分类:代数

理解线性结构、运算规律与对称。

英文名称：Algebra。

从比例、变化率和函数模型认识数量关系，再用矩阵与向量空间组织线性结构，用群研究可逆运算和对称。具体模型与抽象结构可以互相提供例子。

从日常数量关系开始，可沿 比与比例 → 正比例与反比例 → 斜率与平均变化率 → 二次函数模型与分段函数 前进。先用表和图识别不变量，再解释公式；幂函数与尺度律继续研究倍数怎样传递到结果。完整路线见代数与统计建模入门。

矩阵 → 向量空间 → 线性代数 → 群

建议把同一线性变换同时写成坐标公式和矩阵，再讨论换基；群的例子可从平面图形对称开始。

解具体问题可沿 矩阵 → 线性方程组与高斯消元 → 矩阵的秩 前进：先求解，再判断哪些约束独立。之后用行列式检查方阵是否可逆，用特征值与特征向量研究重复变换；这些工具在线性代数总览中汇合。

函数代数可沿函数的定义域与值域、复合函数、反函数走到函数图像的平移与伸缩；处理多项式则从多项式除法与余式定理进入因式定理与零点的重数，再用有理函数与渐近线比较缺点和无界趋向。矩阵运算可从矩阵乘法、矩阵转置、逆矩阵与分块矩阵逐步推进；重复作用时再看矩阵对角化与相似矩阵，研究极值时连接二次型与正定矩阵。

空间中的另一条路线从空间向量的线性运算开始：先分解位移，再用向量的内积算角度与投影，用向量的外积算面积，用向量混合积与体积算体积。接着读正交矩阵理解保持长度的变换，最后把三阶行列式用于三元线性方程组的解集与克拉默法则。

在管理与生活中的数学中，可以沿具体案例连接本领域的工具与应用。

• 比与比例
• 斜率与平均变化率
• 正比例与反比例
• 二次函数模型
• 分段函数
• 幂函数与尺度律
• 函数的定义域与值域
• 复合函数
• 反函数
• 函数图像的平移与伸缩
• 多项式除法与余式定理
• 因式定理
• 零点的重数
• 有理函数与渐近线
• 矩阵
• 矩阵乘法
• 矩阵转置
• 逆矩阵
• 分块矩阵
• 线性方程组与高斯消元
• 矩阵的秩
• 行列式
• 特征值与特征向量
• 向量空间
• 线性代数
• 群
• 柯西不等式
• 线性化与雅可比矩阵
• 列昂惕夫投入产出模型

• 空间向量的线性运算
• 向量的内积
• 向量的外积
• 向量混合积与体积
• 正交矩阵
• 三元线性方程组的解集
• 克拉默法则
• 二项式定理
• 帕斯卡恒等式
• 三角形相似
• 正弦定理
• 三角形重心
• 线性相关与线性无关
• 生成空间
• 基与维数
• 线性映射
• 核与像
• 秩零化度定理
• 正交补
• 正交投影
• Gram-Schmidt正交化
• 实对称矩阵谱定理
• 矩阵对角化
• 相似矩阵
• 二次型
• 正定矩阵

当观测不能被模型精确表示时，先读正交投影与最小二乘法，再看QR分解怎样把拟合问题变成上三角方程。奇异值分解把任意矩阵的输入、输出正交方向和伸缩倍数分开；在秩不足或参数不唯一时，伪逆从最小二乘解中选出长度最短的一个。与条件数一起阅读，可分辨“解有没有”与“解对误差有多敏感”。

• QR分解
• 奇异值分解
• 伪逆

数学的分支不是互相隔绝的盒子；同一词条可能属于多个分类。证明依赖逻辑，结构计算常借助矩阵，现实应用需要数学建模说明假设。进一步阅读可回到学科导航按问题选择路线。

本分类是本站的学习入口，不等同于研究文献的完整细分目录。正文结合具体问题、逐步推导和必要图解，提供定义、算例及参考来源。写作约定见帮助:词条写作标准。