线性代数学习笔记2-3补充：抽象向量空间

之前说过，线性的核心就是可加性和比例性

线性性（可加性和齐次性）在二维空间中的体现就是变换后原点不变且网格平行等距分布，由此得到重要推论：一个线性变换可以通过它对基向量的作用来完全描述（从而矩阵向量乘法才有了合理性，因为任意向量都是基向量的线性组合，故向量变换后也是变换的基向量的线性组合）

函数也是向量

函数在某种程度上也是一种向量，例如：

• 函数有线性性$(f＋g)(x)＝f(x)+g(x)$
• 函数有比例性$f(kx)=kf(x)$
• 函数有线性变换（接收一个函数，输出另一个函数）
  如导数$\frac{d}{dt}f(x)$（实际上，微分是一种线性算子，因为求导具有可加性和比例性）

函数的“线性变换”

如何将矩阵描述的线性变换应用到函数的世界中？
这里首先要注意多项式的空间具有无穷维，它的基函数是1,x,x2…到x的无穷次幂

• 因此，任意多项式的坐标都是无穷长的（如多项式$3+2x$的向量写作$(3,2,0,0,\mathrm{0...0})$）
• 则求导变换对应的矩阵也是无穷维的，表示如下
  

这个“微分变换”矩阵如何得出？
和之前的规律一样，矩阵中每一列就是每个基函数在变换后的坐坐标（矩阵第二列，就是第二个基函数$x$求导变换后的坐标$(0,1,0,\mathrm{0...})$）

向量一种抽象

向量究竟是什么？向量是一种高度的抽象

实际上，数学中有很多类似向量的事物，只要它们具有线性性（数乘、相加概念），不管是一组数/一组箭头/一组函数，线性代数中的线性变换，零空间，点积，特征向量等概念都可以应用上去

最终，我们将一切“类似向量”的东西（一组箭头、一组数字列表、一组函数）构成的集合称为抽象向量空间
这里的抽象性在于，不必关系具体形式，只关心它们是否遵守关于向量加法和数乘的一些共同公理，只要满足这些公理，就能被称为向量：

这样一来，数学家不用考虑向量具体是什么，只是证明公理，其他人就能将这些公理应用到具体领域。问向量是什么，就像在问3是什么（它是所有三个东西的集合的抽象概念，它可以是3个苹果，3个多项式…）

普适的代价是抽象。这就是教科书中倾向于抽象表述的根本原因

例如，对于微分方程$\frac{d^{2}y}{d{x}^2}+y=0$
其“解空间”的“基”就是$cosx$和$sinx$，这就是说，方程的所有解都可以表示为基的线性组合$c_{1}cosx+c_{2}sinx$
这里虽然$cosx$和$sinx$看上去是函数，但我们仍能将其称为“向量”，因为它们满足向量的相加和数乘规则