MATH1550：矩阵与线性代数方法

矩阵方法、实向量空间、谱结构与秩感知逼近。

方程与解集

浏览章节

章节 1

线性方程组

线性方程组

方程与解集
把线性方程组看成一组同时成立的条件，清楚分类其解集，并理解为什么方程操作不会改变解集。
阅读本节

章节 2

矩阵与消元

矩阵与消元

矩阵基础
先把矩阵当成真正的数学对象来读：大小、元素、相等、基本运算，以及方程组如何写成矩阵形式。
阅读本节
增广矩阵与行变换
把方程组写成 `Ax = b` 和 `[A|b]`，并严格理解为什么基本行变换会保留解集。
阅读本节
高斯消元与最简行阶梯形
高斯消元保持方程组的解集不变，并通过主元方程揭示解与自由变量的关系。
阅读本节
解集的类型
用 RREF 严格分类线性方程组的解集，辨认主变量与自由变量，并说明为什么系统只能有唯一解、无穷多解或无解。
阅读本节

章节 3

矩阵代数

矩阵代数

矩阵乘法、单位矩阵与线性方程组
理解何时可以做矩阵乘法、行乘列规则和单位矩阵如何运作，以及矩阵乘法如何表示线性方程组。
阅读本节
转置、对称矩阵与反对称矩阵
用转置、对称性与可交换乘积去理解矩阵结构与代数行为。
阅读本节

章节 4

解的结构

解的结构

齐次方程组与零空间
零空间描述解之间的差、自由坐标，以及一致方程组的完整解集。
阅读本节

章节 5

可逆性与秩

可逆性与秩

RREF 唯一性与秩的良定性
证明每个行等价类只有一个简化行阶梯形，再用这个定理说明秩不依赖所选行化简路径。
阅读本节
可逆矩阵
可逆性连接可逆的矩阵作用、每个右端对应的唯一解，以及逆矩阵的代数性质。
阅读本节

章节 6

空间与基

空间与基

向量空间
仔细定义向量空间，比较标准例子，并证明之后所有张成、基底与维数论证都会用到的第一批结构性定理。
阅读本节
子空间
仔细使用子空间测试，证明最基本的结构结论，并掌握线性代数里反复出现的矩阵例子与方程例子。
阅读本节
线性组合与张成
把张成视为一个精确的输出集合，将它与线性系统连起来，并学会判断一个向量能否由指定向量组合而成。
阅读本节
线性相依与线性独立
辨认向量列中的冗余，通过定义与行化简测试线性独立，并读懂低维几何意义。
阅读本节
基与维数
基给出唯一的坐标表示；维数记录所有基的共同大小，并提供判断张成与线性独立的准则。
阅读本节
列空间、行空间与秩
把矩阵同时读成输出的来源与线性关系的来源，再用秩去数清楚真正独立的方向有多少。
阅读本节
基底延伸与基变换
把基底定理变成可使用的工具：延伸线性无关组、替换旧基向量，并比较两组基底下的坐标。
阅读本节

章节 7

行列式

行列式

行列式与余因子展开
先用子式与余因子仔细定义行列式，再理解余因子展开如何把一个标量变成方阵结构的精确摘要。
阅读本节
行变换、乘积与可逆性
精确追踪行变换如何改变行列式，再把这种行为连到乘积公式、逆矩阵与可逆性测试。
阅读本节
转置、列变换与克拉默法则
转置把行列式的行恒等式转为列恒等式；余因子的消去关系给出伴随矩阵公式与克拉默法则。
阅读本节

章节 8

特征值与对角化

特征值与对角化

特征值、特征向量与特征空间
由方程 Av=λv 定义特征值与特征向量，再把同一个概念改写成零空间与行列式问题，让整个结构变得可计算。
阅读本节
对角化与相似
把对角化理解成由特征向量组成的基变换，再用相似关系说明何时矩阵可以在不改变核心特征值资料的情况下被简化。
阅读本节
特征多项式与对角化测试
用特征多项式、代数与几何重数，以及“互异特征值”测试去判断何时特征值资料已足够推出可对角化。
阅读本节

章节 9

正交性

正交性

内积、范数与夹角
定义 R^m 上的标准内积与范数，再把这些公式连到长度、夹角与最基本的不等式结构。
阅读本节
正交集与标准正交基
利用正交性建立正交基与标准正交基，然后在不每次重解线性系统的情况下直接读出坐标系数。
阅读本节
Gram-Schmidt 正交化
把 Gram-Schmidt 过程用来把一组基底转成正交基或标准正交基，同时保持张成空间不变。
阅读本节
Cauchy-Schwarz 与三角不等式
把 Cauchy-Schwarz 与三角不等式当作内积空间中控制长度、夹角与等号条件的两条核心估计。
阅读本节

章节 10

完整谱方法

完整谱方法

重特征值与完整对角化
重特征值与完整对角化
阅读本节

章节 11

秩感知逼近

秩感知逼近

考虑秩的 Gram–Schmidt 正交化、QR 分解与最小二乘
考虑秩的 Gram–Schmidt 正交化、QR 分解与最小二乘
阅读本节