课程导航

线性代数 · 课程导航 #

这门课讲什么：从坐标与运算出发，一路走到特征值、内积空间、行列式
写给谁：需要真正会用线性代数的人——化学、材料、工程类专业，以及想把基础补牢的人
怎么用：每讲独立可读，但前后有依赖；先看下面的知识地图再决定从哪进

---

一、这门课讲什么 #

线性代数常被讲成「一堆矩阵计算」，但它真正的主线只有一条：

研究「保持加法与数乘」的映射，以及它们所依赖的坐标系统。

沿着这条主线，内容自然分成四块：

块	回答的问题	核心对象
空间	我们在一什么样的场地里做运算？	向量空间、子空间、基、维数
映射	从一个空间到另一个空间，怎样「保结构」地过去？	线性映射、矩阵、零空间、值域
自省	一个空间到自己的映射，有没有「不变的方向」？	特征值、特征向量、对角化
度量	怎样定义长度、角度、正交？	内积、范数、正交基、谱定理

四块不是并列的，而是层层递进：没有「空间」，谈不上「映射」；没有「映射」，谈不上「特征值」；没有「度量」，就做不了最小二乘和正交分解。

---

二、三种读法：预习 / 学习 / 复习 #

同一篇讲义，三个阶段该看的地方不一样。

阶段	看什么	花多久	目标
预习	只看第一节「这讲讲什么」+ 最后的「复习卡」	3–5 分钟	知道这讲要解决什么问题，带着问题去听课或读书
学习	全文，重点在定义、推导、手算例子	40–60 分钟	能自己把例题重做一遍，能说出每步为什么
复习	「复习卡」+「常见误区」+「自测」	15 分钟	合上讲义能默写定义，自测题能独立做完

---

三、知识地图（按主题依赖，不按教材章节编排） #

第一部分 · 空间（01–06）
  01 向量与坐标 ── 02 向量空间 ── 03 子空间
                                     │
                            04 张成与线性无关
                                     │
                              05 基 ── 06 维数

第二部分 · 映射（07–12）
  07 线性映射 ── 08 零空间与值域 ── 09 矩阵
                                      │
                            10 可逆性与同构
                                      │
                    11 积与商空间（可选）── 12 对偶

第三部分 · 多项式与特征值（13–21）
  13 多项式的零点 ── 14 带余除法
        │
  15 复系数分解 ── 16 实系数分解
        │
  17 不变子空间 ── 18 极小多项式 ── 19 上三角矩阵
                                        │
                                20 可对角化 ── 21 可交换算子

第四部分 · 内积与算子（22–30）
  22 内积与范数 ── 23 规范正交基 ── 24 正交补与最小化
        │
  25 自伴与正规算子 ── 26 谱定理 ── 27 正算子
        │
  28 等距与矩阵分解 ── 29 奇异值分解 ── 30 SVD 的推论

第五部分 · 算子深入与行列式（31–38）
  31 广义特征向量与幂零算子 ── 32 广义特征空间分解 ── 33 推论与 Jordan 形
                                                          │
                                                     34 迹
  35 双线性型与二次型 ── 36 交错多重线性型 ── 37 行列式 ── 38 张量积

附录
  A1 线性方程组与消元
  A2 数学预备（求和号 / 归纳法 / 排列与逆序数）
  S1 符号表
  S2 定理速查

---

四、记号约定（全书统一，先扫一眼） #

记号	含义
$\mathbb{F}$	数域，取 $\mathbb{R}$ 或 $\mathbb{C}$
$\mathbb{F}^n$	$n$ 个 $\mathbb{F}$ 中元素组成的有序数组
$V,W$	向量空间
$\dim V$	$V$ 的维数
$u,v,w$	向量（小写斜体）
$\lambda,\mu$	标量
$T,S$	线性映射
$\mathcal{L}(V,W)$	从 $V$ 到 $W$ 的全部线性映射
$\operatorname{null}T$	零空间（被映成 $0$ 的向量全体）
$\operatorname{range}T$	值域（所有像的全体）
$\langle u,v\rangle$	内积
$\|v\|$	范数（长度）
$A^{\mathsf{T}}$	转置
$A^{*}$	伴随（复情形为共轭转置）
$\det A$	行列式
$\operatorname{tr}A$	迹（对角元之和）

---

五、什么程度算学明白了 #

不是「看懂证明」，而是这三条：

1. 能不看笔记写出定义。 尤其是「线性无关」「基」「维数」「特征值」这四个——它们是后面一切的支点。
2. 能举反例。 别人说「这个结论显然成立」，你能立刻想出它什么时候不成立。
3. 能算。 给一个 $3\times3$ 矩阵，能求出特征值、判断能否对角化、算出行列式。

---

六、常见问题 #

Q1：需要先学微积分吗 #

不需要。 本课只用到四则运算、复数、以及一点多项式除法。
真正用到「极限」的地方要到内积与正交投影，而且是可跳的。

Q2：证明看不懂怎么办 #

按这个顺序试三次，多数卡点能自己解决：

1. 先查定义。 证明里每个符号，回去找它在哪里定义。线性代数的证明几乎每行都在用定义。
2. 把「设」抄下来。 把「设 $v\in V$」抄成「任取 $v$」，然后问：要证明它对任意 $v$ 成立，我能用关于 $v$ 的什么信息？答案通常就是能用的公理。
3. 从结论反推。 先看最后一行要证什么，再从倒数第二行往前问「这一步凭什么」。

三次还不行，先跳过证明记住结论，往后读。第二遍回来时，很多当时看不懂的证明会自己变清楚。

Q3：术语和手边的教材对不上怎么办 #

主要差异就这几处，混用不影响理解，但做题要留意：

本课用法	你可能见到的其他说法
线性映射 / 线性算子	线性变换
特征值 / 特征向量	本征值 / 本征向量
零空间	解空间 / 核
值域	像空间
基	基底

Q4：习题要做吗 #

每讲至少做 3 道，重点是证明题。 本课习题几乎全是证明，目的是练「用公理推」的手感。
只做计算题，读到第二部分会越来越吃力。

Q5：为什么有的公式写成图片 #

因为准确性优先。极少数版面结构复杂到无法可靠转写的公式（多行嵌套矩阵、跨行分段函数），
宁可放原始插图也不写可能出错的 LaTeX。
看错一个上标，比看不到公式更糟。

---

七、学习计划 #

按每周 4 讲排，约 9 周；赶时间可压到 6 周，但第二部分（映射）不要压——它是整套理论的枢纽。

周	讲	这周结束时你该能
1	01–04	说出向量空间六条性质；判断子集是不是子空间；判断线性相关
2	05–08	求基与维数；写出线性映射的矩阵
3	09–12	算矩阵乘法；判断可逆与同构；理解商空间与对偶
4	13–17	做多项式除法；求特征值与特征向量
5	18–22	极小多项式；上三角化；算内积与正交基
6	23–27	做 Gram–Schmidt；最小二乘；理解谱定理
7	28–31	极分解；奇异值分解；广义特征向量
8	32–35	Jordan 形；迹；双线性型与二次型
9	36–38 + 附录	交错多重线性型；行列式；张量积；消元法解方程组

6 周速成版

第 1 周 01–05；第 2 周 06–12；第 3 周 13–19；第 4 周 20–26；第 5 周 27–32；第 6 周 33–38 + 附录。
代价：第 2、3 周会明显吃力（正好是映射与特征值），建议只在考试前这么干。

---

八、参考与出处 #

本课是知识梳理，不是某一本教材的导读。内容综合了以下来源，并按「讲透 + 易错 + 自测」重新组织：

来源	用途
《线性代数应该这样学》（第 4 版，吴俊达、何阳 译）	主线框架：以「线性映射」而非「矩阵计算」为轴
《行列式入门》（540 页）	行列式与线性方程组的计算细节、排列与逆序数、公理化定义的完整推导
Bronstein《数学手册》俄文第 10 版（1962）、英文第 6 版（2015）	公式系数、定理条件、特殊函数的权威查证
香蕉空间（中文数学百科）	现代视角的严格定义与定理陈述