本书是AI创新教材,依据高等教育线性代数课程教学基本要求编写,在传承经典内容的基础上,融入现代信息技术与人工智能元素,构建了“历史溯源—理论建构—计算实践—现代应用”的完整知识体系。
本书共设9章:绪论梳理学科历史演进,通过“矩阵初见”展现矩阵在线性方程组、图论等问题中的统一性与优越性,帮助读者建立正确认知框架、理解抽象概念的形成逻辑;后续依次为行列式、矩阵及其运算、矩阵的初等变换与线性方程组、向量组的线性相关性、特征值与特征向量、二次型及其应用6大基础模块,以及线性空间与线性变换、线性代数的现代应用两大拓展模块。本书配套针对性数学实验与习题,助力理论巩固与实践应用;同时创新性提供重要知识点交互网页(如动态演示行列式计算过程)与拓展阅读材料(含工程实际应用案例及知识延伸内容),丰富学习体验。
本书遵循分层教学理念:前7章严格契合教学基本要求,建议授课48学时;第8章侧重理论深度,供学有余力的读者选学;第9章精选三个现代科学领域的应用实例,为知识落地提供参照。数学实验与交互网页则为自主学习、个性化提升提供有力支撑,兼顾课堂教学与课后拓展需求。
本书适用范围广泛,可供高等院校工学、理学、管理学、农学等多个专业作为教材使用,尤其适配注重计算能力培养与跨学科应用导向的人才培养方案;同时也为自学者、考研备考者提供清晰系统的学习路径,为科技工作者、行业从业者提供实用的知识参考与应用工具。
- 目录
- 前辅文
- 第1章 绪论
- §1.1 线性代数概述
- §1.2 矩阵初见
- 数学实验1 Python、NumPy简介
- 习题1
- 第2章 行列式
- §2.1 二阶与三阶行列式
- §2.2 n阶行列式的定义
- §2.3 行列式的性质
- §2.4 行列式的展开
- §2.5 克拉默法则
- 数学实验2 用NumPy计算行列式
- 习题2
- 第3章 矩阵及其运算
- §3.1 矩阵的定义与特殊矩阵
- §3.2 矩阵的运算
- §3.3 可逆矩阵
- §3.4 分块矩阵
- 数学实验3 用Python实现矩阵乘法和求逆
- 习题3
- 第4章 矩阵的初等变换与线性方程组
- §4.1 线性方程组与矩阵的初等变换
- §4.2 矩阵的秩
- §4.3 线性方程组的解
- §4.4 初等矩阵
- 数学实验4 用Python实现矩阵的初等变换及求线性方程组的解
- 习题4
- 第5章 向量组的线性相关性
- §5.1 向量组及其线性组合
- §5.2 向量组的线性相关性
- §5.3 向量组的秩
- §5.4 向量空间
- §5.5 线性方程组的解的结构
- 数学实验5 用Python讨论向量组的线性相关性及线性方程组解的结构
- 习题5
- 第6章 特征值与特征向量
- §6.1 向量的内积、长度及正交性
- §6.2 方阵的特征值与特征向量
- §6.3 相似矩阵
- §6.4 实对称矩阵的对角化
- 数学实验6 用Python讨论特征值与特征向量及实对称矩阵的对角化
- 习题6
- 第7章 二次型及其应用
- §7.1 二次型及其矩阵表示
- §7.2 化二次型为标准形
- §7.3 正定二次型
- 数学实验7 用Python讨论二次型的标准化与正定性判断
- 习题7
- *第8章 线性空间与线性变换
- §8.1 线性空间的定义与性质
- §8.2 维数、基与坐标
- §8.3 基变换与坐标变换
- §8.4 线性变换
- §8.5 线性变换的矩阵表示
- 习题8
- *第9章 线性代数的现代应用
- §9.1 线性回归与最小二乘
- §9.2 数据降维与主成分分析
- §9.3 人工智能技术中矩阵的应用
- 习题9
- 参考文献