吴恩达机器学习笔记（三）

原创博客，转载请注明出处！

第三章主要讲的是矩阵，故对于线性代数很熟悉的同学可以跳过这章

矩阵就是用中括号括起来的若干行若干列的数聚在一起

专业定义是：矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合

向来是只有一列的矩阵

矩阵的加法就是矩阵对应位置的数相加得到新矩阵，不同形状的矩阵不能相加

矩阵的标量乘法就是对应位置的数跟标量相乘

无论矩阵跟矩阵相乘还是矩阵跟向量相乘

都需满足相乘左边的列数等于右边的行数，即m * n的矩阵只能乘n维的向量或行数为n的矩阵

比如A是3*2的矩阵，C是2*1的向量（矩阵），那么AC = D，D是3*1的向量

其中D[1] = A[1,1]*C[1]+A[1][2]*C[2]

D[2] = A[2,1]*C[1]+A[2][2]*C[2]

D[3] = A[3,1]*C[1]+A[3][2]*C[3]

即每行乘以对应索引的列相加所得左边行右边列索引位置组成的新矩阵

而矩阵相乘可以理解为矩阵和向量相乘的组合

函数可以理解或变成矩阵相乘

矩阵相乘不支持交换律

矩阵相乘支持结合律

行数和列数相等的矩阵叫方阵

单位矩阵是从左上到右下的对角线为1，其余为0的方阵

任何矩阵和单位矩阵相乘都等于本身（前提支持相乘）

逆矩阵就是和原矩阵相乘等于单位矩阵的矩阵

转置矩阵就是原矩阵行和列互相调换的矩阵