线性代数在智能机器研制中的应用，线性代数在机器人中的应用

郭一璞出生于凹非寺

量子报道|公众号QbitAI

研究机器学习、计算机视觉，离不开数学，特别是……线性代数。

如果没有一定的数学基础，看到SVM和拉格朗日乘数等各种复杂的术语时，头可能会秃顶。

所以，为了拥有更扎实的理论基础，从根本上理解机器学习背后的数学问题，好好学习数学吧~

现在，这个《用于计算机视觉、机器人和机器学习的线性代数》可能会帮助你。

包括引言在内，这本书共有22章。

1 .引言

2 .向量空间、基、线性映射

3 .矩阵和线性映射

4 .哈尔基、哈尔小波变换、哈达玛矩阵

5 .直和，仿射映射

6 .行列式

7 .高斯消元法、LU因子分解、Cholesky分解、阶梯式矩阵

8 .向量范数和矩阵规范

9 .求解线性系统迭代方法

10 .双重空间和二重性

11 .欧几里得空间

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 .四元数和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 .光谱绘制

19 .奇异值分解和极坐标形式

20.SVD与伪逆矩阵的应用

21 .计算特征量和特征向量

22 .零化多项式和准分子分解

作者介绍这本书作者是宾夕法尼亚大学计算机系教授Jean Gallier，今年70岁了。

除计算机外，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成员。

自从1978年从UCLA获得计算机博士学位后，他一直在学术界教书。从UCLA助理教授到宾大学教授。在此期间，出版了大量关于计算机、数学的论文，相关书籍也出版了10多本。

传送门Linear Algebra for Computer Vision，Robotics，and Machine Learning

33559 www.seas.upenn.edu/~ cis 515/Lina LG-I.pdf

结束了

认真招募

量子在招聘编辑/记者，工作地点在北京中关村。

期待有才气和热情的同学参加！详情请在量子位公众号( QbitAI )的对话界面回复“招聘”两个字。

量子比特QbitAI 头条号合同作者

跟踪’ ‘ AI技术和产品新动态