线性代数基础
标量 scalar
单独的数,自然数,整数,实数、、、
斜体小写,表示
向量 vector
-
一组一维数组
-
有序的一列数,一般定义纵向量。
-
但是,书写不方便,多使用向量的转置的进行书写
-
通常用粗体的小写变量名称表示向量,如 x
-
向量的一组元素,定义集合S={1,3,6},然后写做 xs
-
向量的元素用带脚标的斜体表示,如向量 x的第1个元素为 x1,第2个元素x2
-
向量的一组元素,定义集合S={1,3,6},然后写做 xs
矩阵 matrix
二维数组
通常用粗体的大写变量名称表示矩阵,如 A
-
通常用 粗体的大写变量名称表示矩阵,如 A
-
A i,j 表示矩阵第 i 行,第 j 列的元素
-
f( A) i,j表示函数 f 作用在 A 上输出矩阵的第 i行第 j 列元素。
-
在数据中,一般一行代表
张量 tensor
-
超过二维的数组
-
Shape指的是张量的维度
-
Shape(2,5)表示2行5列的矩阵
-
比如shape是(2,3,4)的张量
-
Tensorflow:张量流
-
标量,向量,矩阵也都是特殊的张量
转置
-
向量的行列转换
-
以对角线为轴的镜像
-
矩阵转置,满足
-
-
向量可以看作只有一列的矩阵,其转置可以看作只有一行的矩阵,如定义一个向量:
-
标量只有一个元素,转置等于其本身,
矩阵加法
矩阵减法
矩阵乘法
最终结果为 A的行Xb的列的新矩阵
矩阵乘法公式
矩阵元素对应乘积 element wise product
Shape相同使用的一种乘积
矩阵点积 dot product
对于一维数组来说shape为数组元素的个数
向量的点积为标量,一个数值
两个向量点积示例
x = [1,2,3]T
y = [7,9,11]T
x.y = xTy = [1,2,3].[7,9,11]T = 58
单位矩阵
单位矩阵的结构很简单:所有沿主对角线的元素都是 1,而其他位置的元素都是 0
-
性质:任意向量、矩阵和单位矩阵相乘,都不会改变。
-
单位矩阵的行列一致
-
一般将保持 n 维向量不变的单位矩阵记作
-
形式上:
线性方程组
矩阵是解线性方程组的重要工具
线性方程组另一种书写方式
逆矩阵
-
一个矩阵乘以目标矩阵的结果为单位矩阵,则目标矩可逆,
-
且该矩阵为目标矩阵的逆矩阵
-
矩阵逆矩阵记作满足如下条件:
-
给定,
-
我们可以通过以下步骤求解向量