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