01 / 導讀
導讀
引用
Axler, S. (2024). Linear Algebra Done Right (4th ed.). Springer. Free official edition: https://linear.axler.net/
章節概要
第1章：向量空間
全書從複數以及空間 𝐑ⁿ 與 𝐂ⁿ 談起，接著給出抽象向量空間的公理，討論從一個集合到 𝐅 的函數空間等例子，並證明一些雖小卻不可或缺的事實（加法單位元素唯一、乘以 0 或 −1 會得到什麼）。本章最後討論子空間、子空間的和與直和，並提出判斷一個和是否為直和的簡潔條件。
第2章：有限維向量空間
本章建立全書都會用到的基本詞彙：線性組合、生成空間（span）、線性獨立、基底與維度。核心工具是線性相依引理，由此推出一個關鍵不等式：線性獨立串列的長度絕不會超過生成串列的長度。利用這個不等式可證明一個空間的所有基底長度相同，因此維度定義良好。本章最後給出兩個子空間之和的維度公式。
第3章：線性映射
艾克斯勒在此轉向他所說線性代數中「有趣的部分」——向量空間之間的線性映射。核心結果是線性映射基本定理（定義域的維度等於零空間維度加上值域維度），並立即應用於線性方程組。矩陣在線性映射之後才出現，作為選定基底後表示映射的工具；本章介紹矩陣乘法、用來簡短證明行秩等於列秩的行–列分解、可逆性、同構以及基底變換。最後兩節——向量空間的積與商，以及對偶（對偶空間、對偶映射、零化子）——較為抽象，序言將其標示為可略過。
第4章：多項式
這個短章明言本身不屬於線性代數。它彙整研究算子時所需的多項式知識：m 次多項式至多有 m 個零根、多項式除法定理（此處以線性代數方法證明）、代數基本定理，以及實係數多項式分解為一次與二次因式。
第5章：特徵值與特徵向量
對算子（從空間映到自身的線性映射）的研究從不變子空間開始，由此自然引出特徵值與特徵向量。本章的亮點是一個不使用行列式的證明：有限維非零複向量空間上的每個算子都有特徵值——對一個向量反覆作用該算子，利用線性相依得到一個多項式，再將其分解。隨後引入最小多項式，並在全書中反覆使用：它的零根恰好就是特徵值，它也刻畫了算子何時具有上三角矩陣、何時可對角化。本章也討論奇數維實空間上的算子、格什戈林圓盤定理，並有一節專談可交換算子（同時對角化與同時上三角化）。
第6章：內積空間
本書在此為前面純代數的結構加上幾何——長度與角度。它定義內積與範數，證明畢氏定理、柯西–施瓦茲不等式、三角不等式與平行四邊形恆等式。接著介紹正規正交基底與格拉姆–施密特正交化程序，進而得到舒爾定理（在 𝐂 上，算子相對於某個正規正交基底具有上三角矩陣）與黎茲表示定理。最後一節利用正交補空間與正交投影求解最小化問題，並引入偽逆，作為反映射不存在時的替代。
第7章：內積空間上的算子
本章以伴隨為基礎，定義自伴算子與正規算子，並藉助最小多項式與舒爾定理，以簡短的證明給出實譜定理與複譜定理。接著研究正算子及其唯一的正平方根、等距映射與么正算子，並推導出 QR 分解與喬列斯基分解。奇異值分解是針對兩個可能不同的內積空間之間的映射加以證明；最後一節討論其推論：線性映射的範數、低秩最佳逼近、極分解，以及算子如何改變橢球、長方體與體積。
第8章：複向量空間上的算子
由於一個算子未必有足夠的特徵向量構成基底，本章引入廣義特徵向量與冪零算子。它證明（採用本版新提出的初等證明）在 𝐂 上總存在由廣義特徵向量構成的基底，由此得到廣義特徵空間分解、重數的定義、特徵多項式與凱萊–漢彌爾頓定理。藉助這些工具，可以得到可逆算子的平方根以及喬丹標準式。本章最後討論跡，證明它與基底的選取無關，且在 𝐂 上等於特徵值之和。
第9章：多重線性代數與行列式
最後一章討論雙線性形式與二次形式，說明雙線性形式可分解為對稱部分與交錯部分，且對稱形式與二次形式都能對角化。轉到多重線性形式與排列之後，本章證明 n 維空間上的交錯 n 重線性形式構成一維空間，由此得到算子行列式的一個不依賴基底的定義。從乘法性到「在 𝐂 上行列式等於特徵值之積」，各項標準性質隨之迅速導出，同時也討論阿達馬不等式與范德蒙行列式。全書以向量空間及內積空間的張量積入門作結。
核心概念
第1章：向量空間
- 𝐅 上的向量空間：具有加法與純量乘法、滿足一小組代數規則的集合；全書中 𝐅 表示 𝐑 或 𝐂。
- 直和：每個向量的表示方式恰好唯一的子空間之和；對兩個子空間而言，當且僅當它們的交集為 {0} 時成立。
第2章：有限維向量空間
- 線性相依引理：在線性相依的串列中，某個向量落在它前面各向量的生成空間內，移除它不會改變生成空間。
- 基底：既線性獨立又生成整個空間的串列，每個向量都能唯一地表示為它的線性組合。
- 維度：所有基底共同的長度；由於線性獨立串列從不比生成串列長，維度定義良好。
第3章：線性映射
- 線性映射基本定理：對有限維空間上的線性映射，dim V = dim null T + dim range T。
- 線性映射的矩陣：固定定義域與目標空間的基底後記錄映射的係數陣列；矩陣乘法對應映射的合成。
- 秩：矩陣的行秩，它等於列秩（本書藉由行–列分解證明）。
第4章：多項式
- 多項式除法：任何多項式都能被一個非零多項式除，得到商式與次數較低的餘式。
- 代數基本定理：每個非常數複係數多項式都有零根，因此在 𝐂 上可完全分解為一次因式。
第5章：特徵值與特徵向量
- 𝐂 上特徵值的存在性：有限維非零複空間上的每個算子都有特徵值，且證明無需行列式。
- 最小多項式：使算子變為 0 的最低次首一多項式；其零根就是特徵值，其形式決定算子能否上三角化與對角化。
- 可對角化算子：存在由特徵向量構成之基底的算子，等價地說，其各特徵空間的（直）和等於整個空間。
第6章：內積空間
- 柯西–施瓦茲不等式：內積的絕對值不超過兩個範數的乘積，是三角不等式背後的基本估計。
- 格拉姆–施密特程序：把任意線性獨立串列轉換為正規正交串列、且每一步都保持生成空間不變的演算法。
- 正交投影：把每個向量送到子空間中離它最近之點的映射，用來求解最小平方型的最小化問題。
第7章：內積空間上的算子
- 伴隨：把 T 移到內積另一側所定義的映射 T*；在正規正交基底下，其矩陣是共軛轉置。
- 譜定理：算子具有由特徵向量構成的正規正交基底，當且僅當它是自伴的（實數情形）或正規的（複數情形）。
- 奇異值分解：內積空間之間的每個線性映射，都相當於在兩組正規正交基底之間依非負奇異值進行伸縮。
第8章：複向量空間上的算子
- 廣義特徵向量：被 T − λI 的某個冪次送到 0 的非零向量；在 𝐂 上，這些向量總能生成整個空間。
- 廣義特徵空間分解：在 𝐂 上，空間是各廣義特徵空間的直和，且每個廣義特徵空間在算子作用下不變。
- 喬丹標準式：複空間上的每個算子都有一組基底，使其矩陣成為由喬丹區塊組成的分塊對角矩陣；它由冪零算子的結構建構而來。
第9章：多重線性代數與行列式
- 二次形式：由雙線性形式得到的函數 v ↦ β(v, v)，可藉由適當的基底對角化。
- 交錯多重線性形式：只要兩個輸入相等就取值為 0 的多重線性形式；在 n 維空間上，交錯 n 重線性形式構成一維空間。
- 算子的行列式：先以算子變換輸入時，每個交錯 n 重線性形式被乘上的那個純量；此定義不依賴基底。
評析
優點
- 清楚的組織理念。 序言說明全書目標是理解有限維空間上算子的結構，全書的編排正是由此而來。把行列式移到最後一章，使特徵值能透過線性相依與多項式得到（5.19 的證明只需一段），學生因此能理解特徵值為何存在，而非被動接受特徵多項式的計算。
- 以最小多項式統整全書。 本版用最小多項式刻畫上三角矩陣與對角矩陣，並證明實譜定理。同樣幾項事實在第5、7、8章中反覆使用，使後面的證明更短，也更容易與前面的內容串連。
- 便於自學的版面。 定義與結果都有編號並加框，每個定理都有平易的描述性名稱，各章開頭列出基本假設，頁邊註補充歷史背景與小插曲。寫給學生的序言提出務實的期待：慢慢讀，並親手完成每一處「你應該驗證」的步驟。
- 習題豐富，搭配具體計算。 每一節末尾都有自己的習題（粗略統計總數遠超過 700 題），從例行檢驗到引向第二門課程以外主題的問題都有。具體的計算（見下文「書中的應用」）讓抽象內容落地。
局限
- 不適合作為學習計算的第一門課。 高斯消去法只被提及而未講授，列運算化簡與列梯形矩陣也只是一筆帶過。需要熟練求解方程組、手算反矩陣或掌握數值方法的學生，必須從其他教科書學習。
- 從第一頁起就要求證明能力。 雖然不需要線性代數基礎，但多數習題都要求證明，第3章與第5章的步調對尚未寫過證明的學生可能相當吃力。
- 只討論 𝐑 與 𝐂。 作者刻意避開一般的體；1A 節的題外話說明如何推廣大部分結果，但準備學習代數或數論的讀者需要在別處接觸有限體。部分幾何內容也刻意採取非嚴格的處理——7F 節中的體積只是藉由長方體近似給出的直觀定義。
- 內容多於一學期。 序言本身指出，一學期教完第1–8章需要很快的進度，並列出若想教到第9章可以省略的小節。書中沒有習題解答，自學者需要自行檢查證明。
書中的應用
應用分散在例題與習題之中，而非獨立成章。3B 節把線性映射基本定理應用於線性方程組；對角化被用來計算 T¹⁰⁰，5D 節第21題則由此推導出費波那契數的一般項公式；例 6.63 把 sin x 投影到次數不超過 5 的多項式空間，在 [−π, π] 上得到的逼近在遠離 0 處比泰勒多項式精確得多。第6章把偽逆發展為求最佳近似解的工具，第7章討論 QR 分解與喬列斯基分解、搭配低秩最佳逼近的奇異值分解，以及線性映射如何改變橢球與長方體的形狀與體積。5D 節的格什戈林圓盤定理能依據矩陣元素估計特徵值的位置。
在課程中的定位
在本課程書單中，艾克斯勒的書適合以證明為主、第二次系統學習線性代數。吉爾伯特·史特朗的 Introduction to Linear Algebra 與吉姆·赫弗倫的 Linear Algebra，以及安東等人的 Elementary Linear Algebra，一般被視為以線性方程組與矩陣計算為基礎的第一門課教科書，先讀其中一本可以補上艾克斯勒刻意省略的計算技能。馬丁·安東尼等人的 Linear Algebra: Concepts and Methods 同樣兼顧方法與理論，可作為想多做計算練習之學生的搭配讀物。
讀完艾克斯勒之後，想深入學習矩陣理論的學生可以自然地轉向霍恩與強森的 Matrix Analysis；艾克斯勒的第7章與第8章（譜定理、奇異值分解、喬丹標準式、跡）為其提供概念背景。只修一門以證明為主之線性代數課的學生，可以把艾克斯勒作為主要教科書；但從未做過矩陣計算的學生不應以它取代第一門課的教科書。
如何使用本書
本書的對象是第二次學習線性代數的學生，典型讀者是修過以矩陣為主之第一門課的數學系學生。形式上，除數學成熟度外沒有其他先修要求；少數例題與習題用到連續性、導數或積分，沒學過微積分的學生可以略過。
一學期課程的可行安排是：第1–3章（3E 與 3F 節可選）、快速瀏覽第4章、第5章（5E 節可選）、第6章（偽逆部分可選）以及第7章。第8章是較長課程或自學的自然延續，第9章才真正引入行列式；談張量積的 9D 節需要 3F 節的對偶知識。教師序言中作者列出的「十大結果」——從「所有基底長度相同」到交錯 n 重線性形式空間是一維的——是很好的複習清單。
請準備紙筆慢慢讀，並親手完成正文留給讀者的驗證。對每個定理，試著找出說明每個假設為何必要的例子。每一節都做幾道習題；由於書中沒有印出解答，與同學一起討論或請教師核對證明會很有幫助。本書網站提供與正文搭配的免費影片與勘誤表連結。
版本與來源
本導讀以 Linear Algebra Done Right 第4版為依據，閱讀的是從作者官方網站 https://linear.axler.net/ 下載的免費開放取用 PDF（2026年8月16日版本，© 2024 Sheldon Axler，CC BY-NC 4.0 授權）；印刷版由 Springer 出版。本導讀參閱了寫給學生的序言、寫給教師的序言（包括各章概述、十大結果清單與第4版變動列表）、完整目錄，以及全部九章的章首導言、所有小節標題與所有編號定義、結果和例題的標題，並完整閱讀了主要證明與例題（5.19、5.22、3.56–3.57、6.63、7.26–7.29、8.9、7.108–7.111、9.40–9.41）以及部分習題。