零基础为了学人工智能，正在快乐学习，每天都长脑子行列式最早行列式，是莱布尼茨用于判断，一个方程有没有解。例如，三元一次方程，如果有解，对应行列式就有值，但是如果无解，那么对应的行列式则为零。线性映射一个方程组可以写成上述的形式，而A就是线性映射。这里可以把向量x，理解为输入

转载于：超详细MIT线性代数公开课笔记

此视频要通过线性变换来了解逆矩阵、列空间、秩和零空间的概念。线性代数一个作用是解方程组 这是线性方程组+ 事实上，你可以将所有的方程合并为一个向量方程。这个方程有一个包含所有常数系数的矩阵。  这不仅仅是将方程组写进一行的书写技巧。还阐释了这个问题中优美

为了学习机器学习，发现自己需要补习一下自己的线性代数知识。但是不太希望在机器学习的原篇堆这些东西，所以就另开一篇记录线性代数知识。本篇记录的是投影矩阵，为了给出多元线性回归问题正规方程证明。1.四个特殊空间我们都知道对于一个矩阵有列空间、行空间和零空间。如果一

  基础解系的个数=矩阵的维数−矩阵的秩 子空间找子集就是找子空间的基              零空间和值域的区别，一个是求行一个是求列。

第七讲：求解$Ax=0$，主变量，特解消元消元不会改变解的值。包括行消元和列消元，对矩阵$A\inR^{m\timesn}$进行行消元，就是使用矩阵的初等行变换，使得第$i$行第一个$\ne$0的

承接上文【线性代数】抽丝剥茧系列之矩阵投影，本篇利用投影矩阵的原理实现最小二乘现在要求根据三个点(1,1)、(2,2)、(3,2)拟合出一条直线，根据待定系数设满足条件的直线