吴恩达机器学习3-线性代数回顾

吴恩达机器学习3-线性代数回顾

涉及到的都是很基本的线性代数知识，一看就会。

1. 矩阵的加法
   ​ 设 $A=\left(a_{ij}\right),B=\left(b_{ij}\right)$ 是两个 $m\times n$ 矩阵, 则 $m\times n$ 矩阵 $C=\left(c_{ij}\right)=a_{ij}+b_{ij}$ 称为矩阵 $A$ 与 $B$ 的和, 记为 $A+B=C$ 。

2. 矩阵的数乘
   设 $A=\left(a_{ij}\right)$ 是 $m\times n$ 矩阵, $k$ 是一个常数, 则 $m\times n$ 矩阵 $(k{a}_{ij}$ 称为数 $k$ 与矩阵 $A$ 的数乘, 记 为 $kA$ 。

3. 矩阵的乘法
   设 $A=\left(a_{ij}\right)$ 是 $m\times n$ 矩阵, $B=\left(b_{ij}\right)$ 是 $n\times s$ 矩阵, 那么 $m\times s$ 矩阵 $C=\left(c_{ij}\right)$, 其中 $c_{ij}=$ $a_{i1}{b}_{1j}+a_{i2}{b}_{2j}+\cdots +a_{in}{b}_{nj}={\sum }_{k=1}^n{a}_{ik}{b}_{kj}$ 称为 $AB$ 的乘积, 记为 $C=AB$ 。

4. 矩阵乘法的性质：
   矩阵的乘法不满足交换律：𝐴 × 𝐵 ≠ 𝐵 × 𝐴
   矩阵的乘法满足结合律。即：𝐴 × (𝐵 × 𝐶) = (𝐴 × 𝐵) × 𝐶
   单位矩阵：𝐼 代表单位矩阵，从左上角到右下角的对角线（称为主对角线）上的元素均为 1 以外全都为 0。
   对于单位矩阵，有𝐴𝐼 = 𝐼𝐴 = 𝐴、𝐴𝐴⁻¹ = 𝐴⁻¹𝐴 = 𝐼

5. 矩阵的逆：
   矩阵的逆：如矩阵𝐴是一个𝑚 × 𝑚矩阵（方阵），如果有逆矩阵，则：𝐴𝐴⁻¹ = 𝐴⁻¹𝐴 = 𝐼
   Matlab实现：inv(A)

6. 矩阵的转置性质：
   $\begin{array}{c}(A\pm B{)}^T=A^T\pm B^T\\ (A\times B{)}^T=B^T\times A^T\\ {\left(A^T\right)}^T=A\\ (KA{)}^T=K{A}^T\end{array}$
   Matlab实现：A=A'

7. 引入矩阵的作用：

举例：下图四个输入：房子尺寸，分别通过3个假设函数，得到各自的输出结果，通过矩阵可以轻松实现