Coursera机器学习笔记 第1周 第三章 线性代数回顾

第三章 线性代数回顾（Linear Algebra Review）

第1节 线性代数回顾（Linear Algebra Review）

3.1 矩阵和向量

参考视频：3 - 1 - Matrices and Vectors (9 min).mkv

1.这是一个$4 \times2$矩阵：

$$A = \begin{bmatrix} 1402 & 191 \\ 1371 & 821 \\ 949 & 1437 \\ 147 & 1448 \\ \end{bmatrix}$$
其中 $A_{ij}$指第i行，第j列的元素。

2.向量是一种特殊的矩阵，讲义中的向量一般都是列向量，如：

$$A = \begin{bmatrix} 1402 \\ 1371 \\ 949 \\ 147 \\ \end{bmatrix}$$ 为四维列向量（ $4 \times 1$）。

3.0索引向量和1索引向量

$$y0 = \begin{bmatrix} y_0 \\ y_1 \\ y_2 \\ y_3 \\ \end{bmatrix} y1 = \begin{bmatrix} y_1 \\ y_2 \\ y_3 \\ y_4 \\ \end{bmatrix}$$
左边向量中元素下标从1开始，称作0索引向量；右边向量中元素下标从0开始，称作1索引向量。

3.2 向量加法和标量乘法

参考视频: 3 - 2 - Addition and Scalar Multiplication (7 min).mkv

矩阵加法：行列数相等的可以加。

$$\begin{bmatrix} 1 & 5 \\ 2 & 5 \\ 3 & 1 \\ \end{bmatrix} + \begin{bmatrix} 4 & 2 \\ 2 & 4 \\ 0 & 1 \\ \end{bmatrix} = \begin{bmatrix} 5 & 7 \\ 4 & 9 \\ 3 & 2 \\ \end{bmatrix}$$
矩阵的标量乘法：每个元素都乘。
$$3 \times \begin{bmatrix} 1 & 5 \\ 2 & 5 \\ 3 & 1 \\ \end{bmatrix} = \begin{bmatrix} 3 & 15 \\ 6 & 15 \\ 9 & 3 \\ \end{bmatrix}$$
组合算法也类似。

3.3 矩阵向量乘法

参考视频：3 - 3 - Matrix Vector Multiplication (14 min).mkv

3.4 矩阵乘法

参考视频：3 - 4 - Matrix Matrix Multiplication (11 min).mkv

3.5 矩阵乘法的性质

参考视频：3 - 5 - Matrix Multiplication Properties (9 min).mkv

3.6 矩阵的逆、转置

参考视频：3 - 6 - Inverse and Transpose (11 min).mkv

截图粘贴了一下，这周就结束了！