线性代数-程序员的线性代数-矩阵乘法（4.5-4.8）

背景与目标

继续之前的线性代数走读

划重点

4.5 矩阵看成一个系统

4.6 矩阵和向量的乘法

• 矩阵和向量相乘来表征一个系统的方法（如果把x当做特征值，是不是有种机器学习的感觉了）
  
• 乘法的过程
  
• 向量与矩阵的乘机结果的维度结构不变，所以矩阵可以理解为是向量的函数（这样理解，也完全符合机器学习的思想）
  
• 函数的概念：把一个数（或者向量等等），转换为另外一个数（或者是向量等等）

4.7 矩阵和矩阵的乘法

• 矩阵和矩阵的乘法，分解成为矩阵和向量的乘法
  
• 矩阵1的列数 必须和 矩阵2的行数一致。 矩阵1为 m × k，矩阵2就是 k × n，相乘以后等到一个m × n的矩阵
• 注意：矩阵乘法不遵循交换律
  

4.8 矩阵自我实现

略了。。以后更多是用numpy，自我实现就显得有一些鸡肋。

评价

在机器学习的推导中，必然会使用到矩阵的乘法，重点注意：矩阵的乘法，不支持交换律