附笔记pdf下载，MIT中文线性代数课程精细笔记[第四课]

点击上方“MLNLP”，选择“星标”公众号

重磅干货，第一时间送达

鉴于之前MIT的线代笔记没有跟新完和很多童鞋希望pdf版本下载学习，这里我把相关资源放到github上并重新更新完，希望对大家学习有所帮助。

pdf下载地址与Github地址:

https://github.com/yizhen20133868/MIT-Linear-Algebra-Notesgithub.com

如有帮助，欢迎大家给个Star！！

目录如下：

该笔记总结了我们在学习MIT线性代数课程的学习经验和过程。

课程顺序是按照麻省理工公开课的 Linear Algebra. 记录的学习笔记。

第一课，第二课，第三课

本笔记作者介绍：
丁坤博东北大学本科生，推免至北京大学攻读研究生
覃立波哈尔滨工业大学SCIR实验室在读博士生，导师车万翔老师

一、知识概要

本节我们再谈置换矩阵与转置矩阵，并介绍对称阵。之后便进入学习线代的关键所在：向量空间与子空间。

二、置换矩阵

2.1 置换矩阵回顾

所谓的置换矩阵 P，就是用来完成行交换的矩阵，更具体来讲，是行重新排列了的单位矩阵。例如 I 就是一个置换矩阵，只不过 I 对矩阵没影响。

那么对于 n 阶矩阵来说，有多少个置换矩阵呢？答案是：n!种，也就是将单位矩阵 I 各行重新排列后所有可能的情况数量。

2.2 置换矩阵的使用

在讲消元法的时候，主元位置为 0 是一件很让人头疼的事情，这时就需要置换矩阵 P 来完成行交换，确保消元过程顺利进行。上节课学习 A = LU 分解时，我们没有考虑要交换行的过程，如果我们想写出更普适的 LU 分解式的话，必须把行交换情况考虑进去，即：

PA = LU

先用行交换使得主元位置不为 0，行顺序正确。其后再用 LU 分解。

三.转置矩阵

3.1 转置矩阵回顾

之前简单介绍过转置矩阵，即

3.2 对称阵

对称矩阵，顾名思义，就是主对角线两侧元素对应相等的矩阵。或者说，对矩阵 A，如果有：

四、向量空间与子空间

4.1 向量空间

首先明确“向量空间”的概念，它表示一整个空间的向量，但是要注意，不是任意向量的集合都能被称为向量空间。所谓的向量空间，必须满足一定规则，就是：该空间对线性运算（相加，数乘）封闭。类似：v → 3v 或 v，w → v+w 运算，若得到的 3v 或者 v+w 都仍然在此空间中，那么这个空间可称为向量空间。

很明显，这部分空间无法满足“线性组合仍在空间中”的要求，比如数乘运算时，随便取个负数，向量就跑到第三象限去，脱离 D 空间范围内了。

4.2 子空间

上面的反例已经证明了。在向量空间里随便取其一部分，很可能得到的不是向量空间。那如果我们取向量空间的一部分，将其打乱，构成的有没有可能是向量空间呢？

4.3 列空间简要介绍

上面介绍的子空间都是基于已知的图像来寻找的，接下来我们来通过具体的矩阵来构造出一个子空间，比如：列向量构造出的列空间。

这里还要注意列向量之间的性质，如果列向量之间就是共线的，那么其列空间就是一条过原点的直线。

五.学习感悟

这节算是结束了之前部分对基本运算和基本概念的介绍。介绍了向量空间和子空间，并由子空间引出了通过具体的列向量构成的空间—列空间。如何理解空间十分重要，本节中对低维的空间做了图，目的主要是便于我们理解“空间”这一概念。

笔记pdf下载地址：https://github.com/yizhen20133868/MIT-Linear-Algebra-Notes

往期精彩回顾

那些年做的学术公益-你不是一个人在战斗
适合初学者入门人工智能的路线及资料下载
吴恩达机器学习课程笔记及资源（github标星12000+，提供百度云镜像）
吴恩达深度学习笔记及视频等资源（github标星8500+，提供百度云镜像）
《统计学习方法》的python代码实现（github标星7200+）
机器学习的数学精华（在线阅读版）

备注：加入本站微信群或者qq群，请回复“加群”

加入知识星球（4300+用户，ID：92416895），请回复“知识星球”