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。
- 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
- 矩阵即是映射
- 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
- 逆矩阵的计算
- 初等变换
- 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
- 单射，满设，双射
- 矩阵的秩
- 特征值和特征向量
- 矩阵对角化
- 相似性矩阵
- 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
- 正定矩阵
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
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。
18.奇异值分解
SVD-矩阵奇异值分解 ------ 原理与几何意义 - 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
补充知识点：
- 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
- 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
- roll, pitch, yaw