第一篇：浅谈线性代数的心得体会
浅谈线性代数的心得体会
线性代数是代数学的一个分支，“代数”这一个词在我国出现较晚，在清代时才传入中国，当时被人们译成“阿尔热巴拉”，直到1859年，清代著名的数学家、翻译家李善兰才将它翻译成为“代数学”，一直沿用至今。
线性代数主要处理的是线性关系的问题，通过线性代数的学习，能使学生获得应用科学中常用的矩阵、线性方程组等理论及其有关基本知识，并具有较熟练的矩阵运算能力和用矩阵方法解决一些实际问题的能力。
线代课本的前言上就说：“在现代社会，除了算术以外，线性代数是应用最广泛的数学学科了。”我们的线代教学的一个很大的问题就是对线性代数的应用涉及太少，课本上涉及最多的只能算解线性方程组了，但这只是线性代数很初级的应用。我自己对线性代数的应用了解的也不多。但是，线性代数在计算机数据结构、算法、密码学、对策论等等中都有着相当大的作用。
没有应用到的内容很容易忘，我现在高数还基本记得。因为高数在很多课程中都有广泛的应用，比如在国贸专业中的会计课中。线性代数被不少同学称为“天书”，足见这门课给同学们造成的困难。
线代是一门比较费脑子的课，如果你觉得上课跟不上老师的思路那么请预习。预习时要“把更多的麻烦留给自己”，即遇到公式、定理、结论马上把证明部分盖住，自己试着证一下，可以不用写详细的过程，想一下思路即可；还要多猜猜预习的部分会有什么公式、定理、结论；还要想一想预习的内容能应用到什么领域。当然，这对一些同学有困难，可以根据个人的实际情况适当调整，但要尽量多地自己思考。一定要重视上课听讲，不能使线代的学习退化为自学。上课时一定要“虚心”，即使老师讲的某个题自己会做也要听一下老师的思路。
上完课后不少同学喜欢把上课的内容看一遍再做作业。实际上应该先试着做题，不会时看书后或做完后看书。这样，作业可以帮你回忆老师讲的内容，重要的是这些内容是自己回忆起来的，这样能记得更牢，而且可以通过作业发现自己哪些部分还没掌握好。适当多做些题对学习是有帮助的。
线性代数的许多公式定理难理解，但一定要理解这些东西才能记得牢，理解不需要知道它的证明过程的每一步，只要能从生活实际想到甚至朦朦胧胧地想到它的“所以然”就行了。
做完题后要想想答案上的方法和自己的方法是怎么想出来的，尤其对于自己不会做的题或某个题答案给出的解法非常好且较难想到，然后将这种思路“存档”，即“做完题后要总结”。
线性代数作为一门数学，体现了数学的思想。
数学上的方法是相通的。比如，考虑特殊情况这种思路。线性代数中行列式按行或列展开公式的证明就是从更简单的特殊情况开始证起；解线性方程组时先解对应的齐次方程组，这些都是先考虑特殊情况。高数上解二阶常系数线性微分方程时先解其对应的齐次方程，这用的也是这种思路。
通过思想方法上的联系和内容上的联系，线性代数中的内容以及线性代数与高数甚至其它学科可以联系起来。只要建立了这种联系，线代就不会像原来那样琐碎。我感觉“做完题要总结”，“上课想到老师前面”，“注重知识之间的联系”很重要。
学习线性代数的心得体会真的很深，在从一个对线性代数很畏惧变成现在一个很喜欢学习数学的我来讲，在线性代数的学习中真的感受到了学习的快乐还有解出题后的欣喜。
第二篇：线性代数心得体会
矩阵——1张神奇的长方形数表
关键词：矩阵与线性方程组高阶矩阵简化方法财务数据分析工具
在本学期的线性代数课程的第二章中，我接触了矩阵的相关概念，发现其不仅能够在数学中帮助研究线性变换、向量的线性相关性及线性方程的解法，还能为日常许多数据统计与分析中看似杂乱无章毫无关系的数据按一定的规则清晰展现，并能通过矩阵的运算刻画其内在联系，这对于审计专业的我们将来开展财务数据统计与分析能带来巨大的帮助。
在运用矩阵解方程组时，可以将线性方程组简化为矩阵形式：AX=B，来进行矩阵计算，这种方法不仅书写方便，而且可以把线性方程组的理论与矩阵理论联系起来，给线性方程组的讨论带来很大的便利。
在具体的矩阵运算过程中，我们可以通过等式两边同时左乘−1来求X，这就引出了第二章第三节的逆矩阵概念，逆在以前高中的实数乘法中便起着重要作用，在学习线性代数课程中，逆矩阵也是一个重要概念，且因为两矩阵乘积的定义，我们需要注意所讨论的矩阵是方阵形式，否则就会带来运算上的错误。
而对于高阶的复杂矩阵，还可以利用分块矩阵，将大矩阵的运算化成若干小矩阵，间接使高阶矩阵转化成多个低阶矩阵来运算，以及矩阵的初等变换规律对矩阵进行转换：如通过公式(AE)
（−1)可以对前面逆矩阵的运算起到简化作用，通过公式(AB)初等行变换初等行变换
（−1B)则可以借此求解矩阵方程AX=B。通过一步一步的学习，我慢慢对线性代数矩阵这一章节有了进一步的理解掌握，发现各个章节看似无关的概念，其实最后都可以联系在一起，为求解线性方程组、甚至后面章节的线性变换、线性相关性等都起到极大的铺垫基础作用。
谈了这么多矩阵对于求解线性方程组过程中的体会，更吸引我的是矩阵对于数据处理方面的作用，作为审计专业的学生，未来工作中会遇到很多处理产品成本的核算的问题，而通过矩阵这一工具，可以通过特殊的“数型结合”恰当的显示出各种数据间的内在联系，例如：可12以用矩阵（12）来表示一个公司的单位产品成本构成（两列分别代表产品1和产品2，121三行分别代表材料成本、劳动力成本、其他辅助成本），当与产品产量矩阵（）
211+22相乘时，则可以得出两种材料的总成本矩阵(11+22)将产品总成本的构成以更清晰
11+22明了的方式呈现出来，可以为财务数据的处理带来很大的助益。
第三篇：线性代数心得体会
矩阵——1张神奇的长方形数表
关键词：矩阵与线性方程组高阶矩阵简化方法财务数据分析工具
在本学期的线性代数课程的第二章中，我接触了矩阵的相关概念，发现其不仅能够在数学中帮助研究线性变换、向量的线性相关性及线性方程的解法，还能为日常许多数据统计与分析中看似杂乱无章毫无关系的数据按一定的规则清晰展现，并能通过矩阵的运算刻画其内在联系，这对于审计专业的我们将来开展财务数据统计与分析能带来巨大的帮助。
在运用矩阵解方程组时，可以将线性方程组简化为矩阵形式：AX=B，来进行矩阵计算，这种方法不仅书写方便，而且可以把线性方程组的理论与矩阵理论联系起来，给线性方程组的讨论带来很大的便利。
在具体的矩阵运算过程中，我们可以通过等式两边同时左乘−1来求X，这就引出了第二章第三节的逆矩阵概念，逆在以前高中的实数乘法中便起着重要作用，在学习线性代数课程中，逆矩阵也是一个重要概念，且因为两矩阵乘积的定义，我们需要注意所讨论的矩阵是方阵形式，否则就会带来运算上的错误。
而对于高阶的复杂矩阵，还可以利用分块矩阵，将大矩阵的运算化成若干小矩阵，间接使高阶矩阵转化成多个低阶矩阵来运算，以及矩阵的初等变换规律对矩阵进行转换：如通过公式(AE)
（−1)可以对前面逆矩阵的运算起到简化作用，通过公式(AB)初等行变换初等行变换
（−1B)则可以借此求解矩阵方程AX=B。通过一步一步的学习，我慢慢对线性代数矩阵这一章节有了进一步的理解掌握，发现各个章节看似无关的概念，其实最后都可以联系在一起，为求解线性方程组、甚至后面章节的线性变换、线性相关性等都起到极大的铺垫基础作用。
谈了这么多矩阵对于求解线性方程组过程中的体会，更吸引我的是矩阵对于数据处理方面的作用，作为审计专业的学生，未来工作中会遇到很多处理产品成本的核算的问题，而通过矩阵这一工具，可以通过特殊的“数型结合”恰当的显示出各种数据间的内在联系，例如：可12以用矩阵（12）来表示一个公司的单位产品成本构成（两列分别代表产品1和产品2，121三行分别代表材料成本、劳动力成本、其他辅助成本），当与产品产量矩阵（）
211+22相乘时，则可以得出两种材料的总成本矩阵(11+22)将产品总成本的构成以更清晰
11+22明了的方式呈现出来，可以为财务数据的处理带来很大的助益。
第四篇：线性代数心得体会
矩阵——1张神奇的长方形数表
关键词：矩阵与线性方程组高阶矩阵简化方法财务数据分析工具
在本学期的线性代数课程的第二章中，我接触了矩阵的相关概念，发现其不仅能够在数学中帮助研究线性变换、向量的线性相关性及线性方程的解法，还能为日常许多数据统计与分析中看似杂乱无章毫无关系的数据按一定的规则清晰展现，并能通过矩阵的运算刻画其内在联系，这对于审计专业的我们将来开展财务数据统计与分析能带来巨大的帮助。
在运用矩阵解方程组时，可以将线性方程组简化为矩阵形式：AX=B，来进行矩阵计算，这种方法不仅书写方便，而且可以把线性方程组的理论与矩阵理论联系起来，给线性方程组的讨论带来很大的便利。
在具体的矩阵运算过程中，我们可以通过等式两边同时左乘−1来求X，这就引出了第二章第三节的逆矩阵概念，逆在以前高中的实数乘法中便起着重要作用，在学习线性代数课程中，逆矩阵也是一个重要概念，且因为两矩阵乘积的定义，我们需要注意所讨论的矩阵是方阵形式，否则就会带来运算上的错误。
而对于高阶的复杂矩阵，还可以利用分块矩阵，将大矩阵的运算化成若干小矩阵，间接使高阶矩阵转化成多个低阶矩阵来运算，以及矩阵的初等变换规律对矩阵进行转换：如通过公式(AE)
（−1)可以对前面逆矩阵的运算起到简化作用，通过公式(AB)初等行变换初等行变换
（−1B)则可以借此求解矩阵方程AX=B。通过一步一步的学习，我慢慢对线性代数矩阵这一章节有了进一步的理解掌握，发现各个章节看似无关的概念，其实最后都可以联系在一起，为求解线性方程组、甚至后面章节的线性变换、线性相关性等都起到极大的铺垫基础作用。
谈了这么多矩阵对于求解线性方程组过程中的体会，更吸引我的是矩阵对于数据处理方面的作用，作为审计专业的学生，未来工作中会遇到很多处理产品成本的核算的问题，而通过矩阵这一工具，可以通过特殊的“数型结合”恰当的显示出各种数据间的内在联系，例如：可12以用矩阵（12）来表示一个公司的单位产品成本构成（两列分别代表产品1和产品2，121三行分别代表材料成本、劳动力成本、其他辅助成本），当与产品产量矩阵（）
211+22相乘时，则可以得出两种材料的总成本矩阵(11+22)将产品总成本的构成以更清晰
11+22明了的方式呈现出来，可以为财务数据的处理带来很大的助益。
第五篇：线性代数心得体会
线性代数心得体会
本学期选修了田亚老师《线性代数精讲》的课程，而且这个学期我们的课程安排中也是有线性代数的，正好和选修课相辅相成，让我的线性代数学的更好。
本来这门学修课是准备面向考研生做近一步拔高的，但是有很多同学没有学过线性代数，或者说像我们一样是正在学习线性代数的，所以老师还是很有耐心的从基础开始讲，适当的增加一些考研题作为提高，这样就都可以兼顾大家。
线性代数的主要内容是研究代数学中线性关系的经典理论。由于线性关系是变量之间比较简单的一种关系，而线性问题广泛存在于科学技术的各个领域，并且一些非线性问题在一定条件下, 可以转化或近似转化为线性问题，因此线性代数所介绍的思想方法已成为从事科学研究和工程应用工作的必不可少的工具。尤其在计算机高速发展和日益普及的今天，线性代数作为高等学校工科本科各专业的一门重要的基础理论课，其地位和作用更显得重要。
我觉得线代是一门比较费脑子的课，因为这门课中的概念、运算法则很多，而且大多都很抽象，所以一定要注重对基本概念的理解与把握，应整理清楚不要混淆，正确熟练运用基本方法及基本运算。而且，线代作为一门数学，各知识点之间有着千丝万缕的联系，其前后连贯性很强，所以学习线代一定要坚持，循序渐进，注意建立各个知识点之间的联系，形成知识网络。除此之外，代数题的综合性与灵活性也较大，所以我们在平时学习中一定要注重串联、衔接与转换。一定要掌握矩阵、方程组和向量的内在联系，遇到问题才能左右逢源，举一反三，化难为易。
在此我要感谢田亚老师细心、认真的教育和无微不至的照顾。田老师大一时教我们高数，从那时起就是这样认真，负责，上课准备的很充分，讲课也很细致，有问题也会耐心、认真的为我们讲解。本学期选修田老师的课还是很开心的，一是讲课方式比较熟悉，二是田老师的课确实讲的细致有条理。除了讲授课本的知识以外，田老师还会讲一些有关考研，人生规划之类的事情，我觉得这对激励我们努力学习有很大的帮助。
线代本身作为数学，其实是比较枯燥乏味的，所以如果在选修课中能加入一些比较有趣味性的东西，那讲课效果应该更好。
微风细雨，润物无声。再次感谢田老师本学期的教诲。老师辛苦了！
点击咨询 