线性代数
维基百科,自由的百科全书
线性代数是数学的一个分支,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;因而,线性代数被广泛地应用于抽象代数和泛函分析中;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。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和社会科学中。
参见线性代数相关条目
目录 |
[编辑] 历史
现代线性代数的历史可以上溯到1843年和1844年。1843年,哈密顿发现了四元数。1844年,Hermann Grassmann 发表了他的著作 Die lineare Ausdehnungslehre。
[编辑] 基本介绍
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 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的群,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。
用线性观点看待问题,并用线性代数的语言描述它,解决它(必要时使用矩阵运算)的方法。是数学中最主要的应用之一。
[编辑] 一些有用的定理
- 每一个线性空间都有一组基底。
- 对一个 n 行 n 列的非零矩阵 A,如果存在一个矩阵 B 使 AB = BA = I(I 是单位矩阵),则 A 为非奇异矩阵。
- 一个矩阵非奇异当且仅当它的行列式不为零。
- 一个矩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。
[编辑] 一般化和相关主题
线性代数是一个成功的理论,其方法已经被应用于数学的其他分支。
所有这些领域都有非常大的技术难点。
[编辑] 参考文献
- Grassmann, Hermann, Die lineare Ausdehnungslehre dargestellt und durch Anwendungen auf die übrigen Zweige der Mathematik, wie auch auf die Statik, Mechanik, die Lehre vom Magnetismus und die Krystallonomie, 1844.