一位教授跟我说：线性代数应该这样学

废话不多说，直接上干货！

首先，推荐一系列关于线性代数可视化的视频：

3Blue1Brown的线性代数的本质
https://www.bilibili.com/video/BV1ys411472E

然后，推荐一个课程：
MIT的18.06课程
https://www.bilibili.com/video/BV1ix411f7Yp

我在很久之前找到了一份特别详细的学习笔记。这份笔记是由网友douTintin写的。现在我把它分享出来：

获取pdf：传送门。

另外，建议还在上大学的读者看看以下这本书（你上这门课或考研时可能要用到）：

看完再与我推荐的视频对比，你会发现这本书的编排顺序有多糟糕。

下面这本书才是你应该花时间看的！

获取pdf：传送门

最后，自荐一下我翻译的一系列文章：

2 线性代数(Linear Algebra)（上）
 2.1 线性方程组
 2.2 矩阵
  2.2.1 矩阵加法和乘法
  2.2.2 逆和转置
  2.2.3 与标量相乘
  2.2.4 线性方程组的紧凑表示
 2.3 线性方程组的求解
  2.3.1 特解和通解
  2.3.2 初等变换
  2.3.3 Minus-1 技巧
  2.3.4 求解线性方程组的算法
2 线性代数(Linear Algebra)（中）
 2.4 向量空间
  2.4.1 群
  2.4.2 向量空间
  2.4.3 向量子空间
 2.5 线性独立
 2.6 基和秩
  2.6.1 生成集和基
  2.6.2 秩
2 线性代数(Linear Algebra)（下）
 2.7 线性映射
  2.7.1 线性映射的矩阵表示
  2.7.2 基变换
  2.7.3 像与核
 2.8 仿射空间
  2.8.1 仿射子空间
  2.8.2 仿射映射

3 解析几何(Analytic Geometry)（上）
 3.1 范数
 3.2 内积
  3.2.1 点积
  3.2.2 一般内积
  3.2.3 对称正定矩阵
 3.3 长度和距离
 3.4 角度和正交
 3.5 标准正交基
 3.6 正交补
 3.7 函数的内积

3 解析几何(Analytic Geometry)（下）
 3.8 正交投影
  3.8.1 一维子空间（线）上的投影
  3.8.2 一般子空间上的投影
  3.8.3 Gram-Schmidt正交化
  3.8.4 仿射子空间上的投影
 3.9 旋转
  3.9.1 二维欧式向量空间中的旋转
  3.9.2 三维欧式向量空间中的旋转
  3.9.3 n维欧式向量空间中的旋转
  3.9.4 旋转的性质

4 矩阵分解(Matrix Decompositions)(上)
 4.1 行列式与迹
 4.2 特征值和特征向量
4 矩阵分解(Matrix Decompositions)(中)
 4.3 Cholesky分解
 4.4 特征分解与对角化
 4.5 奇异值分解
  4.5.1 几何图解SVD
  4.5.2 SVD的构建
  4.5.3 特征值分解 vs. 奇异值分解
4 矩阵分解(Matrix Decomposition)(下)
 4.6 矩阵逼近
 4.7 矩阵phylogeny