计算机视觉一些算法中常会用到线性代数的一些知识,为了便于理解和快速回忆,博主这边对常用的一些知识点做下整理,主要来源于如下这本书籍。

1. 矩阵不仅仅是数字排列而已,不然也不会有那么大精力研究它。其可以表示一种映射

关于映射,变换的一些帖子可以参考如下的

仿射变换(AffineTransform)与仿射矩阵-CSDN博客

图像的仿射变换 – 知乎

https://www.cnblogs.com/bnuvincent/p/6691189.html

2. 矩阵即是映射

3. 矩阵的运算

4.矩阵的逆

5.行列式

.

行列式计算也可参考其它帖子

行列式10种计算方法!几何及线代必考知识点梳理! – 知乎

线性代数行列式知识点总结

线代学习笔记(7)- 行列式 – 知乎

6. 逆矩阵的计算

求逆矩阵的三种方法

计算逆矩阵的三种方法_矩阵求逆公式-CSDN博客

7. 初等变换

矩阵的初等变换 – 知乎

百度安全验证

8. 线性方程组的解

高斯-若尔当消元法_百度百科

线性代数的学习和整理14: 线性方程组求解的3种方法,重点讲矩阵函数求解-CSDN博客

矩阵基础4-线性方程组详解 – 简书

齐次线性方程组_百度百科

https://jingyan.baidu.com/article/fec7a1e5cb631f1190b4e732.html

线代-3.非齐次线性方程组解法 – 知乎

齐次和非齐次线性方程组的解法(整理定稿)

9. 单射,满设,双射

10. 矩阵的秩

一些关于矩阵秩的总结 – 知乎

DAY46|线代『矩阵』核心考点:矩阵的秩

如何理解矩阵的「秩」?

解的关系所确定的系数矩阵秩的关系 – 知乎

11.2 齐次线性方程组的基础解系和通解 – 知乎

11. 特征值和特征向量

线性代数的本质(10)-特征值与特征向量 – 知乎

11.3 求解特征值和特征向量(基础解系法) – 知乎

12.矩阵对角化

12.2 对称矩阵的正交对角化 – 知乎

什么样的矩阵可以对角化? – 知乎

对角化_百度百科

13. 相似性矩阵

相似矩阵_百度百科

怎么证明两个矩阵相似? – 知乎

百度安全验证

如何证两矩阵相似 – 知乎

“拨开迷雾”,如何判定矩阵相似? – 知乎

线性代数(相似矩阵) – 知乎

14. Jordan标准型

矩阵分析:特征值,相似度对角化,Jordan标准形_jordan标准型和特征值的关系-CSDN博客

Jordan标准型_百度百科

15. 正定矩阵

浅谈「正定矩阵」和「半正定矩阵」

矩阵理论| 特殊矩阵:正定矩阵-CSDN博客

MIT—微分方程与线性代数笔记7.2 正定矩阵 – 知乎

·16.正交矩阵

14、范数、内积、归一、正交化、标准正交(Schmidt化) – 知乎

线性代数(正交矩阵) – 知乎

线性代数(正交矩阵) – 知乎

正交规范化、正交矩阵_矩阵正交规范化-CSDN博客

如何理解施密特(Schmidt)正交化 – 知乎

正交矩阵的几何意义是什么? – 知乎

17.矩阵和坐标系变换的关系

浅谈矩阵乘法与坐标系变换 – 知乎

一些关于矩阵秩的总结 – 知乎’

矩阵与坐标系的映射关系_矩阵坐标-CSDN博客

矩阵变换坐标系 深入理解 – 知乎

线性代数(三):坐标变换 – 知乎

18.奇异值分解

SVD-矩阵奇异值分解 —— 原理与几何意义 – 知乎

百度安全验证

奇异值分解(SVD)原理总结

《统计学习方法》之SVD – 知乎

基础算法-奇异值分解SVD_右奇异向量-CSDN博客

线性代数的本质(10)-特征值与特征向量 – 知乎

19.常见矩阵

线性代数导学(八): 那些常见且特殊的矩阵与其目的 – 知乎

20.LU分解

LU分解 – 知乎

lu分解有什么意义啊? – 知乎

补充知识点:

21. 微分方程

微分方程的求解方法_微分方程求解方法总结-CSDN博客

求解微分方程

常(偏)微分方程的数值求解(欧拉法、改进欧拉法、龙格-库塔法、亚当姆斯法) – 知乎

高等数学 | 考研数学 | 微分方程总结 – 知乎

百度安全验证