01 / 导读
导读
引用
Axler, S. (2024). Linear Algebra Done Right (4th ed.). Springer. Free official edition: https://linear.axler.net/
章节概要
第1章：向量空间
全书从复数以及空间 𝐑ⁿ 和 𝐂ⁿ 讲起，随后给出抽象向量空间的公理，讨论从一个集合到 𝐅 的函数空间等例子，并证明一些虽小却不可或缺的事实（加法单位元唯一、乘以 0 或 −1 会得到什么）。本章最后讨论子空间、子空间的和与直和，并给出判断一个和是否为直和的简洁条件。
第2章：有限维向量空间
本章确立全书都要用到的基本词汇：线性组合、张成空间、线性无关、基与维数。核心工具是线性相关引理，由它推出一个关键不等式：线性无关组的长度永远不超过张成组的长度。利用这一不等式可以证明一个空间的所有基长度相同，因此维数是良定义的。本章最后给出两个子空间之和的维数公式。
第3章：线性映射
阿克斯勒在这里转向他所说的线性代数中"有趣的部分"——向量空间之间的线性映射。核心结果是线性映射基本定理（定义域的维数等于零空间维数加上值域维数），并立即应用于线性方程组。矩阵在线性映射之后才出现，作为选定基之后表示映射的工具；本章讲述矩阵乘法、用来简短证明列秩等于行秩的列–行分解、可逆性、同构以及基变换。最后两节——向量空间的积与商，以及对偶（对偶空间、对偶映射、零化子）——更为抽象，前言将其标为可跳过。
第4章：多项式
这一短章明确说明本身不属于线性代数。它汇集了研究算子时需要的多项式知识：m 次多项式至多有 m 个零点、带余除法（此处用线性代数方法证明）、代数基本定理，以及实系数多项式分解为一次和二次因式。
第5章：特征值与特征向量
对算子（从空间到自身的线性映射）的研究从不变子空间开始，由此自然引出特征值与特征向量。本章的亮点是一个不用行列式的证明：有限维非零复向量空间上的每个算子都有特征值——对一个向量反复作用该算子，利用线性相关得到一个多项式，再将其分解。随后引入极小多项式，并在全书中反复使用：它的零点恰好是特征值，它还刻画了算子何时具有上三角矩阵、何时可对角化。本章还讨论奇数维实空间上的算子、格什戈林圆盘定理，并有一节专讲可交换算子（同时对角化与同时上三角化）。
第6章：内积空间
本书在此为前面纯代数的结构加上几何——长度与角度。它定义内积与范数，证明勾股定理、柯西–施瓦茨不等式、三角不等式和平行四边形恒等式。接着介绍规范正交基与格拉姆–施密特正交化过程，进而得到舒尔定理（在 𝐂 上，算子关于某个规范正交基具有上三角矩阵）和里斯表示定理。最后一节利用正交补和正交投影求解最小化问题，并引入伪逆，作为逆不存在时的替代。
第7章：内积空间上的算子
本章以伴随为基础，定义自伴算子与正规算子，并借助极小多项式和舒尔定理，以简短的证明给出实谱定理与复谱定理。随后研究正算子及其唯一的正平方根、等距与酉算子，并推导出 QR 分解和楚列斯基分解。奇异值分解针对两个可能不同的内积空间之间的映射加以证明；最后一节讨论其推论：线性映射的范数、低秩最佳逼近、极分解，以及算子如何改变椭球、长方体和体积。
第8章：复向量空间上的算子
由于一个算子未必有足够多的特征向量构成一组基，本章引入广义特征向量和幂零算子。它证明（采用本版新给出的初等证明）在 𝐂 上总存在由广义特征向量构成的基，由此得到广义特征空间分解、重数的定义、特征多项式以及凯莱–哈密顿定理。借助这些工具，可以得到可逆算子的平方根和若尔当标准形。本章最后讨论迹，证明它与基的选取无关，并且在 𝐂 上等于特征值之和。
第9章：多重线性代数与行列式
最后一章讨论双线性型与二次型，说明双线性型可分解为对称部分与交错部分，并且对称型和二次型都可以对角化。转到多重线性型和置换后，本章证明 n 维空间上的交错 n 重线性型构成一个一维空间，从而得到算子行列式的一个不依赖于基的定义。从乘法性到"在 𝐂 上行列式等于特征值之积"，各项标准性质随之迅速得出，同时还讨论了阿达马不等式和范德蒙德行列式。全书以向量空间及内积空间的张量积入门作结。
核心概念
第1章：向量空间
- 𝐅 上的向量空间：带有加法和标量乘法、满足一小组代数规则的集合；全书中 𝐅 表示 𝐑 或 𝐂。
- 直和：每个向量的表示方式恰好唯一的子空间之和；对两个子空间而言，当且仅当它们的交为 {0} 时成立。
第2章：有限维向量空间
- 线性相关引理：在线性相关组中，某个向量属于它前面各向量的张成空间，去掉它不会改变张成空间。
- 基：既线性无关又张成整个空间的向量组，每个向量都能唯一地表示为它的线性组合。
- 维数：所有基的共同长度；由于线性无关组从不比张成组更长，维数是良定义的。
第3章：线性映射
- 线性映射基本定理：对有限维空间上的线性映射，dim V = dim null T + dim range T。
- 线性映射的矩阵：在固定定义域和目标空间的基之后记录映射的系数阵列；矩阵乘法对应于映射的复合。
- 秩：矩阵的列秩，它等于行秩（本书借助列–行分解证明）。
第4章：多项式
- 带余除法：任何多项式都可以被一个非零多项式除，得到商和次数更低的余式。
- 代数基本定理：每个非常数复系数多项式都有零点，因此在 𝐂 上可以完全分解为一次因式。
第5章：特征值与特征向量
- 𝐂 上特征值的存在性：有限维非零复空间上的每个算子都有特征值，且证明无需行列式。
- 极小多项式：使算子变为 0 的次数最低的首一多项式；它的零点就是特征值，它的形式决定算子能否上三角化和对角化。
- 可对角化算子：存在由特征向量构成的基的算子，等价地说，其各特征空间的（直）和等于整个空间。
第6章：内积空间
- 柯西–施瓦茨不等式：内积的绝对值不超过两个范数之积，这是三角不等式背后的基本估计。
- 格拉姆–施密特过程：把任意线性无关组转化为规范正交组、并在每一步保持张成空间不变的算法。
- 正交投影：把每个向量映到子空间中离它最近的点的映射，用于求解最小二乘型的最小化问题。
第7章：内积空间上的算子
- 伴随：通过把 T 移到内积另一侧来定义的映射 T*；在规范正交基下，它的矩阵是共轭转置。
- 谱定理：算子具有由特征向量构成的规范正交基，当且仅当它是自伴的（实情形）或正规的（复情形）。
- 奇异值分解：内积空间之间的每个线性映射，都相当于在两组规范正交基之间按非负奇异值进行伸缩。
第8章：复向量空间上的算子
- 广义特征向量：被 T − λI 的某个幂映为 0 的非零向量；在 𝐂 上，这些向量总能张成整个空间。
- 广义特征空间分解：在 𝐂 上，空间是各广义特征空间的直和，每个广义特征空间都在算子作用下不变。
- 若尔当标准形：复空间上的每个算子都有一组基，使其矩阵为由若尔当块组成的分块对角矩阵；它由幂零算子的结构构造而来。
第9章：多重线性代数与行列式
- 二次型：由双线性型得到的函数 v ↦ β(v, v)，可以通过适当的基对角化。
- 交错多重线性型：只要两个输入相等就取值为 0 的多重线性型；在 n 维空间上，交错 n 重线性型构成一维空间。
- 算子的行列式：先用算子变换输入时，每个交错 n 重线性型被乘上的那个标量；这一定义不依赖于基。
评析
优点
- 清晰的组织思想。 前言说明全书目标是理解有限维空间上算子的结构，全书的编排正是由此而来。把行列式移到最后一章，使特征值可以通过线性相关和多项式得到（5.19 的证明只需一段），学生因此能理解特征值为何存在，而不是被动接受特征多项式的计算。
- 以极小多项式统一全书。 本版用极小多项式刻画上三角矩阵和对角矩阵，并证明实谱定理。同样几条事实在第5、7、8章中反复使用，使后面的证明更短，也更容易与前面的内容联系起来。
- 便于自学的版式。 定义和结论都有编号并加框，每个定理都有一个平实的描述性名称，各章开头列出基本假设，页边注补充历史背景和小插曲。写给学生的前言给出了切实的期望：慢慢读，并亲手完成每一处"你应当验证"的步骤。
- 习题丰富，配有具体计算。 每一节末尾都有自己的习题（粗略统计总数远超 700 道），从常规检验到引向第二门课程以外话题的问题都有。具体的计算（见下文"书中的应用"）让抽象内容落到实处。
局限
- 不适合作为学习计算的第一门课。 高斯消元法只被提及而未讲授，行化简和阶梯形矩阵也只是一笔带过。需要熟练求解方程组、手算逆矩阵或掌握数值方法的学生，必须从其他教材中学习。
- 从第一页起就要求证明能力。 虽然不需要线性代数基础，但多数习题都要求证明，第3章和第5章的节奏对尚未写过证明的学生可能相当吃力。
- 只讨论 𝐑 和 𝐂。 作者有意避开一般的域；1A 节的题外话说明了如何推广大部分结果，但准备学习代数或数论的读者需要在别处接触有限域。部分几何内容也刻意采取非严格的处理——7F 节中的体积只是借助长方体近似给出的直观定义。
- 内容多于一个学期。 前言本身指出，一学期讲完第1–8章需要很快的进度，并列出了若想讲到第9章可以省略的小节。书中没有习题答案，自学者需要自己检查证明。
书中的应用
应用分散在例题和习题中，而不是单独成章。3B 节把线性映射基本定理应用于线性方程组；对角化被用来计算 T¹⁰⁰，5D 节第21题则由此推出斐波那契数的通项公式；例 6.63 把 sin x 投影到次数不超过 5 的多项式空间，在 [−π, π] 上得到的逼近在远离 0 处比泰勒多项式精确得多。第6章把伪逆发展为求最佳近似解的工具，第7章讨论 QR 分解和楚列斯基分解、带有低秩最佳逼近的奇异值分解，以及线性映射如何改变椭球和长方体的形状与体积。5D 节的格什戈林圆盘定理可根据矩阵元素估计特征值的位置。
在课程中的定位
在本课程书单中，阿克斯勒的书适合以证明为主、第二次系统学习线性代数。吉尔伯特·斯特朗的 Introduction to Linear Algebra 和吉姆·赫弗伦的 Linear Algebra，以及安东等人的 Elementary Linear Algebra，一般被视为以线性方程组和矩阵计算为基础的第一门课教材，先读其中一本可以补上阿克斯勒有意省略的计算技能。马丁·安东尼等人的 Linear Algebra: Concepts and Methods 同样兼顾方法与理论，可作为希望多做计算练习的学生的配套读物。
读完阿克斯勒之后，想深入学习矩阵理论的学生可以自然地转向霍恩与约翰逊的 Matrix Analysis；阿克斯勒的第7章和第8章（谱定理、奇异值分解、若尔当标准形、迹）为其提供了概念背景。只修一门以证明为主的线性代数课的学生，可以把阿克斯勒作为主教材；但从未做过矩阵计算的学生不应以它代替第一门课的教材。
如何使用本书
本书面向第二次学习线性代数的学生，典型的读者是学过以矩阵为主的第一门课的数学专业学生。形式上，除数学成熟度外没有其他先修要求；少数例题和习题用到连续性、导数或积分，没学过微积分的学生可以跳过。
一学期课程的可行安排是：第1–3章（3E 和 3F 节可选），快速过一遍第4章，第5章（5E 节可选），第6章（伪逆部分可选）以及第7章。第8章是较长课程或自学的自然延续，第9章才真正引入行列式；讲张量积的 9D 节需要 3F 节的对偶知识。教师前言中作者列出的"十大结果"——从"所有基长度相同"到交错 n 重线性型空间是一维的——是很好的复习清单。
请备好纸笔慢慢读，并亲手完成正文留给读者的验证。对每个定理，尝试找出说明每个假设为何必要的例子。每一节都做几道习题；由于书中没有印答案，与同学一起讨论或请教师核对证明会很有帮助。本书网站提供与正文配套的免费视频和勘误表链接。
版本与来源
本导读基于 Linear Algebra Done Right 第4版，阅读的是从作者官方网站 https://linear.axler.net/ 下载的免费开放获取 PDF（2026年8月16日版本，© 2024 Sheldon Axler，CC BY-NC 4.0 许可）；印刷版由 Springer 出版。本导读参阅了写给学生的前言、写给教师的前言（包括各章概述、十大结果清单和第4版改动列表）、完整目录，以及全部九章的章首导言、所有小节标题和所有编号定义、结论与例题的标题，并完整阅读了主要证明和例题（5.19、5.22、3.56–3.57、6.63、7.26–7.29、8.9、7.108–7.111、9.40–9.41）以及部分习题。