Introduction to Linear Algebra

El libro de álgebra lineal más citado para entender la estructura matemática detrás del machine learning.

ÁreaFundamentos Matemáticos
TemaÁlgebra Lineal
NivelIntermedio
Publicación1976 (ÚLTIMA ED. 2023)

Autor(es): Gilbert Strang

¿Qué puedes lograr leyendo este libro?

  • Entender vectores, matrices y transformaciones lineales con intuición geométrica, no solo mecánica
  • Interpretar qué hace una red neuronal a nivel de multiplicaciones matriciales
  • Construir las bases matemáticas necesarias para PCA, SVD y regresión lineal

Descripción

Strang enseña álgebra lineal con un enfoque intuitivo y geométrico poco común en textos matemáticos, conectando conceptos abstractos (espacios vectoriales, eigenvalores) con aplicaciones concretas. Es el libro de referencia usado en el curso 18.06 de MIT, ampliamente disponible junto con videoconferencias gratuitas.

Para quién es ideal

  • Quien necesita construir intuición geométrica del álgebra lineal, no solo mecánica de cálculo
  • Estudiantes que quieren entender qué hay detrás de PCA, SVD o redes neuronales
  • Complemento ideal a un curso de machine learning más aplicado
  • Referencia para repasar conceptos antes de estudiar deep learning

Contenido destacado

  • Espacios vectoriales y combinaciones lineales
  • Sistemas de ecuaciones y eliminación gaussiana
  • Eigenvalores, eigenvectores y diagonalización
  • Descomposición en valores singulares (SVD)
  • Aplicaciones a mínimos cuadrados y PCA

Ventajas y limitaciones

Ventajas

  • Explicaciones intuitivas y geométricas, poco comunes en libros de matemáticas
  • Curso de MIT (18.06) disponible gratis en video como complemento
  • Fundamento que se reutiliza en casi toda la carrera de ciencia de datos

Limitaciones

  • No cubre nada de programación ni aplicaciones directas de ML
  • Puede sentirse denso para quien busca solo lo 'aplicado'

Libros relacionados