求解方程组并解释解空间
linear-systems · gaussian-elimination · null-space
LEARNING PATH / LINEAR-ALGEBRA-FOUNDATIONS
线性代数基础
从向量和矩阵建立线性空间语言，进入方程组、特征结构与低秩分解。
约 30 小时20 个概念节点希望理解矩阵计算、机器学习表示和数值方法基础的学习者。
本地学习进度0/20 节完成
进入路径前
该路径不要求站内先修，可从第一节开始。
阶段目标
- 01用线性组合、张成和基描述有限维空间。
- 02把矩阵同时理解为线性方程组和线性映射。
- 03使用正交投影、特征分解和 SVD 分析数据结构。
学习序列
- 01mathematics / 难度 1正文
向量
把向量理解为可加、可缩放的方向与状态表示，并连接坐标、几何和高维数据。
未开始 - 02mathematics / 难度 1大纲
向量运算与内积
计算向量加法、数乘、范数和内积，并解释长度、夹角与相似度的几何意义。
未开始 - 03mathematics / 难度 1大纲
线性组合
用系数组合一组向量，判断一个目标向量是否能够由给定生成集合表示。
未开始 - 04mathematics / 难度 2大纲
向量空间与子空间
用封闭性公理刻画向量空间，并检验解集、函数集和矩阵集是否构成子空间。
未开始 - 05mathematics / 难度 2大纲
张成、线性无关与基
通过张成集和线性无关选择最小坐标系统，理解维数为何不依赖具体基。
未开始 - 06mathematics / 难度 1正文
矩阵
把矩阵作为线性映射和线性方程组的有限维表示，区分行、列与形状。
未开始 - 07mathematics / 难度 1大纲
矩阵运算
掌握矩阵加法、数乘、转置和分块操作，并跟踪各运算对矩阵形状的要求。
未开始 - 08mathematics / 难度 2大纲
矩阵乘法
从行列内积和映射复合理解矩阵乘法，明确不可交换性与维度匹配条件。
未开始 - 09mathematics / 难度 2大纲
线性方程组
把多个线性约束写成矩阵方程，分析无解、唯一解和无穷多解的条件。
未开始 - 10mathematics / 难度 2大纲
高斯消元
通过初等行变换把线性方程组化为阶梯形，并稳定地回代求解。
未开始 - 11mathematics / 难度 2正文
线性变换
用保持线性组合的映射描述旋转、缩放、剪切和投影，并由基确定矩阵表示。
未开始 - 12mathematics / 难度 2正文
行列式
把行列式解释为有向体积缩放因子，并用零行列式识别不可逆变换。
未开始 - 13mathematics / 难度 2大纲
矩阵的秩
用主元、列空间和像空间度量矩阵保留的独立方向数量。
未开始 - 14mathematics / 难度 2大纲
零空间与解空间
求解映射到零向量的全部输入，并用秩-零化度关系连接自由度。
未开始 - 15mathematics / 难度 3正文
特征值与特征向量
寻找在线性变换下方向不变的向量，并用特征值刻画该方向上的伸缩。
未开始 - 16mathematics / 难度 2大纲
正交性
用零内积表达方向独立性，并理解正交基如何简化坐标、长度和数值计算。
未开始 - 17mathematics / 难度 3大纲
正交投影
把向量分解到子空间及其正交补上，并推导投影矩阵与最小距离性质。
未开始 - 18mathematics / 难度 3大纲
最小二乘
把不相容线性方程转化为残差平方最小问题，并由投影推导正规方程。
未开始 - 19mathematics / 难度 3大纲
Gram–Schmidt 正交化
逐步移除已有方向分量，把线性无关向量组转化为正交或标准正交基。
未开始 - 20mathematics / 难度 4大纲
奇异值分解
把任意矩阵分解为两次正交变换和一次轴向缩放，揭示秩与主方向。
未开始
CHECKPOINTS
阶段检查
- 完成 张成、线性无关与基
判断一组向量是否构成基，并解释坐标为何依赖基而向量本身不依赖。
- 完成 特征值与特征向量
用行列式、秩和特征向量分别说明一个线性变换保留或丢失了什么。
PATH EXERCISES
综合练习
用 SVD 构造低秩近似
matrix-rank · orthogonality · singular-value-decomposition