撩妹进阶之路：
负基础：多喝热水、多喝热水、多喝热水。
零基础：逢年过节买鲜花。
入门级：包治百病。
发烧级：口红色号倒背如流。
骨灰级：理科公式
你没看错，用公式制造浪漫。
先来个简单的：
稍微提高点难度：
升个级：数理化结合了解一下：
第一行——I
欧姆定律 U/R=I
第二行——LOVE
1000mL=1升，1与L同形
1/2 的氧，为O
密度 m/ρ=V
F/q=E
第三行——YOU
线性函数：y=kx+b
1/2 的氧，为O
电功率与电阻电压关系 PR=U
这还有压箱底的线性代数神级万能公式教给你：
当你示爱时：
当你想说对不起时：
当十分感动却不能宣之于口时：
too young too simple。
讲一个我大学室友的传奇经历。
他姓王，姑且叫他王学霸。
学霸平时一言不发，早上6点多起床去教室占座，晚上10点从图书馆准时回来。
就是这样的一个毫无存在感，一天只知道学习的沉默男，居然是我们寝室第一个脱单的。
「王学霸，没看出来啊，你咋撩妹的教教我们啊」是我室友和他互动最多的话题。
「也没啥，就是给她讲讲题」他从书包拿出来书本，头也不抬。
我们都能察觉到他眼神里有一抹喜悦划过。这小子心里一定美滋滋的。
后来，经过我们的一再盘问，他终于说出了真相。
「线性代数这科期末考试不容易过，老师上课课时有限讲的还快，她就总来问我题和知识点。」
讲题就能产生爱情，我们也是服气：「这就完了？」
「还有就是线性代数的课座不好占，就偶尔帮她占个座。」
兄弟5个一阵白眼，回想起我们坐在最后一排（学渣舒适区）看他俩在第一排认真听课。
快到期末考试的时候，兄弟几个着急了，天天求着他给我们讲题，那一个个矩阵里面1，0，1，0看的我们直发懵。
转眼大四考研求职季，室友中一半选择了考研。
结果不出意料，只有王学霸考上了，其他人都折在了数学。
也是这时候，我们才知道他跨考到北京理工大学学习电子信息工程。
室友各奔东西，我也跨专业选择了新媒体。
上一次见他，已是一年前。闲聊时提起了线性代数的梗。
「线性代数真的很有用，我讲的不是把妹，研究生学习的基础理论之一就是线性代数。」
学霸不愧是学霸。
「因为线性代数学的好，数据精准，研究的也透彻，发表了几篇SCI，也跟着导师做项目，已经收到了海航的Offer」
偷偷查完薪资待遇后我万分后悔当时为什么没好好学习线性代数。
众所周知，线性代数既是大学课程的基础科目，又是理工科、金融财经类学生的必修科目。更是数十万考研学子必考科目。
不仅如此，线性代数应用十分广泛：大多数领域工作中都可以看到线性代数的身影。
经济学、医学、计算机编程、人工智能、自然科学、工程技术等领域都对线性代数有基本的掌握要求。
可以说，线性代数小到期末考试，大到考研，都是你学业乃至人生进阶的重要法宝。
熟悉理工科的人都知道，线性代数是很多课程的基石：
在狭义相对论中，所有的物理量都是一个向量，电磁场、洛伦兹矩阵中都运用到了线性代数的原理。
在量子力学中，如果掌握了线性代数，那么量子力学瞬间攻破。
而本质上的快速傅里叶变换的算法就是线性代数问题。
童哲校长在《线性代数两日特训班》中讲过，「学好线性代数，不仅可以碾压物理学科，而且能够碾压很多学科。」
可见线性代数的普适性和实用性极强。
据调查，线性代数的期末挂科人数要远超微积分（上、下）和概率论的挂科人数。
究其原因：线性代数和以往中学课程中的代数课程差别巨大使很多同学在入门时不能及时的适应课程。
同时，在期末考试中，线性代数不容易“蒙”，是很多同学的心病。
在学习线代你会遇到3个问题：
1.首先需要对三维空间中的一个箭头有准确感知。
2.其次需要准备一本线性代数课本，掌握基本知识点。
3.最后要有强大的逻辑思维考虑极其抽象的线代问题。
这三个问题从三个层次回答了学好线性代数的方式。
前两个很好解决，绝大多数人都有立体感，同时买一本课程、掌握知识点并不难。
第三点对于一般人来讲就不那么容易了，逻辑思维不易训练，同时这种思维似乎需要点天赋。
同时没有这种思维能力很容易衍生下面的问题：
△ 数值计算驾轻就熟，理解却很肤浅
△ 不理解奇怪的概念为什么如此定义
△ 对潜在的几何直观理解知之甚少
而运用逻辑思维去解决特抽象的线代问题更是难上加难。
能够想到的解决途径是，首先要有十分强大的学科背景，然后不断联系、反复论证来掌握学科规律。
了解万门的朋友都知道：
万门大学创始人童哲校长，智商143，19岁保送北京大学物理学院，可谓天赋异禀。
大二在香港科技大学做交换生，随后在巴黎高师攻读M1硕士，才智惊人。
校长自己也说过：「在北大时，学了一遍线代；在港科大做交换生时学了量子力学和高等量子力学，相当于又学了两遍线代，而在研究生阶段学习量子场论中又大量的运用到线代，等于学了四遍。」
所谓书读百遍，其义自见。童哲校长的学科背景可以说是精通线性代数这门学科。
而万门课程《线性代数两日特训班》正是由校长亲自讲授。
童哲校长简介
▲19岁物理竞赛全省第一保送北京大学
▲22岁通过全球仅10个名额的考试考上法国巴黎高师
▲24岁获得法国硕士M1学位
▲25岁创办中国第一所网络大学成为校长
▲26岁录制多门公开课并在50多所大学做演讲
▲27岁创办万门教育成为CEO
▲28岁平台课程超过150门影响超过百万人▲29岁受邀给雷军、张朝阳等人授课
你的专属课程表
（向下滑动查看全文）
第 1 讲：线性代数概述
1. 1 线性代数的重要性
1. 2 把非线性转化成线性
第 2 讲：矩阵乘法
2. 1 矩阵乘法的引入
2. 2 矩阵乘法的定义
2. 3 矩阵乘法的定律
第 3 讲：线性空间
3. 1 线性空间的介绍
3. 2 定义线性空间
3. 3 非常规的线性空间
3. 4 重新审视八条定义
第 4 讲：线性空间八条定义的证明
4. 1 线性空间八条定义的证明（一）
4. 2 线性空间八条定义的证明（二）
4. 3 线性空间八条定义的证明（三）
第 5 讲：线性空间与线性变换（一）
5. 1 线性空间与线性变换
5. 2 线性相关与线性无关（一）
5. 3 线性相关与线性无关（二）
第 6 讲：线性空间与线性变换（二）
6. 1 矩阵的秩
6. 2 初等变换
第 7 讲：线性空间与线性变换（三）
7. 1 可逆性变换
第 8 讲：线性空间与线性变换（四）
8. 1 知识点梳理（一）
8. 2 知识点梳理（二）
8. 3 线性变换
第 9 讲：线性空间与线性变换（五）
9. 1 线性变换的表示
9. 2 线性变换的性质
第 10 讲：矩阵
10. 1 矩阵的具体考查
10. 2 矩阵相关证明题
10. 3 等价类/等价关系
10. 4 常见等价/非等价关系
第 11 讲：行列式
11. 1 行列式
11. 2 检测三维旋转
11. 3 行列式的定义
11. 4 雅可比行列式
第 12 讲：特征值与特征向量
12. 1 特征值与特征向量
12. 2 本征向量与子空间（一）
12. 3 本征向量与子空间（二）
第 13 讲：特征多项式
13. 1 特征多项式
13. 2 特征多项式相关证明题
13. 3 线性代数核心定理
第 14 讲：对偶空间、欧氏空间、厄米矩阵
14. 1 对偶空间与欧氏空间（一）
14. 2 对偶空间与欧氏空间（二）
14. 3 厄米矩阵
本门课程原价588
限时活动价249
你没看错
14讲40节课程
仅仅249
对于大多数人来讲都不够一顿饭钱
而你将会收获
强大的学科知识
以及无限的人生价值
如果你想考试及格冲刺优秀
如果你想成为理科的强者
如果你想掌握多种运算技巧
扫描下方二维码
订阅课程
课程反馈
1
课程特色
1
课程特色
把复杂的问题简单化，从具体问题中抽象出关键概念。
建立逻辑体系，从而彻底改变你的思维方式、真正掌握解题技巧。
从几何空间入手，直观理解线性代数的概念、定义。
正确直观的理解几何关系，突破及格线冲刺优秀。
2
课程优势
2
课程优势
1、区别于市场上其他的线代课，更加注重知识体系框架搭建
2、浓缩90%的考点，带你一次性掌握线代相关知识
3、课程采取录播视频形式，可反复观看回放
3
你将收获
3
你将收获
让线性代数不再成为你大学头疼的一门学科，理科类科目都很有可能获得高分
对未来从事科研、工程、算法、金融有不可忽视的作用
对考研帮助很大，全方位梳理知识点，提升做题逻辑思维，学会举一反三
统计学，运筹学，数值分析，计算机算法，机器学习，大数据分析等无数学科的学习会更加有效率
曾经有学生感叹：「线性代数是我见过最强大的语言」学完这门课，你会更加理解运算的空间化，应用场景的实用性。
本门课程原价588
限时活动价249
你没看错
14讲40节课程
仅仅249
对于大多数人来讲都不够一顿饭钱
而你将会收获
强大的学科知识
以及无限的人生价值
如果你想考试及格冲刺优秀
如果你想成为理科的强者
如果你想掌握多种运算技巧
扫描下方二维码
添加小万君微信订阅课程
4
订阅提示
4
订阅提示
Q1：本课程与学校的课程有什么不同？
A1：本课程16小时集训视频课，学习大学线代所有知识点难点，一次通关。
Q2：遇到课上不懂、不会的知识点或操作，课后怎么交流？
A2：我们将组建学员互动学习群，学习群内为大家解答课程的相关问题，在这里你能找到志同道合的朋友共同学习，共同进步，学习氛围很好。
Q3：学完本课程，我能增长哪些知识？
A3：学完本课程可以掌握本科线性代数核心知识点，对矩阵以及线性空间的解题方法有独特的见解，也会掌握高数中微分方程的解题思路，提高数学思维能力。
点击【阅读原文】查看近期热门课程：
数学：微分几何 | 泛函分析 | 实变函数 | 偏微分方程 | 常微分方程 | 抽象代数 | 点集拓扑 | 傅里叶变换、拉普拉斯变换与小波变换 | 变分法 | 复变函数 | 矢量分析 | 高等数学 | 微分几何与张量分析
物理：数学物理方程 | 理论力学 | 量子力学 | 热力学与统计物理 | 电动力学 | 微分几何 | 广义相对论与狭义相对论 | 量子电动力学
社科：微观经济学 | 博弈论与信息经济学 | 宏观经济学 | 财政学 | 货币银行学 | 计量经济学 | 会计学 | 公司金融学 | 衍生品与固定收益 | 投资学
计算机：人工智能数学基础 | Ipython notebook数据挖掘实战 | 人工智能与复杂系统理论 | 机器学习编程实战 | 人工智能产业实战