1. 面试官：解释什么是线性方程组，并举例说明其在现实生活中的应用。

2. 面试官：介绍求解线性方程组的三种常见方法，分别比较它们的优缺点。

3. 面试官：利用 Python 的 NumPy 库，编写一个函数，实现求解 2x + 3y = 8 和 3x - 4y = 2 的线性方程组的解。

4. 面试官：展开讨论矩阵的逆和矩阵的伪逆之间的区别，以及它们在解线性方程组中的应用。

5. 面试官：解释什么是欧几里得范数 (Euclidean norm)？并使用 NumPy 库中的函数计算向量 [3, 4, 5] 的欧几里得范数。

6. 面试官：探讨线性代数中的特征值和特征向量的概念，以及它们在矩阵计算和解题中的重要性。

7. 面试官：给定一个矩阵 A，说明如何利用 NumPy 库中的函数计算其特征值和对应的特征向量。

8. 面试官：介绍 QR 分解的概念，并说明它在解决线性方程组和最小二乘问题中的应用。

9. 面试官：展开讨论奇异值分解 (Singular Value Decomposition, SVD) 的原理和应用，特别是在数据降维和矩阵逼近中的作用。

10. 面试官：解释什么是正定矩阵，并举例说明正定矩阵在优化问题中的应用。