线性代数

📊 课程难度与压力分析

MATH2501 是很多人的‘大脑重启课’。难点不在于计算（Matlab 会帮你算），而在于‘证明逻辑’。你必须能从向量空间的 10 条公理出发，推导出子空间的性质。很多同学在‘基变换 (Change of Basis)’那一章会彻底转不过弯来。压力来自于期末考试，题目往往非常抽象，比如让你证明一个算子是否是正交投影。SVD（奇异值分解）是最后也是最高的一座大山，它要求你整合全学期所有的知识点。该课的区分度极大，HD 选手通常具备极强的逻辑严密性。

🎯 备考重点与高分策略

高分秘籍：‘得 SVD 者得 HD’。期末考试最后一道压轴大题必考 SVD 或谱定理的应用，一定要练到能手动分解一个 3x2 矩阵。重点攻克‘Rank-Nullity Theorem’的应用，那是解决所有线性映射题目的万能钥匙。备考时，一定要把所有课件里的‘Theorem Proofs’自己手写推导一遍，因为考试会考证明。对于 Lab Test，提前建立好常用的 Matlab 脚本模板，熟练掌握 `eig`, `svd`, `null`, `orth` 等函数。重视‘特征值的几何重数’判定，那是区分 Distinction 的经典考点。考前一定要刷一遍 MathSoc 提供的往届真题。

📚 学习建议与资源推荐

神书推荐：Gilbert Strang 的《Introduction to Linear Algebra》，一定要配合他在 MIT 的公开课看，那是全球公认的线性代数入门最佳路径。如果觉得太难，推荐观看 YouTube 频道‘3Blue1Brown’的线性代数本质系列，那是拿 HD 的视觉化武器。练习方面，重做一遍 School 提供的‘Problem Set’。最重要的建议：不要只记公式，要去理解每一个矩阵其实都是一种‘空间的拉伸、旋转或投影’。利用好 Matlab 的 `symbolic` 插件来检查你的推导结果。

⚠️ 作业与 Lab 避坑指南

Lab 避坑：Matlab 代码中注意区分 `*` 和 `.*` 的区别，虽然在线性代数中主要用矩阵乘法，但误用点乘会导致结果全错。Online Quizzes 虽然能重做，但不要刷屏，要理解错误背后的定义偏差。注意 Final 考试有 Hurdle 且分值巨大，平时分再高，期末如果不写证明照样挂。考试时，带好直尺，画出漂亮的坐标变换图有助于你自己理清逻辑思路。注意：千万不要混淆‘线性空间’与‘欧几里得空间’的差异。

💬 过来人经验分享

学长建议：线性代数是所有现代科技的‘母语’。学完这门课，你再看量子力学、看机器学习，你会有一种‘降维打击’的快感。建议找一个同样追求数学逻辑的队友。拿 HD 的关键：在论述证明题时展现出你的‘数理严谨度’（比如准确区分 Necessity 和 Sufficiency）。坚持住，当你真正领悟了 SVD 的那一刻，你眼中的数据将不再是散点，而是各种特征向量交织出的美丽织锦。这张成绩单是你进入顶级 AI 实验室的最强数学背书。