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
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
6. 逆矩阵的计算
7. 初等变换
8. 线性方程组的解
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
https://jingyan.baidu.com/article/fec7a1e5cb631f1190b4e732.html
9. 单射，满设，双射
10. 矩阵的秩
11. 特征值和特征向量
12. 矩阵对角化
13. 相似性矩阵
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
15. 正定矩阵
·16.正交矩阵
14、范数、内积、归一、正交化、标准正交(Schmidt化） - 知乎
17.矩阵和坐标系变换的关系
（m1,n1） 可以表示x轴在i-j坐标系下的坐标；（m2,n2）可以表示y轴在i-j坐标系下的坐标。然后又知道点在i-j下的坐标，便可以直接投影。
补充：已知一个点p的坐标(在A坐标系），去求此点在另一个坐标系B中的坐标q，博主推断出了一种方法：
1. 求坐标系B的两个轴在A坐标系下的坐标向量表示。
2. 然后将点p坐标向量和上面的两个坐标向量各做内积，就能得到新坐标系下的坐标q位置。下图中是构造了一个矩阵，矩阵之前也提到过，矩阵乘积可看成是在做变换，也可以看成是点在此矩阵的每一行所构造的轴上的投影。
18.奇异值分解
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
补充知识点：
21. 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
总归想办法两边换成dy,dx各自积分的形式
22. 左手和右手坐标系
左手坐标系和右手坐标系_左手坐标系和右手坐标系的区别-CSDN博客
23. roll, pitch, yaw
2763
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
