w wyl123ly 的博客
MD

学习路线图

14 KB 2026.10.11 原文件

学习路线图

这份路线图解决三个问题

1. 按什么顺序读(路线一:系统自学,从零开始,约 12–16 周)

2. 知识点之间怎么串(路线二:五条跨章主线,把散在各篇的东西连成一条线)

3. 每一篇具体怎么读(见最后一节「学习方法建议」)

本库是为自学写的:每篇都假设读者是第一次接触这个主题。所以不要跳读——尤其不要跳过「几何直观」和「例题」。

关于篇幅与时间安排

全库约 8.7 万行、平均每篇 1900 余行,含 250 余个不跳步的例题。这不是一周能读完的量。

下面的周数是按「认真读完并做完例题」估算的:如果只通读一遍、不做例题,时间可以减半;如果每道例题都自己先做一遍,建议把总时长乘 1.5。

另一个实际建议:一篇长笔记不要一次读完。先读「定义 → 几何直观」(约 20 分钟),隔天再看「定理 → 例题」。分段读比一口气读完有效得多。


一、先看主线:全库其实只有三条线索

45 篇笔记看着多,真正的骨架只有三条。抓住它们,笔记之间就不再是零散的知识点。

主线 A:四大子空间(本库的脊柱)

这是 Strang 体系的灵魂,也是全库出现频率最高的语言。

1-2 长度与点积
   ↓ 用点积定义「垂直」
3-1 向量空间 ──→ 3-2 零空间与阶梯形 ──→ 3-3 Ax=b 的完整解
   ↓
3-4 线性无关、基与维数
   ↓
3-5 四大子空间的维数 ★(全库最重要的一篇)
   ↓
4-1 四大子空间的正交性 ★
   ↓
4-2 投影 ──→ 4-3 最小二乘 ──→ 4-4 标准正交基与 QR
   ↓
11-2 范数与条件数(用子空间视角看数值稳定性)

读法:3-5 与 4-1 要读两遍。第一遍理解「四个空间分别是什么」,第二遍理解「它们两两正交、维数互补」。之后凡是遇到秩、解的结构、最小二乘、SVD,都回到这张图上看。

主线 B:矩阵分解

同一个矩阵,按不同目的拆成不同形状。

分解形式要求用途在哪一篇
LU消元不换行(或 )解方程组、算行列式[[2-5-LU分解与转置置换]]
QR列线性无关最小二乘的稳定算法[[4-4-标准正交基与Gram-Schmidt]]
谱分解对称主轴、二次型、正定[[6-4-对称矩阵与正定矩阵]]
对角化有 个无关特征向量矩阵幂、微分方程[[6-2-矩阵的对角化]]
SVD任意矩阵降维、压缩、伪逆[[7-1-SVD的构造与几何意义]]
等价标准形任意矩阵判定等价、求秩[[2-5-LU分解与转置置换]]
合同标准形实对称二次型的规范形[[6-5-二次型与标准形]]

读法:学完每一个分解,回到 附录-矩阵分解总览 更新一次理解。这张表就是「什么时候用哪个」的决策依据。

主线 C:从理论到应用

4-3 最小二乘(拟合数据)
   ↓
7-1 SVD ──→ 7-2 图像压缩 ──→ 7-3 PCA(降维)
   ↓
10-1 图与网络 ──→ 10-2 Markov 与 PageRank ──→ 10-3 线性规划
   ↓
11-x 数值方法(怎么在计算机上真的算出来)
   ↓
12-2 协方差矩阵 ──→ 12-3 加权最小二乘

二、路线一:系统自学(约 12–16 周)

按章推进。每一章给出「先读什么 → 重点掌握 → 自测标准」。

第 1 周:向量的语言

  • 读:1-1-向量与线性组合、1-2-长度与点积、1-3-矩阵入门
  • 重点: 是 的列的线性组合;点积与垂直;矩阵乘法的四种读法
  • 自测:能不能不看笔记,用「列的组合」解释 什么时候有解?

第 2–3 周:解方程组与消元(第 2 章 5 篇)

  • 重点:消元 → 秩 → 解的个数;;分块矩阵与伴随矩阵;等价标准形
  • 自测:给一个含参数的方程组,能不能讨论出所有情形?
  • 国内课程衔接:等价标准形、Sylvester 不等式、伴随矩阵见 2-4-矩阵运算与逆矩阵 与 2-5-LU分解与转置置换

第 4–6 周:向量空间与四大子空间(第 3 章 5 篇)

  • 重点:3-5-四大子空间的维数 与 4-1-四大子空间的正交性 是全库核心
  • 自测:随便写一个 矩阵,能不能立刻说出四个空间的维数、各自的基、谁和谁正交?
  • 国内课程衔接:数域与八条公理、子空间的交与和、维数公式、直和见 3-1-向量空间;基础解系与极大线性无关组见 3-2-零空间与阶梯形 与 3-4-线性无关基与维数

第 7 周:正交性与最小二乘(第 4 章)

  • 重点:投影矩阵 的来历与性质;Gram–Schmidt;
  • 自测:给 5 个数据点,能不能手算出一条拟合直线,并说出残差为什么与列空间正交?

第 8 周:行列式(第 5 章 3 篇)

  • 重点:用性质算行列式(不要硬展开);范德蒙德;克莱姆法则;体积解释
  • 自测: 阶三对角行列式能不能推出递推式?
  • 国内课程衔接:逆序数与排列定义、代数余子式、拉普拉斯定理见 5-2-排列与代数余子式; 的完整讨论见 5-3-克莱姆法则与体积

第 9–10 周:特征值与对角化(第 6 章 5 篇)

  • 重点:可对角化的充要条件;实对称矩阵的正交对角化;二次型的配方法与规范形;正定判别
  • 自测:给一个含参数矩阵,能不能判断参数取何值时可对角化?
  • 国内课程衔接:合同、惯性定理、规范形、配方法见 6-5-二次型与标准形;相似的必要条件与相似类见 6-2-矩阵的对角化 与 8-3-相似矩阵与基变换

第 11 周:SVD 与降维(第 7 章 3 篇)

  • 重点:SVD 的构造(从 出发)、几何意义、低秩逼近、PCA
  • 自测:能不能解释「为什么 是最好的秩 逼近」?

第 12 周:线性变换与复矩阵(第 8、9 章 6 篇)

  • 重点:变换与矩阵的对应;核与值域;同构;相似与基变换;Hermitian 与酉矩阵;FFT 的分治思想
  • 国内课程衔接:核与值域、同构、线性变换的运算见 8-1-线性变换的思想

第 13–14 周:应用(第 10 章 5 篇)

  • 重点:关联矩阵与四大子空间、拉普拉斯矩阵;Markov 稳态与 PageRank;线性规划与对偶;函数空间;图形学与密码学

第 15–16 周:数值与统计(第 11、12 章 6 篇)

  • 重点:选主元与条件数;迭代法与预条件;协方差矩阵;加权最小二乘与广义最小二乘

三、路线二:跨章主题串联(与路线一并行使用)

路线一是「横向按章推进」,这一节是「纵向把一条线读穿」。每学完一个阶段,用这里的顺序回头串一次,笔记之间的关联就建立起来了。

串联 1:把一个矩阵「看透」

按这个顺序读,你会对同一个矩阵建立完整认识:

1-3-矩阵入门 → 2-3-用矩阵进行消元 → 2-5-LU分解与转置置换 → 3-2-零空间与阶梯形 → 3-3-Ax=b的完整解 → 3-4-线性无关基与维数 → 3-5-四大子空间的维数 → 4-1-四大子空间的正交性 → 6-1-特征值引论 → 7-1-SVD的构造与几何意义

串联 2:从「拟合一条直线」到「给图像压缩」

4-2-投影与投影矩阵 → 4-3-最小二乘逼近 → 7-1-SVD的构造与几何意义 → 7-2-图像压缩与低秩逼近 → 7-3-主成分分析PCA → 12-2-协方差矩阵 → 12-3-多元高斯与加权最小二乘

串联 3:从「图形变换」到「网络排名」

1-3-矩阵入门 → 8-1-线性变换的思想 → 8-2-线性变换的矩阵表示 → 10-5-图形学与密码学 → 10-1-图与网络 → 10-2-Markov矩阵与稳态

串联 4:二次型与正定性(计算型主线)

6-1-特征值引论 → 6-2-矩阵的对角化 → 6-4-对称矩阵与正定矩阵 → 6-5-二次型与标准形 → 12-2-协方差矩阵

串联 5:数值实现(怎么在计算机上真的算出来)

2-5-LU分解与转置置换 → 11-1-数值稳定性与LU → 11-2-范数与条件数 → 11-3-迭代方法与预条件 → 7-1-SVD的构造与几何意义


四、如果你在对着国内课程学

国内《线性代数》的章节顺序与 Strang 不同,重点也不同。本库已经把国内教材独有的内容补进来了,下面对照列出「国内课程讲到、Strang 体系不讲或讲得少」的部分分别在哪儿——按需跳读即可,不必打乱上面的主线顺序。

国内课程内容在本库哪一篇说明
数域[[1-1-向量与线性组合]]、[[3-1-向量空间]]决定消元能否做、特征值能否算
逆序数与排列定义[[5-2-排列与代数余子式]]国内定义行列式的方式
代数余子式、拉普拉斯定理[[5-2-排列与代数余子式]]按 行展开
伴随矩阵[[2-4-矩阵运算与逆矩阵]]
分块矩阵与分块初等变换[[1-3-矩阵入门]]、[[2-4-矩阵运算与逆矩阵]]用来证秩的不等式
Sylvester 不等式[[2-4-矩阵运算与逆矩阵]]
克拉默法则的完整讨论(含 )[[5-3-克莱姆法则与体积]]国内考试高频
矩阵的等价与等价标准形[[2-5-LU分解与转置置换]]「等价 同秩」双向证明
基础解系、极大线性无关组[[3-2-零空间与阶梯形]]、[[3-4-线性无关基与维数]]国内解方程组的标准工具
秩的子式定义[[3-2-零空间与阶梯形]]、[[3-4-线性无关基与维数]]与「主元个数」等价
线性空间八条公理[[3-1-向量空间]]含「去掉某条公理会怎样」
子空间的交、和、直和、维数公式[[3-1-向量空间]]国内重点、Strang 少讲
同构[[8-1-线性变换的思想]]「维数相同 同构」
核与值域[[8-1-线性变换的思想]]
线性变换的运算[[8-1-线性变换的思想]]加、数乘、乘法、逆
相似的必要条件与相似类[[8-3-相似矩阵与基变换]]快筛表 + Jordan 对应
配方法化二次型[[6-5-二次型与标准形]]国内首选,不必求特征值
合同、惯性定理、规范形[[6-5-二次型与标准形]]国内重点
拉格朗日插值[[3-3-Ax=b的完整解]]用克拉默法则推出
网络流量、几何应用[[10-1-图与网络]]、[[5-3-克莱姆法则与体积]]对应国内教材附录

术语不同怎么办

国内叫「克拉默法则」、本库叫「克莱姆法则」;国内叫「规范正交基」、本库叫「标准正交基」——这类差异见 00-索引 末尾的术语对照表,绝大多数「看不懂」只是译名问题。


五、学习方法建议

  1. 先读 关于本笔记库,弄清符号约定(、、、 等),否则后面会看得很累。
  2. 每一篇按固定顺序读:定义 → 几何直观 → 性质与定理(第一遍证明可以略过)→ 计算方法 → 例题 → 易错点 → 小结。
  3. 例题一定要先自己做,做完再看解答。看懂了和自己会做是两件事。
  4. 练习题的答案不给——这是故意的。做不出来时,回到该篇例题找同类思路;还不行就顺着「相关笔记」的双链回溯前置笔记。
  5. 遇到不懂的术语,先看本篇首次出现处的英文原名(如 零空间(nullspace)),很多困惑来自中英译名不一致。
  6. 动手算:每篇的 numpy 代码建议真的跑一遍。数值结果能立刻验证(或推翻)你对定理的理解。
  7. 每学完一章,回到 附录-矩阵分解总览 和 常用公式速查 各更新一次理解——这两篇是「把书读薄」的抓手。
  8. 不要追求一次读懂。3-5-四大子空间的维数、4-1-四大子空间的正交性、6-4-对称矩阵与正定矩阵、7-1-SVD的构造与几何意义 这几篇值得读第二遍,第二遍的收获通常比第一遍大。

相关笔记

  • 00-索引:45 篇笔记的完整清单
  • 关于本笔记库:符号约定、写作规范、MathJax 注意事项
  • 常用公式速查:所有结论的浓缩版,随时查
  • 附录-矩阵分解总览:各种分解的统一对比

参考来源

  • Gilbert Strang, Introduction to Linear Algebra, 5th Edition, Wellesley-Cambridge Press, 2016
  • 陈维新《线性代数》(第二版),科学出版社 —— 本库在矩阵分块、等价标准形、基础解系、维数公式、二次型规范形与合同、伴随矩阵、Sylvester 不等式等处补充了该书特有的内容
  • MIT OpenCourseWare 18.06 Linear Algebra(Strang 授课):<https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/>