第一章 線性空間與線性映射
1.1 線性空間
1.1.1 線性空間的概念與性質(zhì)
1.1.2 向量組的線性相關(guān)性
1.1.3 線性空間的基、維數(shù)與坐標(biāo)
1.1.4 基變換與坐標(biāo)變換
1.2 線性子空間
1.2.1 子空間的概念與性質(zhì)
1.2.2 值域、核與特征子空間
1.2.3 子空間的交與和
1.3 線性映射與線性變換
1.3.1 線性映射的概念與性質(zhì)
1.3.2 線性映射的矩陣表示
1.3.3 線性映射的核與值域
1.3.4 再論線性變換與矩陣
l.4 線性變換的不變子空間
1.5 線性空間的同構(gòu)
習(xí)題

第二章 內(nèi)積空間與賦范線性空間
2.1 歐氏空間與酉空問
2.1.1 歐氏空間與酉空間
2.1.2 內(nèi)積在基下的矩陣
2.2 標(biāo)準(zhǔn)正交基與向量的正交化
2.2.1 向量的度量性質(zhì)
2.2.2 標(biāo)準(zhǔn)正交基
2.2.3 向量的正交化
2.3 正交子空間
2.3.1 子空間的正交
2.3.2 正交子空間的和
2.4 酉（正交）變換正交投影
2.4.1 酉（正交）變換
2.4.2 正交投影
2.5 向量范數(shù)與矩陣范數(shù)
2.5.1 向量范數(shù)的概念與性質(zhì)
2.5.2 C□上的常用范數(shù)及性質(zhì)
2.5.3 矩陣范數(shù)的概念與性質(zhì)
2.5.4 C□上常用的范數(shù)及其性質(zhì)
2.6 向量范數(shù)與矩陣范數(shù)的相容性
2.6.1 相容性的定義
2.6.2 由已知向量范數(shù)生成的與其相容的矩陣范數(shù)（算子范數(shù)）
習(xí)題二

第三章 特殊矩陣與方陣的標(biāo)準(zhǔn)型
3.1 單純矩陣與正規(guī)矩陣
3.1.1 方陣的特征值與特征向量
3.1.2 可對角化矩陣的條件與單純矩陣.
3.1.3 正規(guī)矩陣及其對角化.
3.2 方陣的若當(dāng)（Jondan）標(biāo)準(zhǔn)型
3.2.1 A矩陣與smith標(biāo)準(zhǔn)型
3.2.2 行列式因子、不變因子與初等因子
3.2.3 Jordan（若當(dāng)）標(biāo)準(zhǔn)型
3.3 冪等矩陣與冪零矩陣
3.3.1 冪等陣
3.3.2 冪等變換
3.3.3 冪零矩陣
3.4 Hermite 矩陣與Hermite二次型
3.4.1 Herrmite矩陣
3.4.2 Hermite二次型
3.4.3 Hemite矩陣的廣義特征值
3.4.4 Hermite矩陣的瑞利（RayIeigh）商
習(xí)題三.

第四章 矩陣分解.
4.1  矩陣的三角分解和正交三角分解
4.1.1 Crout分解和H矩陣的cholesky分解
4.1.2 矩陣UR分解
4.2 矩陣的滿秩分解
4.3 單純矩陣的譜分解
4.4 矩陣的奇異值分解
4.5 矩陣的極分解
習(xí)題四

第五章 矩陣的廣義逆矩陣
5.1 MP逆
5.1.1 M—P逆A+
5.1.2 A的{i,j,k}逆
5.2 具有指定的值域和零空間的{12}逆
5.3 群逆
5.4 廣義逆與線性方程組
5.4.1 線性方程組Ax=6的通解
5.4.2 極小范數(shù)最小二乘解
習(xí)題五

第六章 矩陣分析
6.1 矩陣序列與極限
6.2 矩陣冪級數(shù)
6.2.1 矩陣級數(shù)的概念和性質(zhì)
6.2.2 矩陣冪級數(shù)
6.3 矩陣的Kronecker積
6.3.1 Kronecker積的概念與性質(zhì)
6.3.2 Kronecker積的特征值與特征向量
6.4 函數(shù)矩陣的微分
6.4.1 函數(shù)矩陣對變量的導(dǎo)數(shù)
6.4.2 數(shù)量值函數(shù)對矩陣變量的導(dǎo)數(shù)
6.4.3 矩陣值函數(shù)對矩陣變量的導(dǎo)數(shù)與微分
6.5 函數(shù)矩陣的積分
6.5.1 函數(shù)矩陣的積分
6.5.2 函數(shù)向量的線性相關(guān)性
習(xí)題六

第七章 矩陣多項(xiàng)式與矩陣函數(shù)
7.1 矩陣多項(xiàng)式
7.1.1 化零多項(xiàng)式與Cayley—Hamilton定理
7.1.2 最小多項(xiàng)式
7.2 矩陣函數(shù).
7.2.1 矩陣函數(shù)的冪級數(shù)定義
7.2.2 由解析函數(shù)所確定的矩陣函數(shù)
7.2.3矩陣函數(shù)的計(jì)算
習(xí)題七
參考文獻(xiàn)