线性代数

维基百科,自由的百科全书
跳转至: 导航搜索
线性代数
\mathbf{A} = \begin{bmatrix}
1 & 2 \\
3 & 4 \end{bmatrix}
向量 · 矩阵  · 行列式  · 线性空间
三維歐氏空間R3是一個向量空間,而通過原點的線及平面是R3的向量子空間

线性代数数学的一个分支,它的研究对象是向量向量空间(或称线性空间),线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题;线性代数广泛地应用于抽象代数泛函分析中;通过解析几何,线性代数得以被具体表示。线性代数的理论已被泛化为算子理论英语Operator theory。由于科学研究中的非线性模型通常可以被近似为线性模型,使得线性代数被广泛地应用于自然科学工程計算機科學社会科学中。

历史[编辑]

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年使用了行列式。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。[1][2]

现代线性代数的历史可以上溯到19世纪中期的英国。1843年,哈密顿发现了四元数。1844年,赫爾曼·格拉斯曼发表了他的著作《线性外代数》(Die lineare Ausdehnungslehre),包括了今日线性代数的一些主题。1848年,詹姆斯·西爾維斯特引入了矩阵(matrix),该词是“子宫”的拉丁语。阿瑟·凯莱在研究线性变换时引入了矩阵乘法和转置的概念。很重要的是,凯莱使用了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。[1]

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,很多开拓者發現了线性代数的微妙。进一步的,解偏微分方程克莱姆法则的例行应用导致了大学的标准教育中包括了线性代数。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,我惊奇的发现了不同于牛津的课程。这里包括了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写了一本书,名为《线性代数》。[3][4]第一次现代化精确定义向量空间是在1888年,由朱塞佩·皮亞諾提出。在1888年,弗兰西斯·高尔顿还发起了相关系数的应用。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了矩阵用途的开发。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统计学上的应用帮助线性代数的主题超越了纯数学的范畴。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。线性代数成为了数字模拟和模型的基本工具。[1]

基本介绍[编辑]

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,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的向量空间叫做n维空间。在二维和三维空间中大多数有用的结论可以扩展到这些高维空间。尽管许多人不容易想象n维空间中的向量,这样的向量(即n元组)用来表示数据非常有效。由于作为n元组,向量是n个元素的“有序”列表,大多数人可以在这种框架中有效地概括和操纵数据。比如,在经济学中可以使用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(v1, v2, v3, v4, v5, v6, v7, v8)显示这些国家某一年各自的GNP。这里,每个国家的GNP都在各自的位置上。

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了这个领域。一些显著的例子有:不可逆线性映射或矩阵,向量空间的线性映射的环。

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。

相关定理[编辑]

一般化和相关主题[编辑]

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。论就是将线性代数中的标量的替代,並进行研究,像線性相依线性生成空间基底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。

多重线性代数推广了线性代数的方法。和线性代数一样也是建立在向量的概念上,发展了向量空间的理论。在应用上,出现了许多类型的张量

在算子的谱理论中,通过数学分析,可以控制无限维矩阵。泛函分析混合了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

注解[编辑]

  1. ^ 1.0 1.1 1.2 Vitulli, Marie. A Brief History of Linear Algebra and Matrix Theory. Department of Mathematics. University of Oregon. [2012-01-24]. 
  2. ^ O'Connor J J and Robertson E F. Matrices and determinants. School of Mathematical and Computational Sciences, University of St Andrews. [2013-10-14]. 
  3. ^ Hussein Tevfik. Linear Algebra. A.H. Boyajian. 1882 [2013-10-13]. 
  4. ^ Gert Schubring. HÜSEYİN TEVFİK PASHA – THE INVENTOR OF‘LINEAR ALGEBRA’. 2007 [2013-10-14]. 
  5. ^ 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
  6. ^ 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. ISBN 7302123500. 

参见[编辑]

引用[编辑]

外部链接[编辑]