线性代数学习笔记1

由上式可知，我们把左边的矩阵（初等矩阵）当成3个1*3的行向量，右边的结果的第一行=左边第一行的第一个数 * 中间第一行 + 左边第一行的第二个数 * 中间第二行 + 左边第一行的第三个数 *中间第三行，所以结果为：1,0,0，以此类推第二行为-3,1,0（-3 * 中间第一行+1 * 中间第二行），第三行为0,0,1。如果还是不明白，因为我们已经知道A * A逆=A逆 * A=E，所以下面那个式子还可以写成，A转置的逆*A的转置=E，逆矩阵又是唯一的，所以A逆的转置=A转置的逆。（同理也可以去掉列一）

第十讲：四个基本子空间 假设A是m×n，列空间C(A)，零空间N(A)，行空间C(A^T)，A转置的零空间(通常叫左零空间)N(A^T)，线性代数的核 心内容，研究这四个基本子空间及其关系。 1.零空间

宋浩老师《线性代数》笔记（第二章矩阵）（二） 目录 2.4 逆矩阵 1. 方阵与行列式之间的转换有以下性质 2. 伴随矩阵（只有方阵才有伴随矩阵） 3.定义 4. 求逆矩阵的方法 5. 逆矩阵的性质 2.5 分块矩阵 1. 标准形 3. 分块矩阵求转置 2.6 初等变换 2.4 逆矩阵 1. 方阵与行列式之间的转换有以下性质 性质1：|A^T|=|A| 性质2：|KA|=K^n|A| 性质3：|AB|=|A|·|B| 2. 伴随矩阵（只有方阵才有伴随矩阵） 求解...

本人在学习3Blue1Brown的《线性代数的本质》系列视频后，利用Notion整理了学习笔记，现在分享给大家，希望能给大家带来帮助。

不要再用静态的观点理解函数和映射（“所有满足关系式的点构成线性函数的几何图形”），应该用动态的观点（“从从自变量的集合对应变换到因变量的集合的瞬间过程”）线性代数发源于线性方程组的求解，解线性方程组时通用的方式就是行列式，而引入函数、变换等概念后，就有了矩阵。（把映射后的因变量的坐标轴，与原先的自变量的坐标轴对齐重合放置）继续进行代数的“抽象”，从初等数学推广到高等数学，也就是将。将具体的数学运算抽象化，只关注运算关系。（本质上是一个n元齐次线性方程组）推广为矩阵和列向量，就得到。......

线性代数的精华-3Blue1Brown

1 方程组的几何解释 二元一次方程组： {2x−y=0−x+2y=3\begin{cases} 2x-y=0 \\ -x+2y=3 \\ \end{cases}{2x−y=0−x+2y=3​ 矩阵形式： [2−1−12][xy]=[03]\begin{bmatrix} 2 & -1 \\ -1 & 2 \end{bmatrix} \begin{bmatrix} x \\ y \end{bmatrix} = \begin{bmatrix} 0 \\ 3 \end{bmatrix}[2−

目录 问题设定：逆问题 良性问题（可逆矩阵） 初等变换 恶性问题 对矩阵的恶劣程度进行描述有两个量：核与像 可逆<->良性 可逆性的总结 针对恶性问题的对策 问题设定：逆问题 现实中的很多问题可以表示为，由一个原因x，经过某个特定的系统A，最后得到预测结果y。由结果y去推测原因x的问题称为逆问题。在实际问题中，往往需要考虑噪声，y=Ax+（噪声）。 良性...

初一的时候看过MIT教授讲的，现在全忘光了 /kk 一下为3Blue1Brown线性代数课程笔记 01 向量究竟是什么？ vector Physics : length + direction CS : ordered lists of numbers Math : anything that there’s a sensible notion of adding two vetors and multiplying a vector by a number 在线性代数中，向量经常以原点作为起点 表示

第一章 什么是线性代数 代数的功能是把许多看似不相关的事物进行抽象，以提高效率，把许多看似不相关的问题化归为一类问题。 1.1 线性的几何意义 一元线性函数的概念 定义：f(x)=kxf(x) = kxf(x)=kx（注：f(x)=ax+bf(x) = ax+bf(x)=ax+b在这里不再称为线性函数） 几何意义：直线 代数意义： 可加性：若f(x)f(x)f(x)是线性的，则有f(...

线性代数课程学习笔记 2行列式 三阶行列式 实线是主对角线，虚线是辅对角线 主对角线以及所有与主对角线走向相同线上的三个数乘积之和减去辅对角线以及所有与辅对角线走向相同线上的三个数乘积的和 即：三阶行列式=a11a22a33+a12a23a31+a13a32a21 -（a13a22a31+a12a21a33+a11a32a23） 3行列式的性质 行列式的性质 1.交换任意两行（两列），新的行列...

第一章      线性代数中的线性方程组 【Section】线性方程组 线性方程组是由一个或几个包含相同变量x1,x2,…,xn的线性方程组成的。方程组所有可能的解的集合称为线性方程组的解集。如果两个方程组有相同的解集，则它们称为等价的。          线性方程组的解有下列三种情况：1.无解； 2.有唯一解； 3.有无穷多解；如果一个线性方程组有一个解或无穷多个解，我们称它是相容的；若它

矩阵等价：同型矩阵，秩相等。向量组等价：可以相互表示即（几何：可以决定同一个空间）：R(A,B) = R(A) = R(B)向量组等价是同一个空间，而不是相同的秩，相同的秩，只能说明相同的维度，但不一定在同一个空间。线性相关：可以有线性表示就是线性相关，不可以线性表示就是线性无关，即有无混子。齐次方程组有非零解，说明解向量中有混子，这个混子可以被其他向量表示，也线性相关。行变不改变列向量组内的线性表示关系一个矩阵的乘以一个向量 == 一个数乘以一个向量4、相似对角化的性质4.1 例题1。

1、行列式2、矩阵3、矩阵的初等变换与线性方程组4、向量组的线性相关性5、相似矩阵和二次型。

https://blog.csdn.net/crazy_scott/article/category/7521769 线性代数导读+总结 线性代数笔记1：矩阵的四个基本子空间 线性代数笔记2：基本子空间的正交性及性质 线性代数笔记3：向量投影 线性代数笔记4：最小二乘法 线性代数笔记5：Gram-Schmidit正交化 线性代数笔记6：行列式 线性代数笔记7：特征...

线性代数属于应用数学，应用数学的特点就是应用的目的往往是很明确的。线性代数的目的就是研究向量空间，线性变换等问题。这些问题在很多领域都被广泛应用，特别是在计算机领域。图形学、游戏开发、VR等等。总之，线性代数是计算机学者的必经之路。 此博客是我在学习MIT的线性代数课程中所学到的心得体会。虽然之前我已经对线性代数有了一些浅显的认识。但是这远远不够，对其新的认识我将会以博客的方式记录下来。 那么...