- 1.1 多项式及其运算(1)
- 1.1 多项式及其运算(2)
- 1.2 多项式的整除性
- 1.3 最大公因式(1)
- 1.3 最大公因式(2)
- 1.4 因式分解
- 1.5 重因式
- 1.6 多项式的根(1)
- 1.6 多项式的根(2)
- 1.7 有理数域上的多项式(1)
- 1.7 有理数域上的多项式(2)
- 1.8 多元多项式(1)
- 1.8 多元多项式(2)
- 1.9 对称多项式
- 2.1 行列式的定义(1)
- 2.1 行列式的定义(2)
- 2.2 行列式的基本性质(1)
- 2.2 行列式的基本性质(2)
- 2.3 Laplace 定理(1)
- 2.3 Laplace 定理(2)
- 2.4 行列式的计算举例
- 2.5 Cramer法则
- 3.1 矩阵的线性运算
- 3.2 矩阵的乘法(1)
- 3.2 矩阵的乘法(2)
- 3.3 转置以及特殊矩阵(1)
- 3.3 转置以及特殊矩阵(2)
- 3.4 分块矩阵(1)
- 3.4 分块矩阵(2)
- 3.5 方阵的行列式(1)
- 3.5 方阵的行列式(2)
- 3.6 可逆矩阵(1)
- 3.6 可逆矩阵(2)
- 3.7 初等变换与初等矩阵(1)
- 3.7 初等变换与初等矩阵(2)
- 3.7 初等变换与初等矩阵(3)
- 3.8 矩阵的秩(1)
- 3.8 矩阵的秩(2)
- 3.9 列满秩矩阵(1)
- 3.9 列满秩矩阵(2)
- 4.1 n元向量(1)
- 4.1 n元向量(2)
- 4.1 n元向量(3)
- 4.1 n元向量(4)
- 4.1 n元向量(5)
- 4.1 n元向量(6)
- 4.2 线性方程组的解法(1)
- 4.2 线性方程组的解法(2)
- 4.3 线性方程组的解的结构(1)
- 4.3 线性方程组的解的结构(2)
- 5.1 特征根与特征向量(1)
- 5.1 特征根与特征向量(2)
- 5.1 特征根与特征向量(3)
- 5.1 特征根与特征向量(4)
- 5.1 特征根与特征向量(5)
- 5.1 特征根与特征向量(6)
- 5.2 多项式矩阵(1)
- 5.2 多项式矩阵(2)
- 5.2 多项式矩阵(3)
- 5.2 多项式矩阵(4)
- 5.2 多项式矩阵(5)
- 5.2 多项式矩阵(6)
- 5.3 Jordan标准形(1)
- 5.3 Jordan标准形(2)
- 5.4 Gram-Schmidt正交化(1)
- 5.4 Gram-Schmidt正交化(2)
- 5.5 正规矩阵的标准形(1)
- 5.5 正规矩阵的标准形(2)
- 5.5 正规矩阵的标准形(3)
- 6.1 矩阵的合同(1)
- 6.1 矩阵的合同(2)
- 6.2 实对称矩阵在合同变换下的规范形
- 6.3 半正定矩阵与正定矩阵(1)
- 6.3 半正定矩阵与正定矩阵(2)
- 6.4 二次型
- 7.1 加法群与映射(1)
- 7.1 加法群与映射(2)
- 7.1 加法群与映射(3)
- 7.2 向量空间(1)
- 7.2 向量空间(2)
- 7.2 向量空间(3)
- 7.2 向量空间(4)
- 7.2 向量空间(5)
- 7.2 向量空间(6)
- 7.3 有限维向量空间(1)
- 7.3 有限维向量空间(2)
- 7.3 有限维向量空间(3)
- 7.3 有限维向量空间(4)
- 7.3 有限维向量空间(5)
- 7.3 有限维向量空间(6)
- 7.4 有限维向量空间的线性变换(1)
- 7.4 有限维向量空间的线性变换(2)
- 7.4 有限维向量空间的线性变换(3)
- 7.5 空间分解与不变子空间(1)
- 7.5 空间分解与不变子空间(2)
- 7.5 空间分解与不变子空间(3)
- 7.5 空间分解与不变子空间(4)
- 7.5 空间分解与不变子空间(5)
- 7.6 对偶空间(1)
- 7.6 对偶空间(2)
- 7.7 双线性函数与张量积(1)
- 7.7 双线性函数与张量积(2)
- 7.7 双线性函数与张量积(3)
- 8.1 欧氏空间(1)
- 8.1 欧氏空间(2)
- 8.1 欧氏空间(3)
- 8.1 欧氏空间(4)
- 8.2 几类特殊的线性变换(1)
- 8.2 几类特殊的线性变换(2)
- 8.2 几类特殊的线性变换(3)
- 8.3 酉空间
跟着吉大名师系统掌握高等代数 | 矩阵/空间/映射全解析
你们好!我是吉林大学数学系的李老师。今天想跟大家聊聊咱们学校王牌课程——高等代数精品课。这门课不只是数学专业的必修课,更是培养逻辑思维的利器!
为什么说高等代数这么重要?
举个例子,去年我们有个计算机系的学生,学完线性空间后就搞懂了机器学习里的特征分解原理。高等代数就像数学里的"骨架",支撑着从人工智能到量子计算的各个前沿领域。
在吉大,我们特别注重三个核心能力的培养:用矩阵描述几何问题的能力、抽象空间的结构分析能力,以及处理线性映射的思维方法。
课程特色亮点
1. 几何与代数融合:比如讲行列式时,会用平行六面体体积来直观演示
2. 问题导向教学:每章都设置工程实际案例,像用矩阵解电路方程
3. 科研反哺教学:会分享最新研究成果,如张院士团队在矩阵计算方面的突破
适合谁来学习?
- 数学/物理等基础学科专业学生
- 计算机/人工智能等工科进阶学习者
- 考研需要强化代数基础的同学
系统化的课程模块
第一模块:矩阵与方程组(6周)
从行列式的几何意义讲起,到矩阵的LU分解实战,配有MATLAB编程练习
第二模块:空间与映射(8周)
重点讲解基变换技巧、秩-零化度定理的工程应用,附赠3D可视化教具演示
第三模块:二次型与特征值(4周)
结合主成分分析(PCA)等数据科学案例,理解矩阵对角化的威力
学习后的蜕变
去年有位同学在课程答辩时,用线性变换原理解释了图像压缩算法,现在已经在字节跳动做算法工程师了。通过系统训练,你不仅能:
- 轻松应对考研数学中的代数难题
- 为学习机器学习奠定坚实基础
- 培养出严密的抽象思维能力
这个学期我们更新了虚拟仿真实验平台,可以直接在网页上操作矩阵的奇异值分解。欢迎所有对数学有热情的同学,一起来探索高等代数的美妙世界!








