Evanalysis
MATH1030

MATH1030:线性代数 I

以严谨方式整理的线性代数笔记,涵盖方程组、矩阵、结构与证明;互动只在真正有助理解数学时使用。

你可以用侧栏逐章前进,或直接从下方进入某一节笔记。

9 章节
每一节都可以直接在页面阅读,也可以在需要离线复习时导出成静态版本。

章节 1

方程组

学习把方程读成完整的解集。

1.1嵌入式互动

1.1 方程与解集

把线性方程组看成一组条件,并小心描述它的完整解集。

章节 2

矩阵与消元

建立矩阵直觉,并有目的地使用行化简。

2.1嵌入式互动

2.1 矩阵基础

在做行化简前先建立矩阵直觉:大小、元素、行、列,以及运算意义。

2.2嵌入式互动

2.2 增广矩阵与行变换

把方程组翻译成增广矩阵,并理解每种行变换保留了什么。

2.3嵌入式互动

2.3 高斯消元与最简行阶梯形

把高斯消元看成一连串有目的的操作,而不只是死记步骤。

2.4嵌入式互动

2.4 解集的种类

通过最简形式判断方程组有唯一解、无限多解,还是无解。

章节 3

矩阵代数

矩阵乘法、转置与结构化矩阵记号。

3.1嵌入式互动

3.1 矩阵乘法与单位矩阵

理解何时可以做矩阵乘法、行乘列规则怎样运作,以及单位矩阵为何在解线性方程组时重要。

3.2

3.2 转置与特殊矩阵

用转置、对称性、交换乘积与分块记号去读懂矩阵结构,而不是把公式当成零散技巧。

章节 4

解的结构

齐次方程组、零空间与完整解集的结构。

4.1

4.1 齐次方程组与零空间

仔细研究齐次方程组,再用零空间把所有解描述成有结构的集合,而不是零散例子。

章节 5

可逆性

理解什么情况下矩阵可以被反转,以及这件事的重要性。

5.1嵌入式互动

5.1 可逆矩阵

把逆矩阵、行化简与非奇异矩阵的实际意义连接起来。

章节 6

向量空间

由矩阵程序走向空间结构、张成、无关与基底。

6.1

6.1 向量空间

由熟悉例子开始,理解向量空间公理到底想保护什么结构。

6.2嵌入式互动

6.2 子空间

用子空间测试把真正的线性结构,和那些缺少封闭性或零向量的集合分开。

6.3嵌入式互动

6.3 线性组合与张成

把线性组合看成有控制的搭建指令,再把张成理解成所有能这样搭出来的向量。

6.4嵌入式互动

6.4 线性相依与线性无关

把相依看成冗余,把无关看成每个系数都真正有作用的情况。

6.5嵌入式互动

6.5 基底与维数

看清基底为何是空间最小而完整的坐标系统,以及维数为何是在数真正需要多少个方向。

6.6

6.6 列空间、行空间与秩

把行化简与基底观念结合起来,读懂列空间、行空间与秩,并分清楚行变换到底保留什么。

章节 7

行列式

行列式、余因子公式,以及把行变换、转置与可逆性连起来的结构化代数。

7.1

7.1 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。

7.2

7.2 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。

7.3

7.3 转置、列变换与克拉默法则

用转置与列变换从第二个角度去读行列式,再以伴随矩阵、逆矩阵公式与克拉默法则收束整章。

章节 8

特征值与对角化

特征值、特征空间、相似与对角化,作为行列式之后的下一层结构。

8.1

8.1 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。

8.2

8.2 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。

8.3

8.3 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。

章节 9

内积与正交性

内积、正交性、标准正交基与 Gram-Schmidt,作为特征值之后的几何层次。

9.1

9.1 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。

9.2

9.2 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。

9.3

9.3 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。

9.4

9.4 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。