线性收益是指当投资的成本或风险与收益成正比时，投资者获得的收益与投资额成线性关系。
比如，投资1万美元，获得10%的收益，投资2万美元，获得20%的收益，投资额与获得的收益成正比。
这种收益模式适用于投资低风险、稳定回报的资产，如债券和固定收益类资产。
然而，如果投资者希望获得更高的回报，就需要面临更高的风险和成本，这时线性收益模式就不再适用。
在线性代数中，线性本质通常是指线性映射或线性变换的性质。具体来说，一个映射 \\( f: V \\rightarrow W \\) （其中 \\( V \\) 和 \\( W \\) 是向量空间）被称为线性的，如果它满足以下两个条件：
1. 加性（Additivity）：对于所有向量 \\( \\mathbf{v}_1, \\mathbf{v}_2 \\in V \\)，有 \\( f(\\mathbf{v}_1 + \\mathbf{v}_2) = f(\\mathbf{v}_1) + f(\\mathbf{v}_2) \\)。
2. 齐次性（Homogeneity of degree 1）：对于所有标量 \\( c \\) 和向量 \\( \\mathbf{v} \\in V \\)，有 \\( f(c\\mathbf{v}) = cf(\\mathbf{v}) \\)。
线性映射保持了向量加法和标量乘法的结构，即它将向量空间 \\( V \\) 中的线性组合映射到向量空间 \\( W \\) 中的线性组合。线性映射的例子包括矩阵乘法、微 在线性代数中，线性本质通常是指线性映射或线性变换的性质。具体来说，一个映射 \\( f: V \\rightarrow W \\) （其中 \\( V \\) 和 \\( W \\) 是向量空间）被称为线性的，如果它满足以下两个条件：
1. 加性（Additivity）：对于所有向量 \\( \\mathbf{v}_1, \\mathbf{v}_2 \\in V \\)，有 \\( f(\\mathbf{v}_1 + \\mathbf{v}_2) = f(\\mathbf{v}_1) + f(\\mathbf{v}_2) \\)。
2. 齐次性（Homogeneity of degree 1）：对于所有标量 \\( c \\) 和向量 \\( \\mathbf{v} \\in V \\)，有 \\( f(c\\mathbf{v}) = cf(\\mathbf{v}) \\)。
线性映射保持了向量加法和标量乘法的结构，即它将向量空间 \\( V \\) 中的线性组合映射到向量空间 \\( W \\) 中的线性组合。线性映射的例子包括矩阵乘法、微分算子以及旋转和平移等几何变换（在某些条件下）。
线性本质的概念是线性代数的基础，它在许多数学分支以及物理学和工程学等领域中都有广泛的应用。线性映射的研究涉及特征值、特征向量、核（null space）、像（range）以及秩（rank）等重要概念。