废话不多说,直接上干货!
首先,推荐一系列关于线性代数可视化的视频:
3Blue1Brown的线性代数的本质
https://www.bilibili.com/video/BV1ys411472E
然后,推荐一个课程:
MIT的18.06课程
https://www.bilibili.com/video/BV1ix411f7Yp
我在很久之前找到了一份特别详细的学习笔记。这份笔记是由网友douTintin写的。现在我把它分享出来:
获取pdf:传送门。
另外,建议还在上大学的读者看看以下这本书(你上这门课或考研时可能要用到):
看完再与我推荐的视频对比,你会发现这本书的编排顺序有多糟糕。
下面这本书才是你应该花时间看的!
获取pdf:传送门
最后,自荐一下我翻译的一系列文章:
2 线性代数(Linear Algebra)(上)
2.1 线性方程组
2.2 矩阵
2.2.1 矩阵加法和乘法
2.2.2 逆和转置
2.2.3 与标量相乘
2.2.4 线性方程组的紧凑表示
2.3 线性方程组的求解
2.3.1 特解和通解
2.3.2 初等变换
2.3.3 Minus-1 技巧
2.3.4 求解线性方程组的算法
2 线性代数(Linear Algebra)(中)
2.4 向量空间
2.4.1 群
2.4.2 向量空间
2.4.3 向量子空间
2.5 线性独立
2.6 基和秩
2.6.1 生成集和基
2.6.2 秩
2 线性代数(Linear Algebra)(下)
2.7 线性映射
2.7.1 线性映射的矩阵表示
2.7.2 基变换
2.7.3 像与核
2.8 仿射空间
2.8.1 仿射子空间
2.8.2 仿射映射
3 解析几何(Analytic Geometry)(上)
3.1 范数
3.2 内积
3.2.1 点积
3.2.2 一般内积
3.2.3 对称正定矩阵
3.3 长度和距离
3.4 角度和正交
3.5 标准正交基
3.6 正交补
3.7 函数的内积
3 解析几何(Analytic Geometry)(下)
3.8 正交投影
3.8.1 一维子空间(线)上的投影
3.8.2 一般子空间上的投影
3.8.3 Gram-Schmidt正交化
3.8.4 仿射子空间上的投影
3.9 旋转
3.9.1 二维欧式向量空间中的旋转
3.9.2 三维欧式向量空间中的旋转
3.9.3 n维欧式向量空间中的旋转
3.9.4 旋转的性质
4 矩阵分解(Matrix Decompositions)(上)
4.1 行列式与迹
4.2 特征值和特征向量
4 矩阵分解(Matrix Decompositions)(中)
4.3 Cholesky分解
4.4 特征分解与对角化
4.5 奇异值分解
4.5.1 几何图解SVD
4.5.2 SVD的构建
4.5.3 特征值分解 vs. 奇异值分解
4 矩阵分解(Matrix Decomposition)(下)
4.6 矩阵逼近
4.7 矩阵phylogeny