线性代数的基础建立在方程 $Ax = b$ 的两种截然不同但数学上等价的解释之上。我们从传统的 行视角出发，即寻找几何超平面的交点，转向更强大的 列视角，将矩阵 $A$ 视为一组基向量的线性组合，以构造目标向量 $b$。
1. 解的几何意义
在 行视角中，一个 3×3 系统中的每个方程代表 $\mathbb{R}^3$ 中的一个平面。解 $x = (2, 3, 4)$ 是这三个平面相交的唯一一点。从数学上讲，$b$ 是通过逐行使用 内积 （行与列的乘积）计算得出：
$b = [A(1, :) * x; A(2, :) * x; A(3, :) * x]$
相反地， 列视角 将 $Ax = b$ 解释为对特定列向量线性组合的请求：$b = A(:, 1)x_1 + A(:, 2)x_2 + A(:, 3)x_3$。在这里，矩阵 $A$ 被视为一组方向，而变量 $x_i$ 是用于到达目标 $b$ 的权重（标量）。正如核心理论所强调的： 列视角：$Ax = b$ 要求找到一组列向量的组合来生成 $b$。
例题 2.1 A
考虑 $A = \begin{bmatrix} 1 & 2 \\ 1 & 2 \end{bmatrix}$。计算 $ad - bc$ 得 $2 - 2 = 0$。该矩阵是奇异的。在行视角中，直线是平行的。在列视角中，两个列向量位于同一条直线上；我们无法到达不在该直线上的任何 $b$。
2. $A$ 作为线性变换
用矩阵 $A$ 乘以一个向量不仅仅是计算；它是一种 线性变换。它满足线性原理：$Aw = cAu + dAv$（其中 $w = cu + dv$）。这证实了 $A$ 是一个将向量从一个空间映射到另一个空间的算子，可能涉及旋转或投影（图示，第 42 页）。
- 维度规则： $(m \times n)(n \times p) = (m \times p)$（第 72 页）。
- 单位分量： 标准基向量 $e_1 = [1,0,0]^T, e_2 = [0,1,0]^T, e_3 = [0,0,1]^T$ 定义了该空间的维度（图示，第 80 页）。
- 进阶提示： Woodbury-Morrison 公式是工程学中的“矩阵求逆引理”，用于在对 $A$ 进行微小更改后更新其逆矩阵。
🎯 核心原理
$Ax = b$ 的求解方法是确定每个列向量（$x_n$）需要多少组合才能命中目标 $b$。如果 $A$ 可逆，则唯一的解是 $x = A^{-1}b$。