吴恩达 【机器学习】第三章 线性代数回顾

吴恩达 【机器学习】第三章 线性代数回顾

3.1 矩阵和向量

矩阵的维数即行数×列数

矩阵元素（矩阵项）：$A=\left[\begin{array}{cc}1402& 191\\ 1371& 821\\ 949& 1437\\ 147& 1448\end{array}\right]$

$A_{ij}$指第$i$行，第$j$列的元素。

向量是一种特殊的矩阵，讲义中的向量一般都是列向量，如： $y=\left[\begin{array}{c}460\\ 232\\ 315\\ 178\end{array}\right]$

为四维列向量（4×1）。

如下图为1索引向量和0索引向量，左图为1索引向量，右图为0索引向量，一般我们用1索引向量。

$y=\left[\begin{array}{c}{y}_1\\ y_2\\ y_3\\ y_4\end{array}\right]$，$y=\left[\begin{array}{c}{y}_0\\ y_1\\ y_2\\ y_3\end{array}\right]$

3.2 加法和标量乘法

3.3 矩阵向量乘法

3.4 矩阵乘法

用一次的矩阵乘法运算来打包大量运算

3.5 矩阵乘法特征

• 矩阵乘法不满足交换律(commutative)
  
• 矩阵乘法满足结合律(association)
  
• 单位阵：主对角线上元素为1，其余位置上元素为0
  

3.6 逆(Inverse)和转置(Transpose)

1. 矩阵的逆(Inverse)

• 只有方阵(m*m)才有逆
• 矩阵的逆和矩阵相乘得到单位阵
• 没有逆的方阵是奇异阵或退化阵
  

2. 矩阵的转置(transpose)