延伸阅读地图：教材、公开课与计算视角
本页回答：「读完这本书，接下来读什么？」 与解题工具箱分工明确——工具箱管「做题时用什么」（题型流程、二级结论、验算清单），本页管「想更深时读什么」。按「读它的什么 / 读到什么程度」组织，每条都注明与本书哪一章接得上。
使用纪律
- 先读正文，再读外部：只有当正文给出的推导不够、或你想看另一套讲法时，才动用本页。三章正文已经覆盖课程全部定义、定理与例题，本页不替代它们。
- 书目只给作者、书名、出版社或平台，不逐一核对版次与印次；链接只写确信可达的官方入口，不确定的一律不写 URL，只写机构或平台名。
- 本页不编造文献：凡是记不准的章节号与页码，一律只写到「书 / 章节主题」这一层，不下断言。
一、与本教程的关系
本教程是课程的讲义整理版：依据本课程课件（第一、三章）与课堂录播（第二章 2.1–2.2、2.4–2.5）整理扩充，保留课件原编号，补全省略的证明，并把课件的笔误列入勘误表。因此它的定位是：
| 维度 | 本教程 | 本页要补的 |
|---|---|---|
| 覆盖 | 线性空间 → 线性映射与矩阵 → 四种分解（相抵 / 满秩 / QR / Schur） | 同主题更深或更广的讲法 |
| 深度 | 考试范围为准，超出范围的内容放在附录 A | 附录之外的系统教材、公开课、数值实现 |
| 视角 | 纯数学（定义—定理—证明），动机优先于算法 | 数值计算与工程实现（LAPACK、SciPy、稳定性） |
| 用途 | 理解 + 应试 + 证明训练 | 科研入门、读英文文献、接后续课程 |
一句话：本教程把课讲透，本页把路指出去。 想「再用得上一点」就往下看第二节，想「马上算起来」直接跳第三节。
二、体系化教材与公开课
2.1 中文体系教材（与本书同层，最平滑的续读）
| 资料 | 适合谁 | 对应本教程 | 读法建议 |
|---|---|---|---|
| 北京大学数学系《高等代数》（高等教育出版社） | 想按中文标准体系补「多项式 + 线性空间 + 若尔当标准形」全链条 | 第一章、第二章 | 本教程的「线性空间 / 子空间 / 基与坐标」与它的对应章节讲法几乎同构；若尔当标准形是本教程 3.5 之后缺的那一环，值得补 |
| 同济大学《线性代数》（高等教育出版社） | 想把「矩阵运算、行列式、线性方程组、特征值」的工程版基本功过一遍 | 第二章、第三章 的计算部分 | 计算密度高于本教程；读完可对照本教程工具箱的流程卡，检查哪些步骤你只是「会算」而没「懂为什么」 |
| 丘维声《高等代数》 | 想读一本把「线性空间—线性变换—矩阵」讲成一条链的进阶中文教材 | 第一章 + 第二章整体 | 它的线性变换一章与本教程2.2–2.3同一路线，但更早引入线性变换的语言；建议 2.3 读完后再回读 |
2.2 英文经典（本方向的长期参考书）
| 资料 | 适合谁 | 对应本教程 | 读法建议 |
|---|---|---|---|
| Horn & Johnson, Matrix Analysis（Cambridge University Press） | 想补纯数学侧的严谨证明与更大范围的结论 | 第二章（特征值）、第三章（分解与标准形） | 全书的骨架是「特征值与相似 → 范数与度量 → 酉等价与标准形 → 分块矩阵与分解」。当作词典用：本教程每证的结论都能在这里找到更完整的版本与推广；第一遍只读与当前小节对应的部分 |
| Golub & Van Loan, Matrix Computations（Johns Hopkins University Press） | 想知道「这些分解在机器上到底怎么算」 | 3.4 QR 分解、3.5 Schur 分解 | 前三章即可建立全部必要背景（矩阵乘法与浮点误差、正交化与最小二乘、特征值算法）。本教程的 QR 定理在这里是算法入口，不是终点；读法：先读本教程的 GS 手算流程，再回来看它为什么要在乎「列主元」与「重正交化」 |
| Lax, Linear Algebra and Its Applications（Wiley） | 想要一本抽象但薄的线性代数（线性空间与线性变换在前，矩阵在后） | 第一章、第二章 | 路线与本教程几乎一致（空间 → 映射 → 矩阵 → 谱），风格更凝练。适合在读完本教程第二章后整本通读一遍，检验你是否真的把「映射优先于矩阵」这个次序内化 |
| Hefferon, Linear Algebra（免费开放电子书，作者个人站点发布） | 需要一本免费、证明完整、习题带答案的英文教材 | 第一章 + 第二章 | 它的组织是「线性方程组 → 向量空间 → 映射 → 行列式 → 相似 → 标准形」，与本教程互补：本教程从空间起步，它从方程组起步，两条路都走一遍能补齐直觉 |
| Strang, Linear Algebra and Its Applications（Cengage Learning；读者也可用同作者的配套公开课讲义） | 想补「四个基本子空间 + 投影 + 最小二乘」的几何直观 | 1.2、1.6、第三章 | Strang 的四个子空间图是本教程 1.2.7 与 1.6.9 那套图的图像来源。只读几何部分即可：投影、最小二乘、正交化——本教程在这些点上更形式化，需要它的直觉来中和 |
| Trefethen & Bau, Numerical Linear Algebra（SIAM） | 想用最少的篇幅读懂「正交性 + 分解 + 条件数」三件事 | 第三章 全部 + 1.4–1.5 | 风格是「一讲一个几何图 + 一段代码」，与本教程口味最接近。只读前十六讲（矩阵与向量乘法、正交性与 QR、最小二乘与条件数）就能把第三章的动机全部接上 |
| Davis, Direct Methods for Sparse Linear Systems（SIAM） | 想知道「矩阵很大很稀疏」时分解会变成什么样 | 3.1 相抵分解、3.4 QR 分解 | 本教程谈的是任意矩阵的一般分解；稀疏情形下「选主元」会变成图论问题（消去树、填充）。想接科学计算方向时读第一章即可 |
| Saad, Iterative Methods for Sparse Linear Systems（SIAM） | 想知道「矩阵大到不能分解」时怎么办 | 第三章 的对照面 | 直接法与迭代法的分界就在这里。读序言与第一章，知道「分解不是唯一出路」即可 |
| Higham, Accuracy and Stability of Numerical Algorithms（SIAM） | 想知道「数值稳定性」结论的量级是怎么推出来的 | 3.4、3.5 的算法部分 | 读「浮点算术」与「正交化 / 最小二乘」两章。适合在你能手算 QR 分解之后再读，否则抽象 |
2.3 公开课与可视化
| 资料 | 适合谁 | 对应本教程 | 读法建议 |
|---|---|---|---|
| MIT OpenCourseWare · 18.06 Linear Algebra（Gilbert Strang 讲授） | 想跟一位老师把线性代数从几何讲到应用 | 第一章、第二章 | 讲法与本书不同：它从消元与列空间起步，用四个子空间贯穿全课。建议只挑「四个子空间、正交、投影、特征值、对称矩阵」几讲看，与本书 1.2、1.6、2.4 交叉读 |
| MIT OpenCourseWare · 18.06SC（习题课版本） | 需要有人带着做题 | 全书 | 与 18.06 同源，多出习题课与例题讲解。适合在本教程习题集卡住时找同类题的第二视角 |
| 麻省理工开放课件（MIT OCW）平台上的线性代数课程页 | 想自己检索讲座视频、讲义与习题（含多语言字幕） | 全书 | 以「18.06」为检索词进入课程页；字幕与讲义可直接用作听力材料。平台与课程名确定，具体网址与讲次编号请以课程页为准 |
| 3Blue1Brown · Essence of Linear Algebra（自制动画视频系列） | 完全靠文字学不进去、需要一次几何直觉重建 | 1.1–1.3、2.3 | 从「向量是什么」讲到「特征向量与基变换」。当作本教程的预习片：先看动画建立「矩阵是变换」的画面，再回来看本教程2.3的严格定义——顺序反过来效果差很多 |
| Strang 的公开课讲义与其书配套的「四个子空间」图 | 想要一张能贴在墙上的线性代全图 | 1.2.7、1.6.9 | 四个子空间（、、、）的正交配对关系，本教程在 1.6.9 只给了第一块拼图；把它补完整，第三章的全部分解都会更好理解 |
| 各校公开课中的「矩阵论 / 矩阵分析」研究生课程 | 想把「矩阵分析」当成一门独立课再学一遍 | 第三章 + 附录 A | 检索关键词用「矩阵论」「矩阵分析」「Matrix Analysis」。这类课程通常从范数与摄动讲到广义逆与谱分解，是本教程的直接上位课 |
三、数值与计算视角（把分解接到真实计算上）
本教程的四种分解在教科书里是「存在性定理 + 唯一性条件」；在计算机里它们是带主元策略的算法。想跨越这一步，从下面这几类读物与文档入手。
| 资料 | 读什么 | 什么时候读 |
|---|---|---|
| LAPACK Users’ Guide（SIAM；亦由 Netlib 维护在线版本） | 例程命名规则与文档结构：geqrf（Householder QR）、geqp3（列主元 QR）、geev/syev（一般 / 对称特征值）、getrf（LU） | 想看懂 np.linalg.qr / np.linalg.eig 背后的实现时。本教程 3.4.3 的 QR 算法在库里的对应物就这里 |
| BLAS 技术参考（Netlib 维护） | 三个层次的矩阵运算接口（向量—矩阵 / 矩阵—矩阵）；为什么库函数「又快又准」 | 想知道「矩阵乘法为什么值得单独抽象一层」时 |
SciPy 官方文档（scipy.linalg） | 每个分解函数的参数含义：overwrite_a、check_finite、lower、mode，以及 QR / Schur / SVD 的函数签名 | 动手做实验时必查。本教程附录 B · B.5 提到的「正交的算法」在这一页就是可运行的函数 |
NumPy 官方文档（numpy.linalg） | qr、eig、eigh、svd、matrix_rank、cond 的行为差异与容差参数 | 想验证「我的结论在浮点下还成立吗」时；注意 eig 与 eigh 的使用前提完全不同 |
| LAPACK Working Notes 系列技术报告 | 某类算法的误差界、分块策略与实现细节 | 想深入某个例程的具体误差分析时 |
| Golub & Van Loan 第 2 章（浮点误差与向后误差） | 「向后误差」这个概念的标准定义与用法 | 想知道「numpy.linalg 的结果算不算对」时 |
| Higham 的误差分析专著 | 正交化与最小二乘的误差界 | 在本教程 3.4 的手算流程熟了之后 |
| Davis《稀疏直接法》、Saad《稀疏迭代法》 | 稀疏矩阵为什么需要「填充最小化」与「迭代法」 | 矩阵规模从「考试用的 」跳到「真实数据」时 |
3.1 条件数与数值稳定性：三个必须分清的问题
「算得准不准」在数值文献里被拆成三个互不相同的问题。读任何数值线性代数的书之前先把它们分开，能省下大量困惑：
| 问题 | 它在问什么 | 该去哪里找答案 |
|---|---|---|
| 问题本身难不难？ | 输入扰动一点，精确解会抖动多少——这是条件数，与算法无关 | Trefethen & Bau 的条件数讲次；本教程尚未展开，属附录 A 之外的下一个课题 |
| 算法稳定吗？ | 这个算法产生的误差是否等价于「对输入做了小扰动」——这是向后稳定性，与问题无关 | Golub & Van Loan 的浮点误差章；Higham 的第一、二章 |
| 实现细节会不会咬人？ | 主元策略、分块大小、重正交化、并行带来的非确定性 | LAPACK Users’ Guide 与 LAPACK Working Notes |
对本书读者而言，第一个问题是复习的延伸方向：第三章所有「唯一性」条件的破坏（不满秩、去正线、 不成立），在数值视角下都会重新出现一遍，只不过换了个名字叫「病态」。
延伸阅读里的三个常见错误预期
- 以为「有分解」就等于「能算」——三种分解都无条件存在，但只有带主元策略与重正交化的实现才在浮点下可用；
- 以为「正交变换列主元」是数学问题——选择哪一列作主元是策略，不同策略给出不同的 ，但都满足 ；
- 以为「库函数的结果可以随便信任」——
eig与eigh的前提不同，用错函数得到的「特征值」可能是复数对的实部，与本教程 2.4 的对称阵结论对不上。
一句实用建议
先把本教程的每个分解手算到能背出流程，再把同一道题丢给 SciPy 对照。 顺序反了会得到一个会调库但说不清「唯一性从哪来」的学习结果——而唯一性恰恰是考试的判断题型（例如「不满秩时唯一性怎么办」，见 3.4.2 与例 3.4.2）。
四、中文资源
| 资源 | 定位 | 备注 |
|---|---|---|
| 各高校「线性代数 / 高等代数」国家精品课程视频（中国大学 MOOC 等平台） | 与本书逐节对应的中文课堂讲授 | 平台确定、课程众多，具体课程名与链接需核实后使用 |
| 「矩阵论」「矩阵分析与应用」研究生公开课（各校研究生院 / 慕课平台） | 本教程第三章的上位课程：范数、摄动、广义逆、谱分解 | 需核实具体开课单位与年份；检索词建议用英文 matrix analysis 加中文「矩阵分析」双写 |
| 中文高校线性代数讲义与习题集（各校数学系课程主页公开的 PDF） | 补习题量、练计算手感 | 质量参差，需核实来源；优先选有答案或解答的讲义 |
| 中文技术社区中「矩阵分解」「SVD」「QR 分解」的长文与专栏 | 补工程直觉与代码示例 | 单篇质量波动大，需核实作者与出处；只作为「看不进去英文文档」时的过渡 |
| 术语对照：本教程速查背记卡文末的术语索引（中英对照） | 读英文教材与英文文档时对齐术语 | 本仓自带、无需核实：查不到词先来这里，再回正文定位定义 |
五、按章速查表
| 章 | 想加深的点 | 该读哪本哪部分 | 读到什么程度 |
|---|---|---|---|
| 第一章 线性空间 | 公理体系为什么长这样、数域的作用 | 丘维声《高等代数》(空间与线性变换部分)；Lax 前半 | 能独立说出「为什么单位律不能省」（本教程 1.1.4 的反例）并接受另一种公理顺序的讲法 |
| 第一章 | 子空间、基、维数的计数技巧 | 北大《高等代数》向量空间章；Hefferon 第二章 | 能在不看书的情况下把「基扩充定理」与「维数公式」各证一遍 |
| 第一章 | 内积、长度、正交的几何来源 | Strang 的正交性章节；3Blue1Brown 相关视频 | 能解释「换内积 = 换尺子」，并说明加权内积下单位圆为什么变成椭圆（本教程 1.4.5） |
| 第一章 | 实内积空间与复内积空间的分界 | 本教程 1.5.8 的实复对比表 + Horn & Johnson 的内积空间章 | 能一眼指出哪些结论在复空间失效：夹角无定义、正交不再等价于勾股、内积必须取共轭 |
| 第一章 | 直和、投影、正交投影的统一图像 | Strang 的投影与最小二乘；Trefethen & Bau 关于正交性与投影的讲次 | 能用「子空间 + 补空间」解释一切投影现象，并说清正交投影为何不需要指定补空间 |
| 第二章 线性映射与矩阵 | 「映射优先于矩阵」这条主线 | Lax 全书；丘维声的线性变换章 | 能在不知道矩阵元素的前提下讨论 的性质，并能说出「矩阵只是坐标版」这句话的完整含义 |
| 第二章 | 特征值、特征向量与可对角化 | Horn & Johnson 的特征值章；MIT OCW 18.06 的对称矩阵与特征值讲次 | 能独立完成「重数比较 → 判定可对角化 → 组装 → 验证」全流程，并解释相似不变量的来源（附录 A · A.3、A.4） |
| 第二章 | 正交 / 酉变换与几何操作 | 本教程 2.5 + Trefethen & Bau 的正交性讲次 | 能说出「保长度、保内积、把标准正交基映到标准正交基、」四条为什么等价，并能手推 Givens 的角 |
| 第三章 矩阵分解 | 四种分解的关系与「唯一性从哪来」 | Horn & Johnson 的标准形与分解部分；Trefethen & Bau 的 QR 与条件数部分 | 拿到任一矩阵，能说出它有哪几种分解、哪一种唯一、去掉哪个条件会失去唯一性 |
| 第三章 | 分解到算法的跳跃 | Golub & Van Loan 前三章；LAPACK Users’ Guide | 能把本教程 3.4.3 的 QR 迭代写成可运行代码，并解释收敛条件「模互异」为什么是充分的 |
| 第三章 | 特征多项式的代数工具箱 | Horn & Johnson 的多项式与最小多项式部分；本教程 3.5.3–3.5.4 | 能手算最小多项式、用 H–C 定理降次求 与 ，并说明 的证明在哪一步用到「次数最小」 |
| 附录 A | 正文「先当事实用」的结论的完整证明 | 与各条对应的原书章节（极化恒等式、Gram 行列式、伪逆） | 读完后，正文里所有「本编补」之外的欠账都能自己补齐 |
| 附录 B | 线性代数通向其他学科的出口 | 各出口的入门教材（量子力学 / 信号处理 / 统计 / 数值分析 / 微分方程 / 数据科学） | 至少选一个出口，能把该出口的公式（如 DFT、最小二乘、PCA）翻译回本教程的术语 |
六、最小两周阅读清单
前提：每天 1–2 小时，共约 20 小时。顺序刻意先「本教程」后「外部」，保证每次外读都有落点。
| 天 | 做什么 | 时长 |
|---|---|---|
| 第 1 天 | 3Blue1Brown 线性代数动画系列（向量、线性变换、矩阵乘法的几何、行列式、特征向量各一集） | 1.5h |
| 第 2 天 | 本教程 1.1–1.3：重点读「基与坐标」「过渡矩阵」；跟着1.1 节末的即时自测自测一遍 | 2h |
| 第 3 天 | 本教程 1.4–1.5：内积、度量矩阵、长度与夹角、Gram–Schmidt；对照 Strang 的正交性章节 | 2h |
| 第 4 天 | 本教程 1.6：直和、投影、正交补、正交投影；动手证一遍「正交 ⟹ 直和」 | 2h |
| 第 5 天 | 本教程 2.1–2.2：映射的术语、线性映射、零空间与值域、亏加秩 | 2h |
| 第 6 天 | 本教程 2.3：矩阵的读法、坐标公式、换基公式；必须把换基公式自己推一遍 | 2h |
| 第 7 天 | 第一周复盘：做第一章综合自测卷（只做前半），把错点记进自检表 | 1.5h |
| 第 8 天 | 本教程 2.4：特征值、特征向量、两种重数、可对角化；对照 18.06 相应的对称矩阵讲次 | 2h |
| 第 9 天 | 本教程 2.5：正交 / 酉矩阵、Givens 与 Householder；手推一个 Givens 角 | 2h |
| 第 10 天 | 本教程 3.1 + 3.2：相抵标准形、单侧逆、满秩分解与唯一性 | 2h |
| 第 11 天 | 本教程 3.4：QR 分解、唯一性条件、QR 算法；手算一个 的完整 QR | 2h |
| 第 12 天 | 本教程 3.5：Schur 引理、H–C 定理、最小多项式；做一遍候选法 | 2h |
| 第 13 天 | 计算视角：把 11–12 天手算过的题用 SciPy 重做（qr、schur、eig），逐项对照；查 LAPACK 例程名 | 2h |
| 第 14 天 | 收尾：读附录 B 挑一个出口；做第三章综合自测卷；把术语索引过一遍 | 2h |
读完之后应该能做到：
- 拿到任意矩阵，说得出它有哪几种分解、哪种唯一、条件是什么；
- 拿到任意方阵，能判断可对角化并说出「三角化人人有份、对角化不是」的原因；
- 能把「正交」从几何概念一路追到算法（GS → QR → 数值稳定性）；
- 能自己找到继续深入的那本书——这一步之后，本页的使命就完成了。
如果只有三天
按「第 1 天：本教程第一、二章速读 + 术语索引过一遍；第 2 天：本教程第三章 + 手算两个分解；第 3 天：3Blue1Brown 补几何 + 把 附录 B 的某个出口看懂一段」压缩执行。三天不可能读完上面的清单，但足以让你知道自己卡在哪一层——是定义、是证明、还是把结论用起来。
再往后的一步（本页之外）
读完本页列出的材料之后，下一个台阶通常是三门课：矩阵分析（范数、摄动、广义逆、谱分解）、数值线性代数（算法、稳定性、迭代法）、抽象代数 / 泛函分析（把「线性空间」推成「模」与「赋范空间」）。本教程覆盖的是它们的共同入口：空间、映射、分解这三件事最先要在有限维里学到能徒手推导。