1樓：殷維傑
Linear Algebra
Matrix Methods in Data Analysis, Signal Processing, and Machine Learning
Strang老爺子的網紅線代課程，你值得擁有！
2樓：mushroomcurry
1）線性空間/線性變換。
2）幾何意義。
3）多練題，不管什麼書（不同專業要求不同）課本上每道題都要會做。
4）不要太著急於去知道怎麼求特徵值。特徵值只是很好玩而已2333333
3樓：
線性代數有兩個重點，乙個是線性。就是向量空間的加法和數乘；另乙個是代數兩字。就是說線性變換的復合還是線性變換，線性變換構成乙個代數結構。
4樓：
敲門:三個觀點，乙個觀點是Invariant 的觀點，那就是不依賴於座標系選取的線性變換的性質，這其中一定要建立好'線性空間'和'子空間'，'線性變換'等等抽象概念。例如你不用座標系地直接證明rank(A)=rank(A*) ? 第二個觀點是座標表示的觀點，那就是矩陣是線性變換在取定座標系(標架)後的表示，然後你再問問，不同標架下的這個表示有什麼關係?
有什麼不變數?(行列式，Trace)等等，在座標表示之下才方便計算，做一定量的計算題目是有意義的。第三個觀點是幾何觀點，例如行列式的幾何意義是什麼?
給定內積結構，什麼線性變換是保持內積的?等等。當然如果你最終學到Jordan標準型，這才是線性代數裡最深刻的東西，要下大力氣理解。
我認為線性代數寫的最好的書是 Do right 和柯斯特利金的那本線性代數，請把工科的線性代數扔掉。
線性代數有什麼用？學習線性代數的意義在哪？
陳曉藝 最核心的就是解方程，尤其是涉及大量運算的各類微分方程。提出的矩陣，秩，特徵值，特徵向量，標準型，二次型，基變換，座標變換等都是為了解方程更加方便。不要小看了解方程，快速解方程對於控制原理，有限元，科學計算，幾乎涉及了理工科的方方面面。在學習線性代數的時候有這個思想是很好的，核心目的就是解方程...
學《線性代數》有什麼好書
1.柯斯特利金的代數學引論三大卷 2.柯斯特利金另有一本 linear algebra and geometry 3.shafarevich 也有一本 linear algebra and geometry 5.gtm 135 6.黎景輝，高等線性代數 7. 臭魚爛蝦 這本書可以彌補同濟版讓人詬病的...
請問機器學習中線性代數 統計和概率有什麼好的教材入門嗎？
loyd 統計phd在讀，做的是統計學習方向，準確說，如果只是為了ml入門，對於統計概率要求不高，一些正常的ml入門書都會講一些mle，em演算法這些，如果是要做很深的理論那塊，那還是要求挺高的，比如我之前做過用非參統計處理missing data用的就是bayesian additive regr...