---
title: 学习路线图
aliases:
  - 路线图
  - Roadmap
  - 学习顺序
tags:
  - 元/导航
created: 2026-10-11
updated: 2026-10-12
level: 入门
chapter: "0"
prerequisites:
  - "[[00-索引]]"
sources:
  - https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/
---

# 学习路线图

> [!abstract] 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」。

> [!warning] 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。

```text
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 | $A = LU$ | 消元不换行（或 $PA=LU$） | 解方程组、算行列式 | [[2-5-LU分解与转置置换]] |
| QR | $A = QR$ | 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 | $S = Q\Lambda Q^{\mathrm{T}}$ | 对称 | 主轴、二次型、正定 | [[6-4-对称矩阵与正定矩阵]] |
| 对角化 | $A = X\Lambda X^{-1}$ | 有 $n$ 个无关特征向量 | 矩阵幂、微分方程 | [[6-2-矩阵的对角化]] |
| SVD | $A = U\Sigma V^{\mathrm{T}}$ | **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 | $B = P\begin{bmatrix} I_r & O \\ O & O \end{bmatrix}Q$ | **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 | $A = C^{\mathrm{T}}\Lambda C$ | 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

```text
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**：$A\mathbf{x}$ 是 $A$ 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 $A\mathbf{x}=\mathbf{b}$ 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；$PA=LU$；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 $3\times5$ 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 $P=A(A^{\mathrm{T}}A)^{-1}A^{\mathrm{T}}$ 的来历与性质；Gram–Schmidt；$A=QR$
- **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**：$n$ 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]]；$D=0$ 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 $A^{\mathrm{T}}A$ 出发）、几何意义、低秩逼近、PCA
- **自测**：能不能解释「为什么 $A_k$ 是最好的秩 $k$ 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 $k$ 行展开 |
| 伴随矩阵 | [[2-4-矩阵运算与逆矩阵]] | $A^{-1}=\operatorname{adj}(A)/\det A$ |
| 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]] | $r(AB)\ge r(A)+r(B)-n$ |
| 克拉默法则的完整讨论（含 $D=0$） | [[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 $\iff$ 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 $\iff$ 同构」 |
| 核与值域 | [[8-1-线性变换的思想]] | $\dim\ker T+\dim\operatorname{Im}T=n$ |
| 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 |

> [!tip] 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（$A^{\mathrm{T}}$、$N(A)$、$C(A)$、$r$ 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/>
