线性方程组

    不正之处，欢迎指教。

    自从入了机器学习这个坑，发现自己以前学习的线性代数和概率统计方面的只是存在着很多的一知半解的情况，导致在看文章的时候 对有些公式概念不能第一时间理解，往往还需要去查找资料，这是很不应该的，所以下决心利用一段时间对之前的知识做一个补充，于是乎就先从线性代数开始搞起，这一部分的内容主要是结合MIT的线性代数的内容复习的，今天算个开头吧，由线性方程组开始如题。

     我们先看一个基本的二元二次的方程组：

                                                       

      将这个线性方程组写成矩阵的形式就是：

                                                   

       通常把第一个矩阵叫做系数矩阵，第二个矩阵叫做向量x，第三个称作向量b，简单表示就是Ax=b的形式，如果我们将矩阵Ａ的每一列看作一个列向量的话，那么上述的形式也可以表示成如下的形式：

　　　　　　　　　　　　　　

     这样表示的形式意思就很明显了，也就是两个行向量的线性组合最后的到向量ｂ，其中线性组合系数构成了向量ｘ，如果在二维的平面直角坐标系中表示的话，也就是向量（２，－１）和（－１，２）线性组合的结果是向量（０，３），如图所示：

　　　　　　　　　　　

　  如果我们将Ａｘ＝ｂ的这种形式推广到多维的空间中呢，会得到什么样的结果，我们先仅考虑ｘ和ｂ都是向量的情况，不考虑矩阵，如过是三维的，从方程组的观点去看，每一个方程将会确定一个平面，三个平面的交点就是方程组的解，如果从向量空间的角度去看，那么也就是三维列向量的一个怎样的线性组合可以得到最后的向量ｂ，是否存在着这样的一个线性组合系数ｘ使得方程组成立。这往往取决于矩阵Ａ，当A是可逆矩阵的时候，答案是肯定的，当矩阵A不可逆的时候，找不到这样系数x。

     第一讲的重点就是理解AX=b表达的含义，用线性组合的观点去看待这个问题就很好理解了。

参考文章：

https://github.com/zlotus/notes-linear-algebra/blob/master/chapter01.ipynb