众所周知，随着大数据、云计算、物联网、人工智能等信息科技的飞速发展，现代社会正全面进入数据时代。我们注意到，《数据科学算法导论》是大数据、物联网、云计算的理论基础，而线性代数则是数据时代的基本语言，它在现代科学技术的各个领域都有着十分广泛的应用，许多实际问题可以离散化、线性化，从而可以转化为线性代数的问题。

例如，网络搜索引擎的设计、飞行器外形设计、大数据处理、计算机图像处理、3D动画、虚拟现实等，处处体现着代数、几何与现实世界的完美融合。而《线性代数（1）》课程又是课程《数据科学算法导论》的数学基础。由此可知，《线性代数（1）》即是立足人工智能时代的科学之基础。

本课程基础卓越，它是国家级一流课程，同时线性代数也是北京航空航天大学校级核心课程、研究型教学示范重点课程，该课程在《线性代数》国家级一流课程名列第一，在全国具有引领作用。该课程组由一线教师组成的教学团队倾力打造，由北京市名师、北航名师李红裔教授担任主讲教师，让我们跟随李老师一同领略"线性代数"的魅力。

线性代数是讨论有限维空间中线性关系经典理论的课程，它具有较强的抽象性和逻辑性，线性代数课程不仅是高等学校理、工、经管多个专业的重要公共基础理论课，线性代数也是当今科技各个领域主要的的数学工具之一，同时线性代数也在现代科学技术的各个领域有着十分广泛的应用。

通常，《线性代数》课程经典内容包括六个部分：行列式，矩阵，向量组的线性相关性，线性方程组，矩阵的相似变换和二次型。

《线性代数（1）》课程经典内容包括四个部分：行列式，矩阵，向量组的线性相关性，线性方程组。

《线性代数（2）》课程经典内容包括两个部分：矩阵的相似变换、二次型。

教学方法上，采用教师讲授作为主要教学方式，辅以实际案例分析和学术讨论，以激发学生的学习兴趣和主动性。由多位知名专家将为同学们分享他们在该领域的卓越见解和经验。

通过线性代数这门课程的学习，学生可以将其理论与方法应用在数据科学领域，从而能够获得更加深入、系统的数据科学知识，为未来在科研和应用中更好地运用数据科学算法打下坚实的基础。

考核方式：平时成绩（60%）+ 期末作业（40%）  

开课要求：学习完《线性代数（1）》，建议继续学习《线性代数（2）》。其原因是，在学院路共同体教学平台中只设置了30学时、20学时这两种模式的课程，而经典的线性代数内容通常需要50个学时左右作为一轮教学周期。因此，设置了上述的“开课要求”，请同学们注意！

联系方式：添加助教微信：17627797696，进课程群，备注：线性代数（1）+姓名+学校。