12页线性代数笔记登GitHub热榜，还获得了Gilbert Strang大神亲笔题词
克雷西 发自 凹非寺量子位 | 公众号 QbitAI线性代数的重点，已经有人帮忙画好了。
一共只有12页纸，而且一半都是图解，小白也不用担心看不懂！
现在，这份笔记在GitHub已经获得了4k+次星标，还登上了热榜。
http://pic2.zhimg.com/v2-449047550d9df59c8ad291d2c4827995_r.jpg
这份笔记名为《线性代数的艺术》，是基于MIT大牛Gilbert Strang教授的《每个人的线性代数》制作的。
http://pic4.zhimg.com/v2-924b86116629bbcee05587db7b36cb87_r.jpg
日本学者Kenji Hiranabe把这部368页的巨著浓缩成图解，制成了这套笔记并免费开源，后被国内网友kf liu翻译成了中文。
结果不仅在GitHub上反响很好，还得到了原作者的肯定，被收录进了原书介绍页面的interesting link。
http://pic2.zhimg.com/v2-91fabf3c79a979d110ad937b5bd44b81_r.jpg
甚至Strang还为这份笔记题写了一段前言。
http://pic1.zhimg.com/v2-e61b1b626b033d4fe87110fb04551070_r.jpg
下面就来一起看看这份被原书作者点赞的笔记都讲了些什么吧！
内容介绍
正式进入这份笔记的主体之前，我们先来看看线性代数的世界是什么样子的~
http://pic3.zhimg.com/v2-b8e6021581f1c96fe0a37c1fb6af9a5a_r.jpg
从这张图中我们不难看出，有关线性代数的一切都离不开一个基本概念——矩阵。
因此这份笔记正是从理解矩阵开始的，在这一环节一共展示了4个视角。
http://pic1.zhimg.com/v2-9b27e48b392f45e2457e7ef34a564ee0_r.jpg
有了矩阵的概念之后，作者接着由浅入深地介绍了一些运算方式。
作者依旧是用图的形式讲解，并从不同的视角进行分析，具体包括：
[*]向量乘向量
[*]矩阵乘向量
[*]矩阵乘矩阵
这里我们展示一下最简单的向量乘向量：
http://pic3.zhimg.com/v2-5ed42ecb87e9be4887e1907152a8517a_r.jpg
基本的运算方式往往是最正确的，但不一定是最高效的。
所以这份笔记接着展示了一些实用技巧。
http://pic1.zhimg.com/v2-4f61480dc0355e6efe28f3e97524cafc_r.jpg
这项技巧还可以用于微分方程的求解。
此外，这份笔记还介绍了矩阵的五种分解方式：
http://pic3.zhimg.com/v2-b25f7ae3b5687bd69a59051d6c3bb31a_r.jpg
针对以上每种分解方式，还有具体的讲解：
http://pic1.zhimg.com/v2-c892e24348fd5722d40252d6dc77feb8_r.jpg
笔记的最后，作者还附上了一张矩阵的特征值映射图。
http://pic1.zhimg.com/v2-3a4caba8ed769c9d222cfe82e05853fc_r.jpg
怎么样，看了之后是不是感觉很容易理解？
One More Thing
原书的作者Strang已经接近90高龄，上个月刚刚从MIT退休。
从学生到教授，他一共在MIT度过了66年。
Strang的线性代数课程非常受欢迎，他退休前的最后一节课，一共有6000多人观看了直播、超过35万人观看了录像。
MIT也给予了Strang高度评价，在发布他退休的消息时，直接用“他让线性代数变得有趣”做为了标题。
http://pic4.zhimg.com/v2-e529206f576ed25048acdf035de63043_r.jpg
感兴趣的话，就赶快学起来吧！
项目地址：
https://github.com/kenjihiranabe/The-Art-of-Linear-Algebra
参考链接：
https://news.mit.edu/2023/gilbert-strang-made-linear-algebra-fun-0531
— 完 —
@量子位 · 追踪AI技术和产品新动态
深有感触的朋友，欢迎赞同、关注、分享三连վ'ᴗ' ի ❤ 看了一下图是做的挺精美的，不过太简练了感觉只能当个小抄似的总结，没法当系统学习的资料 好东西，理解挺深刻的 [捂脸]12页系统学习也太难为了 这个就是take home message之类的东西，你要把线代学一遍，再去看他梳理自己的知识 确实 感觉有点鸡肋 线性代数是以向量而非矩阵作为基础和核心的，以矩阵来理解线性代数没有get到线性代数的本质。 师傅别念了 6 看不懂