简介：《Linear Algebra with Applications》第10版全球版是Pearson Education出版的线性代数英文经典教材，由Steven J. Leon与Lisette de Pillis合著。全书共8章、556页，内容覆盖线性代数课程研究组（LACSG）推荐的全部主题，每章末尾配有MATLAB计算机练习，并穿插大量应用实例；根据LACSG建议，既可按两学期格式讲授，也可灵活压缩至一学期完成，适合低年级本科生初学及高年级复习。资源包共1个文件，为PDF格式，整体约6.69MB，页面完整清晰、文字可复制，可跨设备阅读检索。目前已有1055人学习下载。读者可获得涵盖矩阵、线性方程组、行列式、向量空间、正交性、特征值等核心知识体系的全球版教材全文；书中包含大量例题、课后习题与MATLAB练习，书末附有习题答案或提示，便于对照课程大纲逐章研读和自测，是课堂配套和自主学习的实用参考资料。
1. Linear Algebra with Applications 第10版：一本让你把线性代数从"证明题"变成"可验证实验"的原版教材
如果你和我一样，工作中要跟矩阵、特征值、最小二乘打交道，又不想只停留在"调库就行"的层面，那这本 Steven J. Leon 和 Lisette de Pillis 合著的《Linear Algebra with Applications》第10版值得认真拆一遍。它和国内多数线代教材最大的区别在于：全书八章严格按 LACSG（线性代数课程研究组）的推荐组织，每章末尾配一套完整的 MATLAB 计算机练习，把定理、证明和数值实验绑在一起。也就是说，你每学完一节，都能立刻用代码验证"书上说的是不是真的"。它既能当本科低年级的第一本线代教材，也能当高年级复习和数值计算入门的案头参考。适合三类人：准备系统补线代的自学者、要带实验课的助教或讲师、以及做数值计算但想补理论底子的工程师。
2. 从八章结构到三种授课大纲：这份教材的编排逻辑和选读策略
2.1 八章内容一张表看懂：从消元到 Jordan 标准形
拿到目录先别急着翻正文。这本书的章节顺序是精心排过的，每一章都在为下一章铺路。我把全书八章整理成下表，方便你对照自己的需求决定从哪章切入：
| 章节 | 英文标题 | 核心内容 | 对应常见应用场景 |
|---|---|---|---|
| Ch.1 | Matrices and Systems of Equations | 线性方程组、行阶梯形、矩阵运算、分块矩阵 | 解方程组、高斯消元、电路网络 |
| Ch.2 | Determinants | 行列式定义、性质、应用 | 可逆性判断、Cramer 法则 |
| Ch.3 | Vector Spaces | 向量空间、子空间、线性无关、基与维数、换基 | 维数分析、坐标系变换 |
| Ch.4 | Linear Transformations | 线性变换、矩阵表示、相似性 | 图像变换、状态空间建模 |
| Ch.5 | Orthogonality | 内积、正交子空间、最小二乘、Gram–Schmidt | 数据拟合、信号处理 |
| Ch.6 | Eigenvalues | 特征值、微分方程组、对角化、Hermite 矩阵、SVD、二次型、正定矩阵 | PCA、振动分析、稳定性判断 |
| Ch.7 | Numerical Linear Algebra | 浮点数、高斯消元、主元策略、条件数、正交变换、迭代法 | 数值稳定性、大规模计算 |
| Ch.8 | Canonical Forms | 幂零算子、Jordan 标准形 | 矩阵理论、控制系统 |
从这张表能看出一个重要设计：前两章解决"怎么算"，三四章解决"怎么抽象"，五六章解决"怎么用"，七八章解决"算得稳不稳、理论怎么收口"。这和很多国产教材把行列式放在第一章的讲法完全不同。我个人更认同这本书的顺序——先让学生用消元法实际解出方程组，再引入行列式这个"锦上添花"的判断工具，理解成本低很多。
2.2 LACSG 核心课程和书里的三套大纲怎么选
序言里有一段很关键的信息：这本书覆盖了 LACSG 推荐的全部主题，而且同时兼容了 LACSG 对"第一门线代课应使用技术工具"的建议。LACSG 的核心课程只涉及欧氏向量空间，所以序言明确说：第三章第 1 节（一般向量空间的定义）和涉及函数空间的练习都可以跳过，不影响主线。
书中给出了三套可直接抄的课程大纲：
- 一学期低年级基础课：35 讲，Ch.1 全部（7讲）、Ch.2 前两节（2讲）、Ch.3 全部（9讲）、Ch.4 前三节（4讲）、Ch.5 全部（9讲）、Ch.6 前三节（4讲）。
- 一学期高年级课（基础薄弱版）：35 讲，Ch.1 全部、Ch.2 前两节、Ch.3 1-7 节、Ch.5 全部、Ch.6 1-7 节加第 8 节、Ch.7 第 4 节。
- 两学期完整序列：覆盖全部 43 个 section，适合数学系或打算读研的学生。
我建议自学者直接参照"低年级基础课"的 35 讲节奏，每周安排 3 讲左右，三个月能拉完一遍主线。如果你已经在工作中接触过矩阵但没系统学过理论，从高年级课的大纲入手更高效——前两章快速过，重点砸在 Ch.5 和 Ch.6，因为最小二乘和特征值分解是工程里出现频率最高的两块。
2.3 第10版到底更新了什么：不是换个封面那么简单
这版有两个实质变化值得注意。第一是加入了新作者 Lisette de Pillis，她是 Harvey Mudd College 的教授，研究里大量涉及真实世界建模，所以第10版新增了超过 150 道练习，应用类题目明显变多，很多题把线代和生物、经济、工程场景挂钩。第二是每章末尾的 MATLAB 练习是"成套"设计的，不是零散的"算一下"，而是围绕一个数值实验主题，让你观察规律、做出推测。这两点叠加，让第10版比第9版更"可操作"。如果你之前用过旧版，翻新版的 MATLAB 练习会明显感觉到题目在设计感上的提升——它不再只是验证定理，而是逼你去"猜结论"。
3. 把每章的 MATLAB 练习真正跑起来：从附录入门到各章可复现代码
3.1 第一步：先花 50 分钟过一遍书末的 MATLAB 附录
这本书的 MATLAB 附录写在正文最后（第 521 页起），篇幅不大，但足够你完成全部练习。附录里讲了变量赋值、矩阵输入、常用函数和脚本写法，没有绕弯子。序言里有一个很实际的建议：上课前用 50 分钟做一次课堂演示，学生就能独立完成计算练习。自学者也一样——别急着做习题，先把附录里的示例动手敲一遍。
我一般会做的第一件事，是在 MATLAB 里把附录里的矩阵操作全部跑一遍，然后保存成一个自己的入门脚本：
% matlab_intro.m % 附录快速过一遍：矩阵输入、转置、乘法、逆 A = [1 2 3; 4 5 6; 7 8 10]; % 3x3 矩阵，注意分号是换行 b = [1; 2; 3]; % 列向量 disp(A'); % 转置，符号是单引号 disp(A * b); % 矩阵乘向量 disp(inv(A)); % 逆矩阵，非奇异才能算逻辑说明：这段脚本覆盖了后续练习最常用的四个操作——矩阵字面量输入、转置、矩阵乘法、求逆。注意A'是共轭转置，对实矩阵就是普通转置；inv(A)在矩阵接近奇异时会给出很大数值，这是第七章要讲的内容，这里先会用就行。
参数说明：矩阵输入时行内元素用空格或逗号分隔，行与行之间用分号。b写成[1; 2; 3]是 3x1 列向量，如果写成[1 2 3]就是 1x3 行向量，这两个在矩阵乘法里完全不兼容，是新手最容易踩的坑。
3.2 第一章和第二章：用 rref 解方程组，用 det 验证可逆性
第一章的核心计算工具是行阶梯形。书里 1.2 节讲 Row Echelon Form，MATLAB 里对应的函数是rref。书上 1.1 节开头那道三元方程组题，可以直接这样验算：
% solve_linear_system.m % 教材第一章典型例题：验证手算消元结果 A = [2 1 -1; -3 -1 2; -2 1 2]; b = [8; -11; -3]; R = rref([A b]); % 增广矩阵的行最简阶梯形 x = R(:, end); % 取最后一列作为解 disp(R); disp(x);逻辑说明：rref对增广矩阵[A b]做行变换，化成行最简阶梯形后，最后一列就是方程组的解（前提是方程组唯一解）。这和教材 1.2 节讲的 Gauss-Jordan 消元是同一套流程，只是由机器代劳。
参数说明：R(:, end)是 MATLAB 的索引写法，冒号表示取所有行，end表示最后一列。如果你看到R里某一行全是零但最后一列非零，说明方程组无解；如果某列没有主元，说明有自由变量，这时不能直接取最后一列当解，需要回到书里 1.2 节的参数化表示。
第二章的行列式用det一行搞定，但要注意它的使用边界：
% determinant_check.m A = [1 2 3; 4 5 6; 7 8 10]; d = det(A); % 行列式值 fprintf('det(A) = %f\n', d); if abs(d) < 1e-10 % 浮点误差保护 disp('矩阵接近奇异，慎重求逆'); end逻辑说明：det对整数矩阵返回精确整数（内部用精确算法），但对浮点矩阵可能返回一个很小的数而不是零。所以判断可逆性不能直接写if d == 0，要用一个阈值，这是第一章不会讲但实际计算时必须知道的习惯。
3.3 第五章和第六章：最小二乘、特征值分解与 SVD 的落地写法
第五章的最小二乘问题是全书应用价值最高的章节之一，也是很多工程问题的核心。书中 5.3 节讲 Least Squares Problems，MATLAB 里最简单的做法是用左除运算符\：
% least_squares_fit.m % 拟合直线 y = c1 + c2*x，数据点来自书上的练习题 x = [0; 1; 2; 3]; y = [1.1; 1.9; 3.2; 4.1]; X = [ones(4,1), x]; % 设计矩阵，第一列全 1 表示截距 c = X \ y; % 最小二乘解，等价于 (X'*X)\X'*y disp(c); y_fit = X * c; % 拟合值 resid = y - y_fit; % 残差 disp(norm(resid)); % 残差的二范数逻辑说明：X \ y在 MATLAB 里对应求解最小二乘问题，内部走的不是教科书上常见的(X'*X)\X'*y正规方程，而是正交分解，数值稳定性更好。书上 5.3 节推导用的是正规方程，但 MATLAB 实际计算建议用\，两者结果一致，后者在矩阵病态时更不容易翻车。
参数说明：ones(4,1)生成 4 行 1 列的全 1 矩阵，这是给线性模型加常数项的标准写法。norm(resid)计算残差向量的二范数，数值越小说明拟合越好。如果你想拟合二次曲线，把x改成[ones(4,1), x, x.^2]即可，注意x.^2那个点号是逐元素平方的意思。
第六章的特征值分解和 SVD 是全书的高潮，代码反而最简单：
% eigenvalue_svd.m % 第六章核心计算：特征值、特征向量、SVD A = [4 1 0; 1 3 1; 0 1 2]; [V, D] = eig(A); % V 是特征向量矩阵，D 是对角特征值矩阵 lambda = diag(D); % 提取特征值向量 [U, S, W] = svd(A); % 奇异值分解，A = U*S*W' disp(lambda); disp(diag(S)); % 奇异值按降序排列 cond_A = cond(A); % 条件数 = 最大奇异值 / 最小奇异值 disp(cond_A);逻辑说明：eig返回的V每列是对应特征向量，D是对角矩阵，用diag(D)抽取对角元得到特征值列表。svd返回三个因子，S是对角阵（或矩形对角阵），对角线上的奇异值降序排列。cond在底层就是用奇异值算的，条件数接近 1 说明矩阵良态，远大于 1 说明病态，这是第七章会用到的概念，但在这里可以先感性认识。
3.4 第七章数值线性代数：条件数、主元策略与迭代法
第七章是很多读者第一次接触"数值计算和理论计算不是一回事"的地方。书里 7.2 到 7.4 节讲高斯消元和主元策略，MATLAB 里对应的是lu函数。带列主元的 LU 分解是数值上最稳的消元实现：
% lu_decomposition.m % 带部分主元的高斯消元：PA = LU A = [1 2 3; 4 5 6; 7 8 10]; [L, U, P] = lu(A); % P 是置换矩阵，L 是单位下三角，U 是上三角 disp(P*A); % 置换后的矩阵 disp(L*U); % 应该等于 P*A逻辑说明：默认lu(A)做的是带列主元的分解，返回的L不一定是严格下三角（因为行交换），但P*A = L*U一定成立。教材 7.3 节专门讲 Pivoting Strategies，讲的就是为什么要做行交换——避免除以接近零的主元。
参数说明：[L, U, P] = lu(A)的三个返回值顺序不要记混。如果你只需要解方程组Ax = b，直接写x = A\b就行，MATLAB 内部自动选择 LU 分解路径，不需要手动调lu。手动分解的意义在于理解算法和排查数值问题。
第七章还讲了迭代法，书里 7.8 节给的是 Jacobi 和高斯-赛德尔迭代。收敛性判断有个直接的代码验证方法：迭代矩阵谱半径小于 1 才收敛。所以学这节时我习惯顺手算一下谱半径：
% spectral_radius.m % 判断迭代法是否收敛：谱半径 < 1 A = [4 -1 0; -1 4 -1; 0 -1 4]; D = diag(diag(A)); % 只取对角线 L = tril(A, -1); % 严格下三角部分 U = triu(A, 1); % 严格上三角部分 T_jacobi = -D \ (L + U); % Jacobi 迭代矩阵 rho = max(abs(eig(T_jacobi)));% 谱半径 fprintf('Jacobi 谱半径 = %f\n', rho);逻辑说明：diag(diag(A))是从矩阵里抽出对角线组成对角矩阵，tril(A, -1)取主对角线以下的部分（-1表示不含主对角线）。Jacobi 迭代矩阵的公式是D^(-1)(L+U)，加负号是因为迭代格式需要移项。谱半径就是特征值模的最大值，小于 1 才保证迭代收敛。
4. 从教材到实战：自学节奏、备课取舍和习题验证闭环
4.1 自学路线：三个月 35 讲的节奏怎么拆
序言给的低年级 35 讲安排是最稳的自学路线。按每周 3 讲计算，12 周完成，每讲的量大约是一节书配两道 MATLAB 练习。我的习惯是每讲固定三个动作：先读正文里的例题（书里的例题都写了完整步骤，别跳），然后用 MATLAB 复现那道例题的数值结果，最后做书末的奇数号练习（书后有参考答案，能形成验证闭环）。
具体到每周安排：第一周啃第一章的前四节，重点是 rref 和矩阵乘法；第二周完成第一章后三节和分块矩阵，开始做 MATLAB 练习；第三周进入第二章行列式，这块内容少，两讲足够；第四到六周是第三章向量空间，这是全书第一个抽象高峰，节奏可以放慢，每节至少跑一次 MATLAB 验证子空间和基的判定。第七章的内容如果自学可以放到最后选读，前面六章是主线。
4.2 备课编排：低年级和高年级的章节取舍
如果你是要用这本书开课，序言里的三套大纲可以直接当蓝本。低年级课的核心原则是：前四章讲透，第五章只讲前六节，第六章只讲前三节，第七章只讲第 4 节（条件数）。这套组合拳能保证学生在 35 讲内完成从消元到特征值的闭环。高年级课则反过来——前两章快速复习（5 讲内结束），把时间砸在第五章的 Gram–Schmidt、第六章的 SVD 和二次型、第七章的浮点数和迭代法上。
有个容易忽略的点：第 10 版的全球版在版权页明确标注是"为美国和加拿大以外学生出版的特殊版本"，页码和习题编号可能与北美原版有差异。如果你同时参考原版的课件或习题解答，务必先核对章节号而不是页码，否则很容易出现"题号对不上"的烦躁体验。
4.3 习题策略：别把书后答案当终点
书后有 Answers to Selected Exercises，覆盖奇数号题目。我的用法是：先独立做，做不出来再看答案；看完答案后关掉书，用 MATLAB 把题目的数值部分重新跑一遍。比如一道求特征值的题，手算得到1, 2, 3，用eig验证时可能得到1.0000, 2.0000, 3.0000，这说明手算正确；如果得到1.0000, 2.0001, 2.9999，大概率是浮点误差，但如果偏差超过1e-5就要回头检查手算过程了。
这个"手算-查答案-代码验证"三步循环是这本书最好用的学习法。每章末的 MATLAB 练习不是附加题，它们是理论章节的"实验课"——做一遍比读十遍定理更让人记住结论。我自己在带学生时发现，愿意动手跑 MATLAB 练习的人，期末成绩平均明显高于只刷题的人，尤其在最小二乘和 SVD 这两个章节上差距最大。
5. 用这本书最容易翻车的五个地方：版本、符号、浮点和顺序的坑
5.1 现象：按原版课后答案核对全球版习题，题号对不上
原因：全球版是为非北美市场重排的版本，页码和部分习题编号与原版不一致，版权页已经明说"如果在美国或加拿大购买此书，请注意它是未经出版商批准的进口版本"。
解决：所有习题和答案都以你手里的全球版为准。如果需要参考原版资料，先对齐章节序号，再对齐小节序号，最后才看题号。最稳妥的做法是直接用书内自带参考答案，别去网上找旧版的 solution manual 硬套。
5.2 现象：MATLAB 跑出来的结果和书上手算步骤不一致，怀疑自己算错了
原因：绝大多数情况是浮点误差，尤其在做行变换和特征值计算时。另一个常见原因是 MATLAB 的det对小矩阵给的是精确整数，但对浮点矩阵会引入舍入误差，书上例题用的是精心构造的整数，真实数据没这么干净。
解决：先看误差量级。用format long显示完整精度，如果误差在1e-10级别，放心继续；如果在1e-3级别，才是真正的计算错误。另一个快速判断方法是算条件数cond(A)——条件数越大，结果对误差越敏感，这是第七章的核心内容，但建议从第五章就开始养成看条件数的习惯。
5.3 现象：按国内线代课的顺序读这本书，第三章开始彻底懵
原因：国内多数教材按"行列式 → 矩阵 → 向量组 → 方程组"的顺序组织，把行列式放在最前面，但这本书的顺序是"方程组 → 矩阵 → 行列式 → 向量空间"。如果你习惯先学行列式再学消元，读第一章会觉得很"没劲"，到第三章突然进入抽象定义时会没有铺垫。
解决：放下旧习惯，完全按这本书的顺序走一遍。第一章的消元法是全书的地基，第三章的向量空间是建立在其上的抽象。你只需要接受一个事实：行列式在第二章才出现是有意为之，它不是一个需要先学的基础工具，而是"可逆性判断"的自然延伸。强迫自己按书序读至少前三章，之后的章节就顺畅了。
5.4 现象：只看书不碰 MATLAB 练习，到第六章 SVD 完全跟不上
原因：第六章的 SVD、二次型、正定矩阵都是高度依赖数值直觉的内容。书上讲了定义和定理，但 SVD 的奇异值到底长什么样、正定矩阵的特征值为什么全为正，这些结论光看证明很难真正内化。如果你跳过了前几章的 MATLAB 练习，到第六章突然要处理多维数组时，会对eig和svd的返回格式毫无概念。
解决：从第一章开始，每学完一章至少做两道 MATLAB 练习，不用多，但要持续。到第六章时，你已经能熟练操作矩阵的分解和索引，这时 SVD 的计算验证只是"多调用一个函数"而已。数值直觉是线代学习里最容易被低估的部分，这本书的设计恰恰就是为了补这一块。
5.5 现象：写代码时矩阵乘法报错，维度对不上
原因：A * B要求 A 的列数等于 B 的行数，但新手常把行向量和列向量搞混，或者在构造设计矩阵时忘记加截距列，导致维度检查失败。还有一个隐蔽坑：MATLAB 的'是共轭转置，对复矩阵会把虚部变号，如果你处理的是复数矩阵又只需要转置，应该用.'。
解决：每次构造完矩阵先检查size(A)，确认行列数符合预期。设计矩阵要加常数项时用ones(n,1)显式构造第一列。复数场景统一用.'做普通转置，避免共轭带来的隐性错误。这三个习惯能帮你避开至少一半的运行时报错。
6. 进阶技巧：把书末 MATLAB 练习升级成你自己的诊断模板
6.1 一套适用于全书的"矩阵体检"脚本
学完前六章后，我强烈建议你做一个自己的工具脚本：输入任意矩阵，一次输出行列式、秩、条件数、特征值、奇异值和 rref 结果。这相当于把全书核心计算全部串起来，对后续所有练习都有复用价值：
% matrix_checkup.m % 输入任意矩阵 A，输出全套诊断信息 function matrix_checkup(A) fprintf('矩阵大小: %d x %d\n', size(A,1), size(A,2)); fprintf('行列式: %e\n', det(A)); fprintf('秩: %d\n', rank(A)); fprintf('条件数: %e\n', cond(A)); fprintf('行最简阶梯形:\n'); disp(rref(A)); fprintf('特征值:\n'); disp(eig(A)); fprintf('奇异值:\n'); disp(svd(A)); end这段脚本的意义在于：它把散落在各章的 MATLAB 函数收敛到一处，让你在解任何一道习题时都能快速看清矩阵的"全貌"。比如你在做第三章的基与维数判断时，rank一步就能确认向量组的秩；做第六章的正定判断时，eig(A)直接告诉你特征值符号——不用再手写完整的理论判断流程。
6.2 验证方法：用这个模板对拍书后答案
我的习惯是每做完一道奇数号计算题，就把它涉及的所有矩阵塞进matrix_checkup，然后逐一核对书后答案里的关键数字。这道工序看起来多余，但它同时验证了你的手算和代码两件事。有一次我用它检查一道关于二次型矩阵的题目，发现自己手算出来的秩是 2 但rank返回 3，回看草稿才发现把矩阵某一行写错了——没有代码对拍，这个错误会一直带到下一章的练习里。
从那以后我给自己定了一个规则：任何一章的 MATLAB 练习，都不直接贴例题代码运行了事，而是先手算一遍，再用matrix_checkup做交叉验证，两边结果一致才算过。这样的流程跑下来，整本书的练习部分大约需要额外花掉 8 到 10 个小时，但换来的是对每个章节核心结论的"数值直觉"。希望这个习惯能帮到你。
本文还有配套的精品资源，点击获取
