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
- 先读 关于本笔记库,弄清符号约定(、、、 等),否则后面会看得很累。
- 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。
- 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。
- 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。
- 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。 - 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。
- 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。
- 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/>