《machine learning》3线性代数

3.1 矩阵和向量

矩阵Matrix : Recrangular array of numbers
$R^{4\ast 2}$：4行2列矩阵
矩阵的项：$A_{i,j}$矩阵A第i行j列的元素
$A=\left[\begin{array}{cc}{A}_{1,1}& A_{1,2}\\ A_{2,1}& A_{2,2}\\ A_{3,1}& A_{3,2}\end{array}\right]$

向量Vector: An n x 1matrix 只有一列的矩阵
$y_{n,1}$
$y1$ ：第一个元素（第一行的那个元素）
$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]$
大写字母表示矩阵，小写字母表示数字、向量、标量等

3.2 加减法和标量乘法

矩阵加法：两个矩阵对应元素相加。相加矩阵维度必须相等
标量乘法：矩阵中每个元素都乘标量
先乘除后加减

3.3 矩阵向量乘法

$A_{a,n}\ast B_{n,b}=C_{a,b}$
矩阵$A_{a\ast n}$与矩阵$B_{n\ast b}$相乘，A矩阵的列数必须等于B矩阵的行数。

四组房子的size，用三个不同参数的预测函数，使用一次矩阵乘法得到三组不同的四个房价预测

3.4 矩阵乘法的性质

矩阵不满足交换率（单位矩阵除外）
单位矩阵：对角元素为1

3.5 逆和转置

$A{A}^{-1}=A^{-1}A=1$方阵才有逆矩阵（元素全为0也没）
$A_{3\ast 2}{A}^T=B_{2\ast 3}$