MIT 线性代数笔记 第一、二课

因为目前研究方向为3维重建，所以需要补一些线代知识，该笔记主要是给自己看的，而且一般记录我不太熟悉的向量有关的知识...一般线代常识性东西我就不写了....

第一课

在MIT老师对于线性代数中AX=b的理解中，将矩阵乘以向量分为两种形式，一种行图像，一种列图像。

二维：

行图像：

对于函数

行图像将每一行视为一条直线，对于其中的x,y视为每一条直线上的点，求出x,y为两直线的交点。

列图像：

将矩阵A拆分为各列，两列分别对于x，y

列图像的意义为对于向量[2,-1]与向量[-1，2]求解参数x,y使两向量的加和等于[0,3]，及x,y分别为两向量的系数

三维：

对于方程

行图像为

行图像将每一行视为一个平面，对于其中的x,y,y视为每一个平面上的点，求出x,y,z为三平面的交点。

 

列图像

列图像的意义为对于向量[2,-1,0]与向量[-1，2,-3]与向量[0,-1,4]求解参数x,y,z使三向量的加和等于[0,-1,4]，及x,y,z分别为三向量的系数

以此可推广到多维度，每一列都为一个向量，求得解为每个向量的系数。

因此矩阵乘以向量计算有两种形式

第一种为Ax=b看A各列的线性组合

线性代数主要以这种形式为主

第二种为国内数学常用形式

课程中还有些内容为线性相关，线性无关的内容，

当Ax=b中A为2*2矩阵时，若要使b可表示为任意的向量，或者可表示任意一点，需要使A中一个列向量乘以任意k不等于另一个列向量，也就是两向量线性无关，也就是秩等于二，或称为非奇异矩阵...，同理A为3*3...n*n类似，国内线性代数书上讲的很清楚...不一一解释

第二课

首先讲了方程消元计算，而后用矩阵代替消元，大多对于矩阵行进行消元的知识点。

有部分讲到了矩阵左乘的向量形式

例

当对于矩阵进行行的变换需要对矩阵进行左乘单位矩阵的变换，对矩阵进行列的变换需要对矩阵进行右乘单位矩阵的变换

矩阵相乘时：

一种形式：

当两个矩阵相乘时相当于矩阵A对于B中每一列向量进行左乘每一列左乘后得到一列，然后组合到一起

另一种形式：

相当于矩阵B对于A中每一行向量进行右乘每一行右乘后得到一行，然后组合到一起