本书从机器学习的需求出发, 介绍实数域内矩阵理论的基本思想及方法, 并辅以直观图解和实际案例, 从而大幅降低机器学习的数学门槛。本书共7章, 第1章从主成分分析谈起, 通过PCA的原理介绍串联起机器学习中的矩阵方法。第2-7章详细介绍第1章中涉及的矩阵理论和方法, 包括矩阵与向量空间、矩阵与内积空间、矩阵的度量与分解、向量函数的微分、矩阵与概率统计、矩阵与连续优化。