Java和线性代数的关系_高等数学，线性代数与计算机的关系？

谢邀。

如果你从事算法方面(包括图像处理，机器学习，深度学习等)，那么数学用到的地方真是多了去了。我现在从事深度学习计算机视觉方面的东西，用到的数学知识有：线性代数、矩阵论、概率论、优化方法、数值计算、当然还有高等数学，高等数学是一切的基础啊，用的时候才知道高数原来那么牛逼，当初考研的时候怎么没有这种觉悟。

举个具体例子吧：

关于CS231N-Assignment1-KNN中no-loop矩阵乘法代码的讲解 - CSDN博客，这个是我刚开始学深度学习时候做作业时遇到的一个小问题，计算数据集中所有数据之间的距离并保存到一个矩阵汇总，两个数据集分别是两个矩阵，需要用no-loop的形式写出来(python)：

test_sum = np.sum(np.square(X), axis=1) # num_test x 1

train_sum = np.sum(np.square(self.X_train), axis=1) # num_train x 1

inner_product = np.dot(X, self.X_train.T) # num_test x num_train

dists = np.sqrt(-2 * inner_product + test_sum.reshape(-1, 1) + train_sum) # broadcast

程序很简单，也就那么几行，但是这个程序可是我推导了一下才得出来的。。

当然，这里用到了：矩阵的概念，矩阵的点乘，矩阵的相加等基本概念。

这个例子是机器学习中KNN算法中需要用到的算法。而且这只是一个小小的分支，整个机器学习中用到的算法很多很多，如果数学学得不扎实，看这些算法会是很吃力的。

举这个例子不为别的，只是想着题主一定要好好学习数学，最起码把基本的概念都要弄懂了，忘记的看一下就可以回忆起来。虽然说现在程序封装的很好，很多计算方面的程序不需要自己写，但是，但是你如果原理也不懂那还怎么复制粘贴人家写好的程序。怎么去调parameter。

如果你从事算法有关的工作，最好还是好好看看这些数学知识吧，高等数学，线性代数，概率论，考研中这三门算是很基础很经典的。先把这三门看好再看其他。

我数学学得并不好，幸运的是经过了考研这个阶段，数学也算没有落下太多，看论文的时候虽说吃力但也可以应付。所以说，作为一个算法工程师，程序写的好是一方面，最重要的是数学知识的素养。真正的大牛数学功底毕竟不会差的。

如果你不从事算法方面的工作，我也不知道该说什么，反正我觉着吧，随着对数学的不断学习，生活中，其他方面多多少少都会用到数学。多学无害，有时间就学吧！