此條目需要
精通或熟悉相关主题的编者 参与及协助编辑。
(2012年1月1日 ) 請邀請 適合的人士改善本条目 。更多的細節與詳情請參见討論頁 。
「
线代 」重定向至此。關於
在线代理 ，請見「
网页代理 」。
三維歐氏空間 R 3 是一個向量空間，而通過原點 的線及平面是R 3 的向量子空間
线性代数
A
=
[
1
2
3
4
]
{\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix}}}
向量 · 向量空间 · 基底 · 行列式 · 矩阵
线性代数 （英語：linear algebra ）是关于向量空间 和线性映射 的一个数学 分支。它包括对线、面和子空间的研究，同时也涉及到所有的向量空间的一般性质。
坐标满足线性方程的点集形成n维空间 中的一个超平面 。n 个超平面相交于一点的条件是线性代数研究的一个重要焦点。此项研究源于包含多个未知数的线性方程组 。这样的方程组可以很自然地表示为矩阵 和向量 的形式。[ 1] [ 2]
线性代数既是纯数学也是应用数学的核心。例如，放宽向量空间的公理 就产生抽象代数 ，也就出现若干推广。泛函分析 研究无穷维情形的向量空间理论。线性代数与微积分结合，使得微分方程 线性系统的求解更加便利。线性代数的理论已被泛化为算子理论 。
线性代数的方法还用在解析几何 、工程 、物理 、自然科学 、計算機科學 、计算机动画 和社会科学 （尤其是经济学 ）中。由于线性代数是一套完善的理论，非线性数学模型 通常可以被近似 为一般線性模型 。
帕萨 线性代数的研究最初出现于对行列式 的研究上。行列式当时被用来求解线性方程组。莱布尼茨 在1693年使用行列式。随后，加布里尔·克拉默 在1750年推导出求解线性方程组的克萊姆法則 。然后，高斯 利用高斯消元法 发展出求解线性系统的理论。这也被列为大地测量学 的一项进展。[ 3] [ 4]
现代线性代数的历史可以上溯到19世纪中期的英国。1843年，哈密顿 发现四元数 。1844年，赫爾曼·格拉斯曼 发表他的著作《线性外代数》（Die lineare Ausdehnungslehre），包括今日线性代数的一些主题。1848年，詹姆斯·西爾維斯特 引入矩阵 （matrix），该词是“子宫 ”的拉丁语。阿瑟·凯莱 在研究线性变换时引入矩阵乘法和转置的概念。很重要的是，凯莱使用一个字母来代表一个矩阵，因此将矩阵当做了聚合对象。他也意识到矩阵和行列式之间的联系。[ 3]
不過除了這些早期的文献以外．线性代数主要是在二十世纪发展的。在抽象代数 的环论 开发之前，矩阵 只有模糊不清的定義。随着狭义相对论 的到来，很多开拓者發現线性代数的微妙。进一步的，解偏微分方程 的克莱姆法则 的例行应用导致大学的标准教育中包括线性代数。例如，E.T. Copson写到：
“
当我在1922年到爱丁堡 做年轻的讲师的时候，我惊奇的发现不同于牛津的课程。这里包括我根本就不知道的主题如勒貝格积分 、矩阵论 、数值分析 、黎曼几何 ...
”
——E.T. Copson，《偏微分方程》前言, 1973
1882年，Hüseyin Tevfik Pasha TR [ 5] [ 6] 朱塞佩·皮亞諾 提出。在1888年，弗兰西斯·高尔顿 还发起相关系数 的应用。经常有多于一个随机变量 出现并且它们可以互相关 。在多变元随机变量的统计分析 中，相关矩阵 是自然的工具。所以这种随机向量的统计研究帮助矩阵用途的开发。到1900年，一种有限维向量空间的线性变换理论被提出。在20世纪上半叶，许多前几世纪的想法和方法被总结成抽象代数 ，线性代数第一次有了它的现代形式。矩阵在量子力学 、狭义相对论 和统计学 上的应用帮助线性代数的主题超越纯数学的范畴。计算机的发展导致更多地研究致力于有关高斯消元法和矩阵分解的有效算法 上。线性代数成为数字模拟和模型的基本工具。[ 3]
线性代数起源于对二维和三维直角坐标系 的研究。在这里，一个向量是一个有方向的线段 ，由长度和方向同时表示。这样向量可以用来表示物理量，比如力 ，也可以和标量 做加法和乘法。这就是实数 向量空间 的第一个例子。
现代线性代数已经扩展到研究任意或无限维空间。一个维数为
n
{\displaystyle n}
n
{\displaystyle n}
n
{\displaystyle n}
n元组 ）用来表示数据非常有效。由于作为n 元组，向量是
n
{\displaystyle n}
经济学 中可以使用8维向量来表示8个国家的国民生产总值 （GNP）。当所有国家的顺序排定之后，比如（中国 ，美国 ，英国 ，法国 ，德国 ，西班牙 ，印度 ，澳大利亚 ），可以使用向量
(
v
1
,
v
2
,
v
3
,
v
4
,
v
5
,
v
6
,
v
7
,
v
8
)
{\displaystyle (v_{1},v_{2},v_{3},v_{4},v_{5},v_{6},v_{7},v_{8})}
作为证明定理 而使用的纯抽象概念，向量空间 （线性空间）属于抽象代数的一部分，而且已经非常好地融入这个领域。一些显著的例子有：不可逆线性映射或矩阵 的群 ，向量空间的线性映射的環 。
线性代数也在数学分析中扮演重要角色，特别在向量分析中描述高阶导数，研究张量积和可交换映射等领域。
向量空间是在域 上定义的，比如实数 域或复数 域。线性算子 将线性空间的元素映射到另一个线性空间（也可以是同一个线性空间），保持向量空间上加法和标量乘法的一致性。所有这种变换组成的集合本身也是一个向量空间。如果一个线性空间的基是确定的，所有线性变换都可以表示为一个数表，称为矩阵 。对矩阵性质和矩阵算法 的深入研究（包括行列式 和特征向量 ）也被认为是线性代数的一部分。
我们可以简单地说数学 中的线性 问题——-那些表现出线性 的问题——是最容易被解决的。比如微分学 研究很多函数线性近似的问题。在实践中与非线性 问题的差异是很重要的。
線性代數方法是指使用线性观点看待问题，并用线性代数的语言描述它、解决它（必要时可使用矩阵运算）的方法。這是数学與工程學中最主要的应用之一。
向量空间 是线性代数的主要代數结构 。域
F
{\displaystyle F}
集合
V
{\displaystyle V}
二元运算 。
V
{\displaystyle V}
F
{\displaystyle F}
元素 叫做标量。第一个运算，向量加法
v
{\displaystyle v}
w
{\displaystyle w}
v
+
w
{\displaystyle v+w}
向量乘法
a
{\displaystyle a}
v
{\displaystyle v}
a
v
{\displaystyle av}
a
{\displaystyle a}
v
{\displaystyle v}
v
{\displaystyle v}
数乘
a
{\displaystyle a}
公理 。[ 7]
u
,
v
{\displaystyle u,v}
w
{\displaystyle w}
V
{\displaystyle V}
a
{\displaystyle a}
b
{\displaystyle b}
F
{\displaystyle F}
公理 意义
加法结合律
u
+
(
v
+
w
)
=
(
u
+
v
)
+
w
{\displaystyle u+\left(v+w\right)=\left(u+v\right)+w}
加法交换律
u
+
v
=
v
+
u
{\displaystyle u+v=v+u}
加法的單位元
存在元素
0
∈
V
{\displaystyle 0\in V}
零向量 ，使得对所有
v
∈
V
{\displaystyle v\in V}
v
+
0
=
v
{\displaystyle v+0=v}
加法的逆元素
对每个
v
∈
V
{\displaystyle v\in V}
−
v
∈
V
{\displaystyle -v\in V}
v
{\displaystyle v}
相反数 ，使得
v
+
(
−
v
)
=
0
{\displaystyle v+(-v)=0}
相对于向量加法的数乘分配律
a
(
u
+
v
)
=
a
u
+
a
v
{\displaystyle a\left(u+v\right)=au+av}
相对于域加法的数乘分配律
(
a
+
b
)
v
=
a
v
+
b
v
{\displaystyle \left(a+b\right)v=av+bv}
数乘与域乘法的相容性
a
(
b
v
)
=
(
a
b
)
v
{\displaystyle a\left(bv\right)=\left(ab\right)v}
[ nb 1]
数乘的单位元
1
v
=
v
{\displaystyle 1v=v}
F
{\displaystyle F}
乘法单位 。
一般向量空间
V
{\displaystyle V}
函数 、多项式 、向量或矩阵。线性代数关注的是所有向量空间的共同性质。
矩阵是一个矩形的数学方阵。一个方阵可看作两个矢量空间的线性变阵，故矩阵理论可当作线性代数的一个分枝。
在图论，每一个加上标示图对应唯一的非负矩阵，称为邻接矩阵。
排列矩阵是排列的矩阵表达式，在组合数学极为重要。
正定矩阵及半正定矩阵可用来寻找实数函数的极大值或极小值。
任意环矩阵亦非常重要。举例说，多项式环的矩阵用于控制理论。
另外，不同的矩阵环经常是提供数学上反例的素材。
一般情况下，线性变换可能相当复杂。一些低维的例子，让我们领会不同的类型。一般的
n
{\displaystyle n}
T
{\displaystyle T}
T
{\displaystyle T}
v
{\displaystyle v}
T
v
{\displaystyle Tv}
v
{\displaystyle v}
v
{\displaystyle v}
T
{\displaystyle T}
v
{\displaystyle v}
特征向量
T
v
−
λ
v
{\displaystyle Tv-\lambda v}
λ
{\displaystyle \lambda }
T
{\displaystyle T}
特征值
要求一个特征向量或特征值，我们注意到
T
v
−
λ
v
=
(
T
−
λ
I
)
v
=
0
,
{\displaystyle Tv-\lambda v=(T-\lambda \,{\text{I}})v=0,}
其中
I
{\displaystyle I}
单位矩阵 。为使该方程存在非平凡解，
det
(
T
−
λ
I
)
=
0
{\displaystyle \det \left(T-\lambda I\right)=0}
多项式 ，所以在域
R
{\displaystyle \mathbb {R} }
每一个线性空间都有一个基 。[ 8]
对一个n 阶方阵
A
{\displaystyle A}
n
{\displaystyle n}
B
{\displaystyle B}
A
B
=
B
A
=
I
{\displaystyle AB=BA=I}
I 是单位矩阵 ），则
A
{\displaystyle A}
非奇异方阵 [ 9]
一个方阵非奇异 当且仅当 它的行列式 不为零。
一个方阵非奇异当且仅当它代表的线性变换 是个自同构 。
一个矩阵半正定 当且仅当它的每个特征值 大于或等于零。
一个矩阵正定 当且仅当它的每个特征值都大于零。
线性代数是一个成功的理论，其方法已被应用于数学的其他分支。模 论就是将线性代数中的标量的域 用环 替代，並进行研究，像線性無關 、线性生成空间 、基底 、秩 等概念仍然可以適用。不過許多線性代數中的定理在模论中不成立，例如不是所有的模都有基底（有基底的模稱為自由模 ），自由模的秩不唯一，不是所有模中的線性獨立的子集都可以延伸成為基底，也不是所有模生成空间的子集都包括基底。
多重线性代数 推广线性代数的方法。和线性代数一样也是建立在向量 的概念上，发展向量空间 的理论。在应用上，出现许多类型的张量 。
在算子的谱理论中，通过数学分析 ，可以控制无限维矩阵。泛函分析 混合线性代数和数学分析 中的方式，研究許多不同函數空間，例如Lp空间 。
^ Strang, Gilbert, Linear Algebra and Its Applications 4th, Brooks Cole, July 19, 2005, ISBN 978-0-03-010567-8 ^ Weisstein, Eric W. (编). Linear Algebra . at MathWorld Wolfram Research, Inc. [16 April 2012] . （原始内容 存档于2021-02-09） （英语） . ^ 3.0 3.1 3.2 Vitulli, Marie. A Brief History of Linear Algebra and Matrix Theory . Department of Mathematics. University of Oregon. [2012-01-24 ] . （原始内容 存档于2012-09-10）. ^ O'Connor J J and Robertson E F. Matrices and determinants . School of Mathematical and Computational Sciences, University of St Andrews. [2013-10-14 ] . （原始内容 存档于2015-03-08）. ^ Hussein Tevfik. Linear Algebra . A.H. Boyajian. 1882 [2013-10-13 ] . ^ Gert Schubring. HÜSEYİN TEVFİK PASHA – THE INVENTOR OF‘LINEAR ALGEBRA’ . 2007 [2013-10-14 ] . （原始内容 存档于2014-03-16）. ^ Roman 2005 , ch. 1, p. 27 ^ 对于有限生成 的向量空间存在一个基是直接了当的，但是在完全一般性 的情况下，它逻辑上等价于选择公理 。
^ 段正敏、王汉明. 线性代数 . 北京: 清华大学出版社有限公司. 2006: p66 [2013-10-21 ] . ISBN 7302123500原始内容 存档于2013-10-21）.
^ This axiom is not asserting the associativity of an operation, since there are two operations in question, scalar multiplication: bv ; and field multiplication: ab .
Beezer, Rob , A First Course in Linear Algebra 页面存档备份 ，存于互联网档案馆 ）, licensed under GFDL .Fearnley-Sander, Desmond , Hermann Grassmann and the Creation of Linear Algebra , American Mathematical Monthly 86 (1979), pp. 809–817.Grassmann, Hermann , Die lineale Ausdehnungslehre ein neuer Zweig der Mathematik: dargestellt und durch Anwendungen auf die übrigen Zweige der Mathematik, wie auch auf die Statik, Mechanik, die Lehre vom Magnetismus und die Krystallonomie erläutert , O. Wigand, Leipzig, 1844.Jim Hefferon: Linear Algebra （页面存档备份 ，存于互联网档案馆 ）
Edwin H. Connell: Elements of Abstract and Linear Algebra （页面存档备份 ，存于互联网档案馆 ）
朝陽科技大學線性代數講義 （页面存档备份 ，存于互联网档案馆 ）（繁體中文） 同济大学线性代数精品课程 （简体中文） MIT Linear Algebra Video Lectures （页面存档备份 ，存于互联网档案馆 ）, a series of 34 recorded lectures by professor Gilbert Strang (Spring 2010)（英文） Linear Algebra Toolkit （页面存档备份 ，存于互联网档案馆 ）.Linear Algebra Workbench （页面存档备份 ，存于互联网档案馆 ）: multiply and invert matrices, solve systems, eigenvalues etc.Hazewinkel, Michiel (编), Linear algebra , 数学百科全书 , Springer , 2001, ISBN 978-1-55608-010-4 Linear Algebra （页面存档备份 ，存于互联网档案馆 ） on MathWorld .Linear Algebra overview （页面存档备份 ，存于互联网档案馆 ） and notation summary （页面存档备份 ，存于互联网档案馆 ） on PlanetMath .Matrix and Linear Algebra Terms （页面存档备份 ，存于互联网档案馆 ） on Earliest Known Uses of Some of the Words of Mathematics Linear Algebra by Elmer G. Wiens. Interactive web pages for vectors, matrices, linear equations, etc.Linear Algebra Solved Problems : Interactive forums for discussion of linear algebra problems, from the lowest up to the hardest level (Putnam Linear Algebra for Informatics . José Figueroa-O'Farrill, University of Edinburgh Essence of linear algebra （页面存档备份 ，存于互联网档案馆 ），3Blue1Brown 的关于线性代数基础的视频演示，重点介绍向量、矩阵及线性代数理解方面的总结。
「线代」重定向至此。關於在线代理，請見「网页代理」。
