线性代数不是刷题，而是解决问题的工具
这篇书评可能有关键情节透露
说到线性代数，经历过考研的人，第一反应大概是李永乐吧（┬_┬）。我不是学数学出身，也不是像Matrix67大神整天研究数学，只是最近学习机器学习后，想加强线性代数这方面的知识，也是为大学的贪玩还债。。
本科的时候光顾着玩了，考研的时候光顾着刷题了，而且做题太多，会让人麻木，不能思考。现在无论是做研究还是做工程，做的越深，越发感觉数学的重要性。而且最近接触机器学习，所以感觉有必要重新学学这门课。
看这本书看的比较快。因为之前线代的底子还可以（应该是做题的底子）。所以我在这谈谈对线代的一个理解，不是很深入。
学线性代数到底有啥用？
线性代数不是让你熟记计算步骤，而是一个工具，更具体的说，是几何工具。
何为工具？
假如你要拧螺丝。那螺丝刀就是工具。
假如你要解决计算问题，线性代数就是工具。
这也是所谓书中开头说的，计算机的发展促进了线性代数的发展（说实话，刚开始看的时候一直理解不了两者到底有啥联系）。最经典的例子就是FFT啦。把问题转化成线性代数代数问题，经过各种分解，大大加快计算机运算时间。
这个过程大概可以描述为：建模——线性代数语言——变化、分解——写程序或者调用工具箱——KO问题。
所以从某总意义上说，线性代数的关键在于建模——把实际问题转化成线性代数问题，再加上你对线性代数各种变化的理解，合理选择工具，现在像matlab，python等语言都有大量的工具包选择，从而用计算机解决问题。
这本书的优点，就是把线性代数和几何图形结合起来，例子再也不是N维空间了，而且我们熟悉的2维、3维。加上大量的图，配上大量生动且实际的例子，看这书的确给人新的体验。
看的快不打紧。主要是掌握和理解各种工具，在实践中运用线性代数，应该理解的更为透彻。
顺便谈谈机器学习和线性代数。可以说，机器学习的问题基本上是用线性代数语言描述的。除去比如主成分分析法、马氏链模型等专门用线代知识的，其他所需要的线性代数知识不是很深（个人感觉，微积分、线代、概率里面，概率占的比重最多，或者说，统计学占的比重最多），主要在于你对线性代数的理解：对其基本概念有个认识即可。
说完此书，最后推荐下网易公开课MIT线性代数的视频。视频和书不是很同步，不过还是蛮搭的，建议一起看看。老师是子空间狂魔，会让你对线代里面空间的理解更深一步。
本科的时候光顾着玩了，考研的时候光顾着刷题了，而且做题太多，会让人麻木，不能思考。现在无论是做研究还是做工程，做的越深，越发感觉数学的重要性。而且最近接触机器学习，所以感觉有必要重新学学这门课。
看这本书看的比较快。因为之前线代的底子还可以（应该是做题的底子）。所以我在这谈谈对线代的一个理解，不是很深入。
学线性代数到底有啥用？
线性代数不是让你熟记计算步骤，而是一个工具，更具体的说，是几何工具。
何为工具？
假如你要拧螺丝。那螺丝刀就是工具。
假如你要解决计算问题，线性代数就是工具。
这也是所谓书中开头说的，计算机的发展促进了线性代数的发展（说实话，刚开始看的时候一直理解不了两者到底有啥联系）。最经典的例子就是FFT啦。把问题转化成线性代数代数问题，经过各种分解，大大加快计算机运算时间。
这个过程大概可以描述为：建模——线性代数语言——变化、分解——写程序或者调用工具箱——KO问题。
所以从某总意义上说，线性代数的关键在于建模——把实际问题转化成线性代数问题，再加上你对线性代数各种变化的理解，合理选择工具，现在像matlab，python等语言都有大量的工具包选择，从而用计算机解决问题。
这本书的优点，就是把线性代数和几何图形结合起来，例子再也不是N维空间了，而且我们熟悉的2维、3维。加上大量的图，配上大量生动且实际的例子，看这书的确给人新的体验。
看的快不打紧。主要是掌握和理解各种工具，在实践中运用线性代数，应该理解的更为透彻。
顺便谈谈机器学习和线性代数。可以说，机器学习的问题基本上是用线性代数语言描述的。除去比如主成分分析法、马氏链模型等专门用线代知识的，其他所需要的线性代数知识不是很深（个人感觉，微积分、线代、概率里面，概率占的比重最多，或者说，统计学占的比重最多），主要在于你对线性代数的理解：对其基本概念有个认识即可。
说完此书，最后推荐下网易公开课MIT线性代数的视频。视频和书不是很同步，不过还是蛮搭的，建议一起看看。老师是子空间狂魔，会让你对线代里面空间的理解更深一步。