——交集非零。任一向量的分解 \(v = w_1 + w_2\) 不唯一：可沿交集方向「互借」。）

例題 4.1-5（函數空間的反例與正例）：

(a) \(W = \{f \in C[0,1]: f(0) = 1\}\) ——非子空間（零函數不在；且兩個「 \(f(0)=1\) 」的函數之和有 \(f(0) = 2\) ，封閉性都破）。這是「仿射集」（平移的子空間）的例子。

(b) \(W = \{p \in P_3: p(1) = 0\}\) ——是子空間（驗證：零多項式 ✓； \(p(1) = q(1) = 0 \Rightarrow (p+q)(1) = 0\) ✓； \((cp)(1) = 0\) ✓）。基底： \((x - 1), (x-1)x, (x-1)x^2\) ——根條件 = 因式條件， \(p(x) = (x-1)q(x)\) ， \(q \in P_2\) ，故 \(\dim = 3\) （比 \(P_3\) 少一維：一個點值約束）。

例題 4.1-6（同構的預演）： \(P_2\) 與 \(\mathbb{R}^3\) 「本質相同」——映射 \(p(x) = a_0 + a_1x + a_2x^2 \mapsto (a_0, a_1, a_2)\) 保存加法與純量乘法，且雙射。同構（isomorphism）允許我們把抽象空間的問題「翻譯」回 \(\mathbb{R}^n\) 解決——但記住：同構依賴於基底的選擇（5.2 節的伏筆）。

練習題#

1. 驗證 \(W = \{(x, y, z): x - 2y + z = 0\}\) 是子空間，並求一組含兩個元素的生成集。
2. 判斷下列是否為 \(\mathbb{R}^3\) 子空間：(a) \(\{(x,y,z): z \ge 0\}\) ；(b) 上半單位球面；(c) \(\{(x, y, z): x = y = z\}\) ；(d) \(\{(x, y, z): x + y \in \mathbb{Z}\}\) 。
3. 在 \(P_2\) 中， \(W = \{p: p(0) = p(1)\}\) 是子空間嗎？求其維度。（答：是；維度 2。）
4. 證明：兩個子空間的並集 \(W_1 \cup W_2\) 是子空間 ⟺ \(W_1 \subseteq W_2\) 或 \(W_2 \subseteq W_1\) 。（提示：取 \(u \in W_1 \setminus W_2\) 、 \(v \in W_2 \setminus W_1\) ，考慮 \(u + v\) 。）
5. 用維數公式： \(\mathbb{R}^4\) 中 \(\dim W_1 = 3\) 、 \(\dim W_2 = 3\) ，交集維度的可能範圍？（答： \(2 \le \dim \cap \le 3\) 。）
6. （思考）為什麼「所有可逆矩陣」不是 \(M_{n\times n}\) 的子空間，但「所有 \(A^T = -A\) 的矩陣」是？各給一句幾何理由。

預告：空間中的向量如何「生成」整個空間？哪些向量是「多餘的」？下一節 4.2 處理線性組合、張成與獨立——向量空間理論的心臟。