以下是**3Blue1Brown《线性代数的本质》**系列的所有观看链接和学习指导：
📺 官方正版观看地址
Bilibili官方中文频道（推荐国内访问）
完整播放列表 ：
https://space.bilibili.com/88461692/channel/seriesdetail?sid=1528927
各集直接链接：
| 集数 | 标题 | 重点内容 | 时长 | 链接 |
|---|---|---|---|---|
| 1 | 向量究竟是什么 | 几何视角 vs 代数视角 | 9:52 | 观看 |
| 2 | 线性组合、张成的空间与基 | 空间、基向量 | 10:50 | 观看 |
| 3 | 矩阵与线性变换 | 变换的直观理解 | 10:59 | 观看 |
| 4 | 矩阵乘法与线性变换复合 | 乘法几何意义 | 14:11 | 观看 |
| 5 | 三维线性变换 | 扩展到三维 | 4:46 | 观看 |
| 6 | 行列式 | 面积/体积缩放比例 | 10:03 | 观看 |
| 7 | 逆矩阵、列空间与零空间 | 方程组解的空间意义 | 12:08 | 观看 |
| 8 | 非方阵 | 不同维度的变换 | 6:05 | 观看 |
| 9 | 点积与对偶性 | 点积的深层几何意义 | 14:12 | 观看 |
| 10 | 叉积 | 叉积的标准介绍 | 8:53 | 观看 |
| 11 | 基变换 | 坐标系转换 | 12:51 | 观看 |
| 12 | 特征向量与特征值 | AI核心概念 | 17:15 | 观看 |
| 13 | 抽象向量空间 | 函数作为向量 | 16:46 | 观看 |
| 附录1 | 克莱姆法则几何解释 | 解方程组的几何视角 | 12:12 | 观看 |
| 附录2 | 计算二阶矩阵特征值 | 具体计算方法 | 13:46 | 观看 |
| 附录3 | 叉积的深入介绍 | 叉积的线性变换视角 | 13:10 | 观看 |
YouTube官方频道（适合海外访问）
https://www.youtube.com/playlist?list=PLZHQObOWTQDPD3MizzM2xVFitgF8hE_ab
🎯 AI工程师重点观看指南
第一轮：建立直观（前5集，1小时）
目标：建立几何直觉，抛弃纯计算思维
-
向量究竟是什么（几何视角）
-
线性组合与空间
-
矩阵作为线性变换
-
矩阵乘法的几何意义
-
三维扩展（快速了解）
第二轮：AI核心概念（关键单集）
必须精看的AI相关集：
-
第12集 ：特征向量与特征值 → PCA、主成分分析的核心
-
第6集 ：行列式 → 理解变换的缩放程度
-
第7集 ：逆矩阵、列空间 → 理解方程组解的空间意义
-
第9集 ：点积与对偶性 → 神经网络计算的基础
第三轮：补充理解
-
第11集：基变换 → 理解特征分解的几何
-
第13集：抽象向量空间 → 理解为什么函数也能是向量
💡 学习技巧建议
1. 边看边实践（用Python验证）
python
import numpy as np
import matplotlib.pyplot as plt
# 看完第3集后尝试
# 定义一个线性变换
A = np.array([[1, 2],
[3, 1]])
# 原始向量
v = np.array([1, 0])
# 变换后的向量
v_transformed = A @ v # 矩阵乘法
print(f"原始向量: {v}")
print(f"变换后: {v_transformed}")2. 可视化工具辅助
-
manim交互示例 ：https://github.com/3b1b/manim
-
Observable线性代数笔记本 ：https://observablehq.com/@tophtucker/playing-with-linear-algebra
-
GeoGebra在线工具 ：https://www.geogebra.org/geometry
3. 每集后的思考题
-
这集的几何解释和我之前学的计算方式有什么不同？
-
这个概念在AI中可能用在什么地方？
-
能否用代码模拟这个几何过程？
🚀 学完后立即应用的AI关联
| 概念 | AI中的应用场景 | 你的前端关联点 |
|---|---|---|
| 向量 | 词嵌入（Word2Vec）、特征向量 | 数组操作类比 |
| 矩阵乘法 | 神经网络前向传播 | GPU并行计算思想 |
| 特征值/特征向量 | PCA降维、推荐系统 | 数据可视化维度降低 |
| 点积 | 注意力机制（Attention）、相似度计算 | 交互式可视化 |
📚 配套学习资源
交互式学习网站：
-
Immersive Linear Algebra ：http://immersivemath.com/ila/index.html
-
Better Explained ：https://betterexplained.com/articles/linear-algebra-guide/
中文补充资料：
-
《线性代数的几何意义》 - 图解版
-
马同学高等数学：B站有线性代数可视化系列
⏱️ 时间安排建议
第一周 ：第1-5集（建立几何直觉） + NumPy实践
第二周 ：第6、7、12集（核心概念） + PCA降维实践
第三周：其他集数 + 综合项目实践
记住 ：这个系列最大的价值是改变你看待线性代数的方式------从计算转向几何理解。当你看到神经网络中的权重矩阵时，能想象出它在如何"扭曲"数据空间，你就成功了。