如何学习线性代数，这本书完全看不懂啊 50

做更多示例问题并查看分析。

没有明确规定，但一般采用《同济》第六版的材料。 同济大学工程数学线性代数，浙江大学概率学。 建议线性代数买一本李永乐的金榜线性代数，看完线性研究生考试基本可以拿到分数。

线性代数是数学的一个分支，涉及向量、向量空间（或线性空间）、线性变换和有限维线性方程组。 向量空间是现代数学中的一个重要课题。 因此，线性代数在抽象代数和泛函分析中被广泛应用。 通过解析几何，可以具体表示线性代数。

线性代数理论已推广到算子理论。 由于科学研究中的非线性模型通常可以近似为线性模型，因此线性代数在自然科学和社会科学中被广泛使用。

线性代数是代数的一个分支，主要处理线性关系问题。 线性关系是指数学对象之间的关系以单一形式表示。 例如，在解析几何中，平面上一条直线的方程是一个二元方程; 空间平面的方程是三元方程，而空间中的直线被认为是两个平面的交点，由两个三元方程组成的方程组表示。

具有 n 个未知数的一次性方程称为线性方程。 相对于曾经的变量的函数称为线性函数。 线性关系问题称为线性问题。 求解线性方程组的问题是最简单的线性问题。

线性代数比高数相对容易复习，但是在大纲解决后，你不能懈怠。 因为这是一个分界点时间，所以以后应该每天都复习线性代数，因为要背的公式还比较多，很多同学只要一段时间不复习就会忘记知识点，建议每天复习线性代数的时间不少于一个小时。

另一件事是要注意安排审查的方式。 今后，学生要开始做考研难题，从现在开始每天做真题，隔天做一套，做完后总结真题规则。 线性代数的所有章节都密切相关，所以学生在复习的时候，不要觉得没复习的章节可以先收起来，需要整合整个线性代数知识点，形成自己的知识框架。

最后，建议在笔记中总结线性代数的公式和结论，并花时间将它们全部推导出来，尤其是在第 2 章的矩阵部分，那里有很多公式。

线性代数是一门进阶版的课程，最基础的就是学好微积分，这块打下了良好的基础，线性代数完全不成问题，可以选择张宇或者唐家峰的参考书。

我认为在复习过程中，我们应该从最基础的复习开始，通读教材，因为只有做难题和离经叛道的题目才能提高做难题和离经叛道题的能力，但凡事都是从基础开始的，如果知识基础不扎实，那么提升起来就很慢。 我推荐清华线性代数第三版，它详细而深入地解释了知识，适合大多数人。

考考要有正常的心态和坚强的意志力，不停不停刷题、不停地复习，总会成功。 与高等数学相比，考研的线性代数依然是考研数学试卷中的一个打分项目，只要仔细复习，题目不大，参考书是同济第六版张天德主编的，多刷题才是关键。

目前，研究生入学考试最好是分块学习数学，我推荐李永乐老师的线条式讲义和练习，因为我去年用过他的书。

最好的复习方法是确保参加一些培训班或一些有更好老师的课程。 因为考研的学习覆盖面很广，而且难度很大，竞争也非常激烈，所以只有跟着这些专业的老师才能在考试的复习中起到很好的作用，因为这些老师往往在教学上很有经验，他们也可以立足当年考点的热点。 对候选人的良好评价。

可以购买《研究生入学考试数学标准全书》《概率论与数理统计》《研究生入学考试数学知识点必删手法》。

线性代数研究如下：

1.注意以下几点。

1.从易到难，线性代数往往涉及到大数组，所以先了解容易的问题，然后解决困难的问题，比如行列式的定义，先了解三阶行列式的定义，这自然可以推广到n阶行列式的情况。

2.从低到高，技能的使用节省了大量时间，无论是行列式还是矩阵，在低阶状态下，找到合适的计算方法，就可以自由提升和应用到高阶情况。

3.从简单到复杂，一些算法首先尝试在简单情况下使用，然后应用于复杂问题，如Klem规则，线性方程组解的存在判别，对角化问题等。

4.线性代数中的一些新概念，如秩和特征值特征向量，首先要理解它们的定义，并在理解的基础上，深入理解它们与其他概念的关系及其函数，并逐步达到自由应用的状态。

2、理解概念，背公式，注意联想，掌握方法。

应特别注意对象之间的比较和相关性，例如方阵与行列式之间的联系，矩阵多项式与一般多项式的比较，数组运算与数运算（如矩阵乘法、反转）的区别。

第三，初等变换在代数中占有重要地位，初等变换方法几乎贯穿了整个过程，行列式的计算、矩阵的秩和矩阵的逆秩、方程的解、线性相关的讨论等，都需要用到它，使用方法时要注意计算能力的培养， 非常有必要小心和小心。

四是多听讲、多读、多背、多练、多想，是学好线性代数的基本保证。

上课前，预习老师第二天要讲的内容，这样更容易和老师一起学习。

课后及时复习当天的内容，如果看不懂，可以问老师或同学，或者在网上搜索答案方法。

多读书，彻底理解书中的每一个知识点。

你可以好好看看课外资料，从书本上学习不同的解决问题的方法，传播你的思想。

然后多做题，如果做题，准备一本错误书，及时记录错误的问题，反复阅读，弄清楚为什么错了，哪些知识点你没有掌握好。

线性代数作为利用空间投射和表示数据的基础工具，可以轻松地对数据进行各种变换，使研究者能够更直观、更清晰地探索数据的主要特征和不同维度所需的信息。 因此，线性代数的核心基础不言而喻，对于机器学习、人工智能等高阶内容来说，它是攀登的阶梯。

一方面，紧紧围绕线性代数的主要语境空间变换，从坐标与变换、空间与映射、近似与拟合、相似与特征、降维与压缩等五个维度，线性代数与机器学习算法紧密结合的核心内容，深刻理解如何利用空间来表示数据， 利用空间处理数据，利用空间优化数据，用线索拾取整个学科的骨干内容。

另一方面，结合机器学习中的典型实际案例，线性代数是应用熟悉的数学工具，Python语言作为有效实践数学思想和解决方案的工具，从而无缝连接工程应用。