本文探讨了线性代数在线性空间和矩阵理论中的核心地位，特别是在自动控制理论中的应用。介绍了线性空间的基本概念，如向量集合、数域、加法和数乘运算，并强调了回归基础知识的重要性。文章还涉及线性代数中的常用计算，如求导、矩阵乘法和雅克比行列式，并预告了后续将讨论向量和矩阵的范数、矩阵分解等内容。适合对自动控制和线性代数感兴趣的读者参考学习。
线性代数这么学科在现代科学和工程中应用十分广泛，在自动控制理论中也是如此。线性空间和矩阵是线性代数的核心知识点。矩阵可是说是空间的一种表现形式，空间中的运动是通过矩阵来描述的。矩阵描述的是系统的运动，在状态空间表达中，它体现了系统各状态之间的相互影响。
由于作者水平有限，也非数学专业，本篇总结只体现了作者在之前的学习和实践经验中的知识和体会。想要了解更多知识请参考与自己科研或工作相关的优秀论文和教材。当然，在此也诚挚推荐MIT的Gilbert Strang教授的线性代数网课，他的课作为线性代数入门值得一吹。
网易公开课--线性代数open.163.com
首先是一些基本概念。虽然说在应用中，很多基本概念都是被忽视的，比如说计算积分的时候很少有人联想到黎曼积分和勒贝格积分的区别（说实话我也说不清楚）；再比如可控性和可观测性方面——很多控制器设计时，包括Kalman滤波器等，都对系统的可观测和可控性有要求，但一般我们并不会一开始就用PBH判据或代数判据去检验系统。但从学习和做项目的经验上来说，我觉得有时候重新回归一下基本概念和定义对加深知识认知还是有必要的，特别是当你设计的系统的表现和期望的情况不一样的时候。
线性空间的定义是线性代数学习的一个核心定义：
线性空间是由一个非空向量集合V和数域P共同定义的，线性空间的检验依赖于V集合上的加法运算和V与P的数乘运算，它要求V中存在零元和逆元，向量加法满足交换律和结合律，即V是向量加法的阿贝尔群，此外，V与P的数乘运算同样满足分配率和结合律。线性空间还要求它对上述运算时封闭的。线性空间对向量之间的乘法并没有定义。
（To be continued..... ）
线性代数中的常用计算：
（1）求导：
证明：
首先留意到如果X是列向量，那么
将
因此，
Q.E.D.
注意该求导公式在计算Lypunov函数的导函数时会用得到，只需按链式法则再求状态变量X对时间的导数即可。
（2）假设
证明：
因为，
Q.E.D.
（3）雅克比行列式（Jocobian）：雅克比矩阵是F(X)在X的某点处的一阶微分，常用于对非线性化系统的局部线性化（常常在稳态附近）。
（4） 设a = Ax，
To Be Continued......接下来准备介绍一下，向量和矩阵各种范数，矩阵分解，jordan标准型，向量内积（投影），状态空间的解中的
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
