Lec 1 | MIT 18.06 Linear Algebra, Spring 2005
字幕解读
Gilbert Strang 用 Ax=b 的二元系统介绍线性代数的行图像、列图像与矩阵形式：行对应满足方程的直线或平面，列图像则把 Ax 理解为矩阵列向量的线性组合。解方程就是组合列向量以得到右端项 b；若列不独立，组合无法覆盖整个空间，矩阵便不可逆。课程后续将系统讲解消元。
英文字幕轨道 · 引文按字幕原文展示，可点时间戳回看片段。
内容要点
- 行图像把每个方程画成直线或平面，交点对应共同解。
- 列图像将 Ax=b 解释为用系数 x 线性组合 A 的列以产生 b。
- 每个 b 都有解要求列组合覆盖整个空间；列相关会限制可达的右端项。
视频章节 6
- 线性方程组与 Ax=b
- 行图像与列图像
- 列向量的线性组合
- 三维中的平面
- 列图像求解实例
- 所有右端项与可逆性
具体观点与证据 3
矩阵乘向量可以理解为按向量分量加权的列线性组合，而不仅是逐行点积计算。
同一矩阵运算的两种等价视角。
A times x is a combination
of the columns of A.三阶矩阵的列若共面，所有可达右端向量都在这个平面内，因此某些线性方程组无解。
三维示例；非满秩不意味着所有右端都无解。
If these three columns
all lie in the same plane, then their combinations
will lie in that same plane.方程交点的行视图在二维直观，却随维度上升难以可视化；列组合视图更便于把解的存在性推广到高维。
这是讲者的教学比较，不否定行运算消元的实用性。
this row picture is getting a little hard to see.补充字幕原文 2
Strang 将列的线性组合定位为本课程的核心操作。
the most fundamental operation in the whole course是否能解出任意 b，等价于列向量的线性组合能否覆盖三维空间。
linear combinations of the columns fill three dimensional space解读边界
这是 MIT 线性代数第一讲，主要建立几何和代数图像，没有展开消元算法；三维图像由示意图辅助，九维情形只能借助类比理解。
相关视频与证据 3
表示选择的实例改变表示，可以直接看见特定问题的解
Kay以画圆和数据结构说明恰当表示能承担推理工作；Strang给出具体例子：三平面交点难以看清，但把同一方程改写为列向量组合后，可看出右端就是第三列，因此系数为(0,0,1)。这是表示改变认知成本的实例。
Alan Kay: Doing with Images Makes Symbols (Full Version) ↗
先选择恰当数据结构，再优化算法。
choose the appropriate
data structure before you start tinkering
around with the algorithm.▶ 71:12–71:16 · 观看片段Lec 1 | MIT 18.06 Linear Algebra, Spring 2005
Strang选取右端恰好等于第三列的例子，列组合视角可直接读出解。
that right-hand
side that I'm trying to get is actually one
of these columns.适用边界 Strang明确说此例经过特意选择；列视图也不总能肉眼读出解，一般求解仍需要消元等方法。此比较不声称列视图普遍优于行视图。
直觉到计算向量几何直觉与列组合视角
向量课程强调几何表示与数字表示之间的转换；MIT 线代课用矩阵列的线性组合解释 Ax=b 的解。两者可作为理解线性代数的互补视角。
Vectors | Chapter 1, Essence of linear algebra ↗
向量的几何与数值视角之间的转换有助于理解模式。
the ability to translate back and forth between them▶ 8:45–8:49 · 观看片段Lec 1 | MIT 18.06 Linear Algebra, Spring 2005
求解 Ax=b 可看作寻找矩阵列的线性组合以得到 b。
linear combinations of the columns fill three dimensional space适用边界 向量入门片段不覆盖线性方程组；MIT 讲座也包含更完整的矩阵运算背景。
同一现象的两种表示体积消失后，哪些方程还可解？
行列式给出三维体积被压为零的判据；Strang 从矩阵列的线性组合解释后果：三列若共面，平面之外的目标向量就无法达到。
The determinant | Chapter 6, Essence of linear algebra ↗
三阶矩阵的行列式为零时，整个空间的像落入平面、直线或一点，三维体积消失。
A determinant of 0 would mean that all of space is squished onto something with 0 volume▶ 6:32–6:42 · 观看片段Lec 1 | MIT 18.06 Linear Algebra, Spring 2005
三阶矩阵的列若共面，所有可达右端向量都在这个平面内，因此某些线性方程组无解。
If these three columns
all lie in the same plane, then their combinations
will lie in that same plane.适用边界 降维表示某些右端向量不可达；不能推出所有右端向量都无解。