如果说有一门课能让全世界的理工科学生都心怀感激，那一定是 MIT 的 18.06 Linear Algebra。这门由 Gilbert Strang 老爷子主讲的线性代数课，堪称数学公开课领域的”镇山之宝”。今天就来聊聊这门传奇课程，以及作为一个学习者，该怎么把它”吃透”。
一、Gilbert Strang：教了61年书的”线代之神”
Gilbert Strang，1934年出生，MIT 数学系教授。这位老爷子从1962年开始在MIT教书，一直教到2023年——整整61年。你没看错，六十一载春秋，站了一辈子的讲台。
2023年5月15日，88岁高龄的 Strang 老爷子走进教室，上完了他人生中的最后一课。那天教室里挤满了人，很多人专门从外地赶来，只为见证这个历史性的时刻。当他说完最后一句 “Thank you” 的时候，全场起立鼓掌，掌声经久不息。讲真，光是想想那个画面，我眼眶都有点湿。
一个教授能教61年，靠的绝不仅仅是”热爱”二字。Strang 对线性代数的理解深度和教学能力，真的是”降维打击”级别的存在。他能把极其抽象的数学概念，用最朴素的语言讲清楚，让每个听课的人都觉得”我好像真的懂了”。
二、课程教材：被清华大学采用的经典之作
Strang 老爷子写的教材 Introduction to Linear Algebra，是这门课的配套课本。这本书在全球范围内被广泛使用，国内的清华大学也将其列为线性代数课程的参考教材之一。
和国内常见的同济版《线性代数》相比，Strang 的教材有几个明显的特点：
- 几何直觉先行：不是上来就给你一堆定义和定理，而是先从几何图形入手，让你”看见”线性代数在做什么。
- Four Subspaces 的框架：Column Space、Null Space、Row Space、Left Null Space——这四个 fundamental subspaces 贯穿全书，构成了理解线性代数的核心骨架。
- 重应用、轻证明：相比纯数学的严谨推导，Strang 更注重”这个东西能干嘛”，对工科生非常友好。
- 语言亲切：读起来不像教科书，更像是一个老教授在跟你聊天。
当然，如果你觉得英文原版读起来吃力，国内也有影印版和翻译版可选。但说实话，啃原版收获更大。
三、课程结构：35+2的黄金组合
MIT 18.06 的完整课程大概包含 35 节正课 + 2 节复习课（不同学期略有差异），每节课大约 40-50 分钟。整体内容可以分为几个大的模块：
🧱 Part 1：Linear Equations（线性方程组）
从 Ax = b 出发，讲解 Gaussian Elimination（高斯消元法）、Row Echelon Form（行阶梯形）、Matrix Factorization（矩阵分解）。这里你会第一次见到 LU Decomposition——这个东西在数值计算里简直无处不在。
📐 Part 2：Vector Spaces（向量空间）
这是整个课程的灵魂部分。Linear Independence（线性无关）、Basis（基）、Dimension（维度）、Rank（秩）……这些概念会在这里系统性地展开。最重要的就是前面提到的 Four Fundamental Subspaces，理解了它们，线性代数就入门了一大半。
🔄 Part 3：Orthogonality（正交性）
Orthogonal Vectors、Projection（投影）、Gram-Schmidt 正交化、Least Squares（最小二乘法）。这个部分和实际应用联系最紧密，数据拟合、信号处理都离不开它。
🔢 Part 4：Determinants & Eigenvalues（行列式与特征值）
Determinant（行列式）的几何意义、Eigenvalues（特征值）和 Eigenvectors（特征向量）的计算与应用。这是从”方程组思维”过渡到”变换思维”的关键环节。Diagonalization（对角化）、Symmetric Matrices（对称矩阵）和 Spectral Theorem（谱定理）也在这一部分。
✨ Part 5：SVD & Applications（奇异值分解与应用）
Singular Value Decomposition（SVD）是线性代数的”集大成者”，也是 Strang 最爱讲的主题之一。SVD 在机器学习、图像压缩、推荐系统里都是核心工具。课程最后通常还会涉及 Positive Definite Matrices（正定矩阵）和 Linear Transformations（线性变换）。
四、最佳辅助：3Blue1Brown 的《线性代数的本质》
如果说 Strang 的课是”主菜”，那 3Blue1Brown（Grant Sanderson）的 The Essence of Linear Algebra 系列视频就是最完美的”开胃菜”。
这个系列一共大约16集，每集10-20分钟，用惊艳的动画把线性代数的核心概念做了可视化的呈现。什么是矩阵变换？什么是行列式？特征值到底在说什么？——看完这些动画，你会有一种”打通任督二脉”的感觉。
我的建议是：先看 3Blue1Brown 建立直觉，再看 Strang 的课深入理解。这个顺序比反过来效果好很多。因为 3B1B 给你的是”画面感”，而 Strang 给你的是”计算力”，两者结合才是完整的。
B站上 3Blue1Brown 的官方账号有中文字幕版本，搜索”线性代数的本质”就能找到。
五、学习建议：怎么把这门课”吃透”
学了这么多年，踩了无数坑，我总结出一套自认为比较靠谱的学习路径：
Step 1：建立直觉（第1周）
花几天时间把 3Blue1Brown 的《线性代数的本质》全刷一遍。不用做笔记，不用暂停，就是看个大概。目的只有一个：让脑子里有一些”画面”。
Step 2：跟课学习（核心阶段，6-10周）
按照 Strang 的讲课顺序一节一节看。每节课看完后做两件事：
- 用自己的话把这节课的核心内容写下来（写不出来就说明没真懂）
- 做教材对应章节的习题（至少做5-10道）
MIT OCW 网站上有完整的 Problem Sets 和 Solutions，善用它们。
Step 3：查漏补缺（穿插进行）
遇到某个概念死活想不通的时候，回头看 3Blue1Brown 对应的那一集。或者去翻 Gilbert Strang 的另一本书 Linear Algebra and Its Applications，里面的解释角度可能不同，说不定就”顿悟”了。
Step 4：动手实践（加分项）
用 Python 的 NumPy 把课上学到的东西跑一遍。比如：
import numpy as np
# LU Decomposition
A = np.array([[2, 1], [6, 4]])
from scipy.linalg import lu
P, L, U = lu(A)
# Eigenvalues
eigenvalues, eigenvectors = np.linalg.eig(A)
# SVD
U, S, Vt = np.linalg.svd(A)亲手算一遍和看别人算，完全不是一个层次的理解。
六、一些常见问题
Q：英语不好能学吗？
A：B站有中文字幕版，搜”MIT 18.06 线性代数”就有。但强烈建议至少用英文字幕，因为数学英语其实不难，而且这对以后读英文论文帮助巨大。
Q：需要先学微积分吗？
A：不需要。线性代数和微积分是相对独立的两条线，直接开始就行。
Q：看哪个学期的版本？
A：2010年秋季（Fall 2010）的录制质量最好，也是最经典的一版。MIT OCW 网站上可以免费看。
Q：学到什么程度算”入门”？
A：如果你能独立解释 Four Fundamental Subspaces、能手算 SVD、能用特征值分析 dynamical systems，那你已经远远超过”入门”了。
七、写在最后
Gilbert Strang 老爷子用61年的教学生涯告诉我们一件事：真正的好老师，是能让你觉得”数学没那么难”的人。
2023年5月15日，88岁的他完成了最后一课，画上了圆满的句号。但他留下的那些视频、那些书、那些深入浅出的讲解，会一直陪伴着全世界的学习者。
如果你还没开始学线性代数，或者之前学过但总觉得”似懂非懂”，我真心推荐你去试试这门课。不是因为它”免费”或者”名校光环”，而是因为——你值得拥有一次被好老师教的机会。
老爷子，谢谢您。🎓
课程链接：MIT OCW 18.06 https://ocw.mit.edu/courses/18-06-linear-algebra-spring-2010/
3Blue1Brown 系列：The Essence of Linear Algebra