线性代数的三百年，是一个消元技巧不断升维的故事：从解方程的顺手记号，到矩阵代数，再到向量空间公理，最终成为机器学习描述一切数据的母语。本文追问这条升级链上每一步发生的动力。
消元的副产品
解析几何的诞生把几何翻译成方程之后，如何解多元方程组成了十八世纪最实际的需求。线性代数的起点不是空间，而是消元：1683 年日本和算家关孝和在《解伏题之法》中用行列式系统消去未知数，1693 年莱布尼茨在信件里独立提出同一记号。两人都只把它当计算的 shorthand——行列式是一个数，由方程系数拼出、判别解的存在，用完即弃。
1750 年克莱姆法则把这套记号做成了解方程的通用机器：未知数被写成两个行列式之比。至此行列式作为工具已经完全体，但有一个细节值得驻足：它始终是标量，不是对象——没有人问「系数方阵本身是什么」。这个伏笔要等一百年。
从记号到对象
工具用得越顺手，越会逼问它的本体。1812 年柯西给行列式补齐系统理论，其中乘积定理
泄露了天机：等式左边要求「阵列」自己会相乘——行列式只是某个尚不存在对象的标量投影。同一时期柯西研究二次型主轴化，特征值的雏形在此成形，谱思想自此埋线。
1858 年凯莱发表《矩阵论》（A Memoir on the Theory of Matrices），正式让 matrix 作为独立对象参加代数运算：加法、乘法、逆，以及凯莱–哈密顿定理。他本人只视其为记号便利，未料它日后能撑起整个学科。矩阵概念如此晚出并非偶然——「数的表格凭什么事运算」是一道本体论坎；群论走过同一条路（伽罗瓦与群论的诞生）：数学家总是先会算，后知道自己算的是什么。
分岔：物理派与公理派
矩阵让「变换」成为代数对象，但「向量」的概念仍被坐标绑架——几何量还没有独立身份。1840 年代两条路线分头突围，气质截然相反。
物理派：哈密顿 1843 年在都柏林的桥上刻下四元数（quaternion），为空间旋转寻找代数。他坚持每个运算都要有几何–物理意义，并为此付出乘法不可交换的代价——那是人类第一次遇到不交换的乘法。
公理派：格拉斯曼 1844 年的《扩张论》（Ausdehnungslehre）从公理出发构造 n 维线性系统，线性无关、张成、外积一应俱全——比时代超前了五十年，代价是出版后几乎无人能读，重写后依旧无人问津。
历史的裁决颇具讽刺：1880 年代吉布斯与亥维赛德把四元数裁剪成点积、叉积和向量分析，工程师的方言战胜了传教士的教义，麦克斯韦方程组随之改写为今天的向量形式。而格拉斯曼的公理化内核，要等二十世纪来收割——内积、酉、辛等结构家族的谱系可参见向量空间的结构。
公理化收网
三条支流——行列式、矩阵、向量——各自为战了一个世纪，统一它们的方式不是合并公式，而是提炼公理。皮亚诺 1888 年给出向量空间的公理化定义，回应者寥寥：有限维的旧世界不需要公理也运转良好。
转机来自无穷维。希尔伯特研究积分方程时造出 空间，并在 1904 年杜撰「谱」（Spektrum）一词——谱思想正式得名。随后两大推手把「线性结构 + 拓扑」送上王座：1925 年海森堡的矩阵力学让物理学自己扑进矩阵的怀抱，1932 年冯·诺依曼把全部量子力学安放进 Hilbert space；同一时期 Banach 建立赋范空间理论，泛函分析就此成为独立学科。诺特则在抽象代数一侧确立方法论：数学研究的对象是公理定义的结构。这次收网在 尼古拉·布尔巴基 处集大成；线性空间正是「代数结构 + 拓扑结构」杂交的教科书案例（母结构视角见 数学梳理-布尔巴基）。
机器接管
公理化回答了「什么是对的」，1950 年之后的新问题是「什么算得出来」。计算机让矩阵从纸面走进内存，逼出一门新学科——数值线性代数，其核心信条只有一条：不要显式求逆，要分解。
- Lanczos（1950）：Krylov 子空间上的迭代法，大矩阵的特征值从「消元求出」变成「迭代逼出」
- Householder（1958）：把领域组织为矩阵分解的科学，LU、QR 体系化；Francis 与 Kublanovskaya（1960–61）的 QR 算法成为特征值计算的标准答案
- Golub（1965–70）：SVD 的稳定算法，让任意矩阵都能被正交基对角化；Wilkinson 的向后误差分析回答「算出来的解可信吗」
谱思想在此收网：QR 迭代收敛到特征值，SVD 把谱定理推广到一切矩阵。纸面上的定理，就此变成可以调用的库函数。
数据的母语
现在可以回答主线问题了：机器学习为什么把线性代数当第一语言？因为它的每件基础设施都是线性结构的具体化——embedding 是内积空间里的点，语义相似度是夹角；神经网络的权重是线性变换的堆叠，非线性激活只负责阻止它们坍缩成一个矩阵；attention 是可学习的双线性形式；PCA 是谱定理的数据版，一切降维的底座是 SVD。训练本身（梯度下降）是在高维内积空间里沿梯度方向迭代——那正是希尔伯特当年研究的那类空间。数据弯曲成 流形 时，线性代数退守为切空间的局部语法；而高斯以来「最小二乘」这条与线性代数并行的暗线，完整展开于 最优化方法史 从最小二乘到随机梯度。
回头看，三百年抽象阶梯一步一级：
| 年代 | 对象 | 回答的问题 |
|---|---|---|
| 1693–1750 | 行列式（标量） | 方程组有没有解 |
| 1812–1858 | 矩阵（变换） | 变换如何复合、求逆 |
| 1843–1888 | 向量与空间 | 几何量如何独立于坐标 |
| 1900–1932 | 公理化线性结构 | 线性本身是什么 |
| 1950–1970 | 矩阵分解 | 结构如何被计算 |
| 今天 | 数据表示 | 数据住在哪里 |
消元套路之所以能长成数据的母语，是因为数学史在每一步都做同一件事：把算法提升为结构。结构一旦成立，便不再计较出身——今天的 transformer 不会记得，它每天相乘的矩阵，最初是关孝和为了消去一个未知数而发明的。