2019-08-06 09:10:03
研究机器学习、计算机视觉，总离不开数学，尤其是……线性代数。
要是没有一定数学基础的话，当你看到SVM、拉格朗日乘数等各种复杂术语的时候，可能会头秃。
所以，为了有更坚实的理论基础，从根源上理解机器学习背后的数学问题，还是好好学一下数学吧~
现在，这本《用于计算机视觉、机器人和机器学习的线性代数》可能会帮上你。
包括引言在内，这本书一共有22个章节。
1.引言
2.向量空间、基与线性映射
3.矩阵和线性映射
4.哈尔基，哈尔小波变换，阿达马矩阵
5.直和，仿射映射
6.行列式
7.高斯消元法，LU因式分解，Cholesky分解，阶梯形矩阵
8.矢量范数和矩阵规范
9.求解线性系统的迭代方法
10.双重空间和双重性
11.欧几里德空间
12.任意矩阵的QR分解
13.埃尔米特空间
14.特征向量和特征值
15.四元数与SO(3)群的空间旋转
16.谱定理
17.图和拉普拉斯图的基本介绍
18.谱图绘制
19.奇异值分解和极坐标形式
20.SVD和伪逆矩阵的应用
21.计算特征值和特征向量
22.零化多项式和准素分解
作者介绍这本书的作者，是宾夕法尼亚大学计算机系教授Jean Gallier，今年已经70岁了。
除了计算机之外，他还是宾大数学系、人体建模与仿真中心、GRASP实验室、认知科学研究所、逻辑与计算组多个系组的成员。
自1978年从UCLA取得计算机博士学位后，他一直在学术界任教，从UCLA助理教授做到了宾大教授，期间出版了大量关于计算机、数学的论文，还有十数本相关书籍。
Linear Algebra for Computer Vision, Robotics, and Machine Learning
https://www.seas.upenn.edu/~cis515/linalg-I.pdf
