为了构建一种合理的线性代数内容体系，通过将矩阵看成是从自然数、整数、实数、复数延伸扩展而来的一种新的数据对象，并将线性代数的核心内容概括为：为矩阵这一新的数据对象引入运算(矩阵运算)、消元法解线性方程组的矩阵应用、公式法解线性方程组的矩阵应用(行列式、克拉默法则)、向量表示视角下的线性方程组及其求解(向量组的线性相关性)、欧式空间的向量表示视角(向量空间)、矩阵表示视角下的线性变换(线性空间与线性变换)。基于此内容框架，对线性代数的内容体系进行了分析和梳理，在此基础上提出了一种新颖的工科线性代数教材内容体系设计思路。 In order to build a reasonable content system of linear algebra, by regarding matrix as a new data object that extended from natural number, integer number, real number and complex number, the core content of linear algebra is summarized as: introducing operations for matrix, matrix application in solving linear equations by elimination method, matrix application in solving linear equations by formula method (determinant, Cramer’s rule), the linear equations and their solutions under the perspective of vector representation (linear correlation of vector groups), Euclid space under the vector representation perspective (vector space), and the linear transformation under the perspective of matrix representation (linear space and linear transformation). Based on this content framework, the content system of linear algebra is analyzed and sorted, and a novel design idea of the content system of linear algebra textbooks for engineering students is put forward.
为了构建一种合理的线性代数内容体系，通过将矩阵看成是从自然数、整数、实数、复数延伸扩展而来的一种新的数据对象，并将线性代数的核心内容概括为：为矩阵这一新的数据对象引入运算(矩阵运算)、消元法解线性方程组的矩阵应用、公式法解线性方程组的矩阵应用(行列式、克拉默法则)、向量表示视角下的线性方程组及其求解(向量组的线性相关性)、欧式空间的向量表示视角(向量空间)、矩阵表示视角下的线性变换(线性空间与线性变换)。基于此内容框架，对线性代数的内容体系进行了分析和梳理，在此基础上提出了一种新颖的工科线性代数教材内容体系设计思路。
线性代数，知识体系，矩阵，向量，线性变换
Chengyong Zheng*, Shengjie Cai
School of Mathematics and Computational Science, Wuyi University, Jiangmen Guangdong
Received: Nov. 1st, 2022; accepted: Nov. 30th, 2022; published: Dec. 7th, 2022
In order to build a reasonable content system of linear algebra, by regarding matrix as a new data object that extended from natural number, integer number, real number and complex number, the core content of linear algebra is summarized as: introducing operations for matrix, matrix application in solving linear equations by elimination method, matrix application in solving linear equations by formula method (determinant, Cramer’s rule), the linear equations and their solutions under the perspective of vector representation (linear correlation of vector groups), Euclid space under the vector representation perspective (vector space), and the linear transformation under the perspective of matrix representation (linear space and linear transformation). Based on this content framework, the content system of linear algebra is analyzed and sorted, and a novel design idea of the content system of linear algebra textbooks for engineering students is put forward.
Keywords:Algebra, Logic System, Matrix, Vector, Linear Transformation
Copyright © 2022 by author(s) and beplay安卓登录
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
http://creativecommons.org/licenses/by/4.0/
瑞典数学家Lars Garding在其名著Encounter with Mathematics中说：“如果不熟悉线性代数的概念，要去学习自然科学，现在看来就和文盲差不多。”，然而“按照现行的国际标准，线性代数是通过公理化来表述的，它是第二代数学模型，……，这就带来了教学上的困难。” [
为此，已经有不少学者对线性代数的内容体系进行了探索和改革。文献 [
如何合理组织安排线性代数各部分内容，在保持其逻辑严谨性的同时，尽可能避免传统线性代数内容的抽象与晦涩性，力求具体直观和通俗易懂，突出工科特性，是个非常重要的问题。为此，本文从新数据对象引入、为新数据对象引入数学运算、新数据对象的应用这一逻辑思路出发，将矩阵看成是从自然数、整数、实数、复数等顺延扩展引入的一种新的数据对象，并将线性代数的核心内容看作是围绕矩阵这一新的数据对象而引出的运算及相关应用，并以此对线性代数的内容体系进行了分析和梳理，在此基础上提出了一种新颖的工科线性代数教材内容体系设计思路。
我们知道，本科线性代数课程的核心内容包括：矩阵的定义及其运算、线性方程组、行列式、向量组的线性相关性、向量空间、特征值与特征向量、二次型与标准型等。
矩阵是线性代数的核心数据类型或对象，是线性代数的基石。矩阵，顾名思义，就是矩形数据阵列。从自然数到整数到有理数到实数再到复数，我们学习、研究的数据类型或对象一步步拓展。将一个个矩形的数据表或数据阵列作为一个整体进行研究，很自然的引出了矩阵这一新的数据类型或对象。类似实数或复数的运算，自然引出矩阵的加、减、数乘、乘法、逆运算及分块矩阵运算。图1给出了从实数到矩阵的演化逻辑。
图1. 从实数到矩阵的演化
线性方程组及其求解可以看作是矩阵对象引入后矩阵的第一个应用。图2详细给出了矩阵、向量表示视角下线性方程组及其求解所构建的内容体系图。
图2. 矩阵、向量表示视角下线性方程组及其求解构建的内容体系图
1) 消元法解线性方程组：有了矩阵对象并给其定义了一些运算后，自然的获得了它的第一个应用：将线性方程组用矩阵来表示，并将解方程的消元法对应成矩阵的初等行变换。为此，自然引出矩阵的初等变换、行阶梯矩阵、行最简形、标准型等概念；然后将矩阵行阶梯阵的非零行的行数定义为矩阵秩。相比于最高价非零子式秩的定义的抽象和不可实际计算性，该秩的定义不仅具体(可以对应于线性方程组中的有效方程个数)而且具有可计算性(化矩阵为行阶梯矩阵，然后数数非零行的行数)。有了初等行变换和秩的概念，便可以根据具体线性方程例子，总结归纳出非齐次和齐次线性方程组有解、有唯一解、无解等与秩的关系的相关定理。所有这些，都力求通俗易懂，浅显直观，尽可能避免抽象和神来之物式的数学定义、定理、证明。有了初等变换后，对单位矩阵进行一次初等变换便得到了出初等矩阵。然后将矩阵初等变换转化为初等矩阵与矩阵的乘积问题，也就可以推导出求矩阵逆的初等变换法。至此，消元法解方程引出的系列内容大体完结(还剩基础解系等问题)。
2) 公式法解线性方程组(克拉默法则)及行列式
对n个方程n个变量的非齐次线性方程组，探讨其一般求解公式法。由二元非齐次线性方程组
{ a 11 x 1 + a 12 x 2 = b 1 a 21 x 1 + a 22 x 2 = b 2 解的一般公式 x 1 = a 22 b 1 − a 12 b 2 a 11 a 22 − a 12 a 21 = D 1 D 、 x 2 = a 11 b 2 − a 21 b 1 a 11 a 22 − a 12 a 21 = D 2 D ，可以引出二阶行列式的定义 | a 11 a 12 a 21 a 22 | = a 11 a 22 − a 12 a 21 。类似地，三元非齐次线性方程组
{ a 11 x 1 + a 12 x 2 + a 13 x 3 = b 1 a 21 x 1 + a 22 x 2 + a 23 x 3 = b 2 a 31 x 1 + a 32 x 2 + a 33 x 3 = b 2
解的一般公式 x 1 = b 1 a 22 a 33 − a 12 a 23 b 3 + a 13 b 2 a 32 − b 1 a 23 a 32 − a 12 b 2 a 33 − a 13 a 22 b 3 a 11 a 22 a 33 − a 12 a 23 a 31 + a 13 a 21 a 32 − a 11 a 23 a 32 − a 12 a 21 a 33 − a 13 a 22 a 31 可以引出三阶行列式
| a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 | = a 11 a 22 a 33 − a 12 a 23 a 31 + a 13 a 21 a 32 − a 11 a 23 a 32 − a 12 a 21 a 33 − a 13 a 22 a 31 。
通过分析
a 11 a 22 a 33 − a 12 a 23 a 31 + a 13 a 21 a 32 − a 11 a 23 a 32 − a 12 a 21 a 33 − a 13 a 22 a 31 = a 11 ( a 22 a 33 − a 23 a 32 ) + a 12 ( a 23 a 31 − a 21 a 33 ) + a 13 ( a 21 a 32 − a 22 a 31 ) = ( − 1 ) 1 + 1 a 11 | a 22 a 23 a 32 a 33 | + ( − 1 ) 1 + 2 a 12 | a 21 a 23 a 31 a 33 | + ( − 1 ) 1 + 3 a 13 | a 21 a 22 a 31 a 32 |
可得出三阶行列式按行按列展开的公式。若定义一阶行列式为一个数本身，则二阶行列式也可以按行按列展开。由此引出矩阵的按行按列展开的递推式定义。其他行列式性质皆由此定义获得，完全避开逆序数式行列式定义。
将矩阵A按行按列分块，矩阵更可对应成向量组的形式。Ax更对应向量组的线性组合问题；Ax = 0有解、无解对应向量组的线性相关和线性无关；Ax = b对应一个向量能由一个向量组线性表示问题；AX = B对应向量组B能由向量组A线性表示问题；当AX = B有解且BY = A也有解时，对应向量组A与向量组B等价。这样一来，传统上学生学得非常累的充满晦涩证明的向量组的相关性问题就变得简单——无非就是新瓶(向量组)装旧酒(线性方程组有解无解问题)。
向量空间相关内容的逻辑体系分析见图3。将空间点对应成向量，由一维实数空间R(对应数轴上的点，一维向量)到二维实数空间R2(二维平面点，二维向量)到三维实数空间R3，自然过度到Rn，然后自然引出向量空间的定义、子空间的定义。由自然基极其坐标(对应笛卡尔坐标系极其上的点的坐标)引申出向量空间的基与坐标、不同基下坐标的转移计算等内容。
图3. 向量空间相关内容逻辑体系分析
由点x到原点的距离公式 ∑ i x i 2 引出向量的l2-范数(长度)，由 ‖ x ‖ 2 2 = x T x 引出向量x、y的内积 [ x , y ] = x T y ，然后再引出向量的夹角、向量正交等系列内容。
矩阵表示视角下的线性变换内容体系见图4所示。
图4. 矩阵表示视角下的线性变换内容体系
由二维恒等变换 { y 1 = x 1 y 2 = x 2 、尺度变换 { y 1 = k 1 x 1 y 2 = k 2 x 2 、旋转变换 { y 1 = x 1 cos θ − x 2 sin θ y 2 = x 1 sin θ + x 2 cos θ 的矩阵表示 ( y 1 y 2 ) = ( 1 0 0 1 ) ( x 1 x 2 ) 、 ( y 1 y 2 ) = ( k 1 0 0 k 2 ) ( x 1 x 2 ) 、 ( y 1 y 2 ) = ( cos θ − sin θ sin θ cos θ ) ( x 1 x 2 ) 引申出线性变换y = Ax，将方阵
与向量的乘法运算看成线性变换。由y=Ax抽象出一般的线性变换T的定义及性质，以及二者之间的关系。
对给定的线性变换T (设其对应的方阵为A)，是否存在某向量，使得该向量在变换T下仅改变大小，不改变方向呢？写成矩阵表示，即给定方阵A，是否存在x及数 λ ，使得 A x = λ x ？由此引申出特征值、特征向量的定义及其计算问题。
由旋转变换对应的矩阵的特点引出正交矩阵的概念及性质。由同一线性变换在不同基下的矩阵表示引出相似矩阵、相似变换问题。一个线性变换(对应一个方阵)在什么基下会对应成各分量的尺度变换(对角矩阵)的问题引出矩阵的对角化问题。实对称矩阵对应二次型，二次型通过什么变换可化为标准型的问题引出对称矩阵的对角化问题。
线性变换存在的问题是它只对应方阵乘法运算，对于一般的矩阵乘法运算，它对应什么几何问题？进一步的，当然也可以把一般的矩阵乘法运算看成是线性映射，但这已超出我们多数线性代数教材所涉及的内容范畴。
根据以上线性代数内容的逻辑体系分析，一种新颖的线性代数教材内容编排设计如表1所示。
教材 [
| 章节 | 内容 |
|---|---|
| 1矩阵及其运算 2线性方程组与矩阵的初等变换 3行列式与克拉姆法则 4向量组的线性相关性 5向量空间 6线性空间与线性变换 | 通过实例引入矩阵这一新的数据对象及其运算 矩阵表示视角下的消元法解线性方程组 矩阵表示视角下的公式法(克拉姆法则)解线性方程组 向量表示视角下的线性方程组问题 空间的矩阵表示视角 线性变换的方阵表示视角 |
表1. 一种新颖的线性代数教材内容编排
本文从矩阵对象这一视角出发，对线性代数的知识体系进行了梳理和分析，在此基础上给出了一种新颖的线性代数教材内容编排设计思路。如何在这些内容体系中进一步融入工程应用和科学计算，是下一步值得探索的研究方向。
广东省教育科学规划课题(2021GXJK308)，广东省研究生教育创新计划项目(2022SFKC_083)。
郑成勇,蔡圣杰. 线性代数知识体系梳理及内容体系设计Sorting the Knowledge System of Linear Algebra and Designing Its Content System[J]. 教育进展, 2022, 12(12): 5241-5246. https://doi.org/10.12677/AE.2022.1212795
https://www.cnblogs.com/stemon/p/4242628.html, 2022-03-09.