我在反思为为什么线性代数或者高等代数这么不好学？？？
千字之下，皆是因果
在直观上初等数学（如微积分）通常以具体问题为主，而线性代数需要从具体问题中抽象出一般规律，这对思维方式的转变要求较高。我们可以轻易的拿物理的概念来说明微积分里面的很多知识，但是线性代数却不是那么容易。
注重理论推导和抽象性质，而不是具体的数值计算。这种从“计算”到“理论”的转变。线性代数里面的数字就是加减乘，100以内就能解决。但是内部充满各种符号。
这就不得不说这个符号的问题了，线性代数使用大量符号和表示方法，如矩阵、行列式、向量、张量等。，第一次学线性代数就没指望学会，而是尝试适应里面的表示。比如竖线，可以是一个行列式，可以是一个绝对值。当然了，数学的符号混乱也有老生常谈了。
还有一点就是线性代数的概念之间联系紧密，例如矩阵、向量、线性变换、特征值等概念相互关联。我记得考研一个网课的老师说，线性代数就是这样的，一直学一直糊涂。但是当你全学完，心里面有了知识网的时候又觉得很轻松（这个不好说）。
我个人觉得线性代数是一种结构（当然不是域，群，环这些高端玩意儿~），我感觉更像一种数据结构，它好像可以把一切都装进去。可以是数，向量，矩阵，复数等。又可以扩展，在维度和空间上面，比如我可以使用矩阵装相机采集回来的数据：
空间上面研究形状
就是这样一个东西，没有矩阵根本不知道这东西咋表示
表示完了，事情还没有结束。需要在上面施加各种运算，这也就是为什么线性代数里面对待矩阵，向量有着不同的运算法则。
比如矩阵里面的乘法，大多数人线性代数路上的第一个绊脚石，甚至很多人会拿乘法来简单判断一个人的线性代数水平。
以及向量的内积，外积，叉积，因为有了方向，所以添加了新的法则：
再有一点就是人类的抽象能力太弱了，我们根本不知道4维怎么表示，更高维就没有办法了。
所以四维空间就是如图所示？那会不会太丑了啊？
高维空间难以想象：线性代数涉及高维空间（如 n 维向量空间），而人类只能直观理解三维空间。高维空间的几何直观难以建立，导致理解困难。
我们根本没有办法想象这些，所以就说回了一开始，需要强大的抽象能力。很多时候不是代数没想好，可能是几何的锅。那几何不好的，可能微积分的世界也是走的磕磕绊绊。
也就是几何与代数结合：线性代数既有几何直观（如向量、空间），又有代数运算（如矩阵、行列式），需要同时掌握几何思维和代数思维。
矩阵函数里面的明星：旋转矩阵
https://linear.axler.net/LADR4eChinese.pdf
https://s.csreading.cn/%E6%95%B0%E5%AD%A6/%E7%A8%8B%E5%BA%8F%E5%91%98%E7%9A%84%E6%95%B0%E5%AD%A63-%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0.pdf
我推荐这个书，马同学的内容还是不错的
这个也好看，就是写的啰哩啰嗦的
最后我想说，如果真想学，找个老师吧。线性代数不适合自学。祝大家学业事业顺利！
