线性代数

这门课解决什么工作场景

对于想转行做数据分析、人工智能或者需要处理复杂表格的职场人来说，这门课解决的是"无法用数学语言描述数据关系"的痛点。当你面对海量数据时，线性代数帮你把现实问题转化为矩阵运算；在做预测模型时，最小二乘法和正交投影能让你理解算法背后的逻辑，而不是只会套用函数。它不是为了考证书，而是让你在面对需要量化判断的工作时，具备拆解问题的数学工具。

适合什么基础与建议先看哪几块

零基础也能学，但建议先具备初高中数学中函数、方程和几何的基础，不需要会微积分。建议直接从 1-1 向量空间与矩阵表示 看起，这是理解后续所有运算的基石；接着看 1-2 矩阵乘法与高斯消元，体会如何通过消元法求解方程组。如果时间有限，优先看 1-5 Ax=b 和 1-6 线性无关与四个基本子空间，这部分是建立空间直觉的关键，能帮你把抽象概念落地。2-2 最小二乘和 2-3 格拉姆-施密特正交化法是理解机器学习核心算法的基础，建议重点跟。

学完能独立做什么与资料怎么配合练习

学完能独立求解线性方程组 Ax=b，理解并应用最小二乘法做数据拟合，掌握矩阵的 LU 分解和 QR 分解的基本思想，能用矩阵语言描述几何变换。资料怎么用，关键是不只看视频，必须动手算。建议看完 1-2 高斯消元后，拿几道手算题把消元过程完整写出来，体会初等行变换的每一步；看完 2-3 正交化后，用 Python 的 NumPy 或 Excel 手动实现格拉姆-施密特过程，对比结果；看完 3-2 代数余子式公式后，尝试推导行列式展开定理。资料包里的视频时间较长但密度高，每段至少做一遍笔记，遇到概念模糊就跳过，不要试图看完所有内容再开始动手。