线性代数在机器学习中比较低阶的应用是矩阵运算，比如softmax分类器 y^=σ(WTx+b)\hat{\mathbf{y}}=\sigma(W^T\mathbf{x}+\mathbf{b}) ，在这里矩阵形式使得书写、计算更方便，也能帮助理解模型(将矩阵看作是一种变换)；高阶一点的应用在无监督学习中，可以参考奇异值分解(SVD)等矩阵分解方法在特征降维、嵌入方面的应用，在这些应用场景中，主要利用的是矩阵的特征值等性质；还有矩阵的正定性，在凸函数的证明等很多方面也可以用到。另外，线性代数也是数值分析等优化课程的必要先修课。私以为机器学习是一门数学与计算机的交叉学科，因此线性代数在里面发挥的作用很大。
在初学一门课程的时候，尤其是大一新生，难免会质疑“这个课对我有什么用”...在我大一的时候，也会很幼稚地认为“我是一个软件工程的学生，学高等数学没有任何用处”。不过真的有没有用，还是得等到你成长到足够确定未来学习和工作的方向以后，才有可能确定。所以我现在不妨先给你一个结论：线性代数很值得学，对许多学科都很有用。
再回到问题上来，题主觉得书上都是定义定理，不知道有何意义，这一说就说到了点子上。国内很多数学教材最受诟病的一点，就是脱离应用讲概念。国内的很多课程，给我的感觉就是：学课程内容是为了做题。我记得我的线性代数老师，虽然讲课非常风趣，但是讲课总给我一种“考研冲刺加强班”的即视感。
计算机图形学要求的数学已经远超过线性代数，起码要会点微分几何。线性代数和微积分作为最基础的数学课，是微分几何的基础。
就你在CG方面的问题，随便说几点：
- 图像就是矩阵。对图像做模糊等操作本身就是做矩阵运算；
- 你用RGB-D相机拍了深度图和彩色图，图像的坐标和现实世界的坐标是不同坐标系，要结合相机参数做线性变换才能对应；
- CG中常对几何对象做旋转、平移，这些都是刚体变换都是线性变换
线性代数无处不在，不要担心学了没用。不管你是理工科啥专业，线代都是基础。其实学了微积分跟线代，你就可以自己看机器学习了。
WRITE-BUG研发团队衷心希望【WRITE-BUG数字空间】可以给每位同学一个属于自己的秘密空间，同时祝愿大家在“公开圈子”世界里，遇见志同道合的伙伴们，因为我们与大家一样，都曾孤独前行着。
