机器学习:机器学习相关矩阵知识(三)
矩阵
定义:矩阵是可以看成n个m维列向量从左向右排列,或n个m维行向量从上到下排列。直接来看是一个m×n的数字方阵 (注意向量可以看为一维矩阵)。
分类:
1.方阵
行数与列数相等的一类矩阵。行数或者列数成为他的阶数,常见的有3阶方阵,4阶方阵及3×3,4×4的数字方阵。
2.转置矩阵
将矩阵Γ上的每行上的元素与每列上的元素调换位置称作矩阵的转置。
如:
3.对称矩阵
当一个矩阵A的转置矩阵等于原矩阵,我们则称这个矩阵A为对称矩阵。
4.零矩阵
矩阵中每行每列元素均为0的矩阵称为零矩阵,记作0.
5.对角矩阵
对角矩阵是一种特殊的方阵,其除了对角线上有元素之外,其他元素均为0.
6.单位矩阵
单位矩阵是一种特殊的对角矩阵,即对角线上的元素均为1,记作 I.
矩阵的相关运算
1.加法
矩阵加法与向量加法相同,需要两个等规模(行列数相等)的矩阵,将每行每列的对应位置数相加得到相应矩阵,此处我们用一维矩阵向量距离:
2.数乘
矩阵的数乘与向量相同,即用标量乘以矩阵个位置元素,此处我们用一维矩阵举例:
3.矩阵乘法
两个矩阵相乘需要满足以下规则:① 左边矩阵的列数与右边矩阵的行数必须相同;②左边矩阵的行数决定运算结果矩阵的行数;③右边矩阵的列数决定了最终运算结果的列数。举证乘法简单记就是行乘列,具体过程如下
相关python知识
import numpy as np
#1.生成矩阵
A = np.array([[1,2,3],[4,5,6],[7,8,9]])
B = np.array(