向量空间公理

第一卷里向量是箭头或一列数字。成熟的视角彻底忘掉图像，只保留箭头恰好遵守的那些规则。向量空间是一个集合 V，配上两种运算——把两个元素相加，以及用所选域 F 中的一个数去缩放某个元素——它们满足一小串公理。任何遵守这串公理的对象都是向量空间，无论其元素是箭头、多项式、函数还是矩阵。

公理分两组。加法使 V 成为一个阿贝尔群：它满足结合律与交换律，存在零向量 0 使 v + 0 = v，且每个 v 都有负元 -v 使 v + (-v) = 0。标量乘法随后以相容方式相互作用：1*v = v，(ab)*v = a*(b*v)，且两条分配律 a*(u+v) = a*u + a*v 与 (a+b)*v = a*v + b*v 成立。总共八条公理，没有一条提到 R^n。

回报在于杠杆效应：你仅凭这些公理证明的每个定理，会同时在它们的每一个模型中成立。当你日后遇到连续函数空间，或某个微分方程的解集时，你无需重新推导标量满足分配律——你已为所有空间证明过了。这种抽象不是装饰，它正是让一段论证服务于无穷多个具体情形的关键。

一句值得内化的提醒：公理刻意稀疏。它们不给你长度、不给你角度、也不给你哪些向量彼此“接近”的概念。那些额外之物（范数、内积）是日后叠加上去的额外结构。一个赤裸的向量空间只知道如何相加与缩放——而出人意料的是，大量线性代数无需更多。