MIT18.06 线性代数笔记 前13课

因为是在学校学完了线代再来看视频，因此可能有些地方写的十分简略，想看详细的笔记可以去https://github.com/apachecn/math，这同学的笔记还是蛮全的。强推MIT18.06，可能不适合初学者，但是会给你一个完全不一样的线性代数。

1 方程组的几何解释

除了用普通的视角来看，还可以看作是向量的线性组合等于一个向量
有没有解就是看b是不是能由A中列向量线性组合出，也就是b是不是在A列向量的张量中

2 矩阵消元

高斯消元法，得到上三角距离U，尤其重要的是利用矩阵左乘操作行向量来实现消元步骤。
初等矩阵的逆很好求
左行右列。左乘行向量表示对原矩阵的行向量进行线性组合，右乘列向量表示对原矩阵的列向量进行线性组合。

3 矩阵乘法及逆矩阵

5种乘法：行乘列（对乘加），列乘行（外积的和），A和B中各个列相乘（A中各列的线性组合），A中各行和B相乘（B中各行线性组合），分块乘法
A不可逆则Ax=0有非零解，A可逆只有零解
矩阵求逆等价于求一系列Ax=b的方程组，不过A是相同的，只有b在变，b就是I的各列，所以可以把A和I放在一起，把A变成I，那么I就变成了A的逆，相当于一次求出A相同的多个方程组的解.$E$是消元矩阵，那么$$E[AI]=[I{A}^{-1}]$$，消元矩阵$E$就是$A^{-1}$

4 A=LU分解

$L$是下三角矩阵，对角线都是1，U是上三角矩阵。$L=E^{-1}$，$L$有一个非常好的性质，求$L$只需要把各列消元用到的乘数写在相应位置即可，如果没有乘过初等置换矩阵的话（结合矩阵乘法可以看作L的各行和U相乘，就是做U中各行的线性组合）。
n阶初等置换矩阵做成一个群。乘法封闭，逆封闭。

5 转置 置换 向量空间R

初等置换矩阵的逆等于其转置
除了初等置换矩阵之外，还有一些矩阵也具有这样的性质
$A{A}^T$一定是对称矩阵，因为$(A{A}^T)=(A^T{)}^T{A}^T=A{A}^T$
向量空间满足8个条件，核心思想是向量的线性组合运算是要封闭的。
$R^n$的子空间有原点，过原点的直线，以及过原点的各个不同维数的超平面，任何一个子空间都包含$R^n$的零向量
列空间指矩阵各列的列向量组成的向量空间，就是各列列向量的张量（线性组合），同理有行空间

6 列空间 零空间

两种获得子空间的方式，向量的线性组合（列空间），齐次线性方程组的解（零空间）
线性方程组有解：b在A的列空间中
线性相关：去掉一个向量，不影响其余向量通过线性组合生成子空间，换言之，这个向量在其余向量生成的子空间中
矩阵的列秩：几个列向量对子空间生成有贡献

7 Ax=0

消元过程中改变的是列空间，行空间的零空间不变
化简行阶梯形$R=[IF]$
则特解构成的矩阵就是$\left[\begin{array}{c}-F\\ I\end{array}\right]$
上下两个 I I