【吴恩达机器学习】第三章线性回归回顾

这一章视频中讲的都是线性代数的基础知识，我将重点总结如下：

矩阵向量乘法

矩阵向量乘法就是一个矩阵和一个向量相乘，具体做法就不赘述。主要来说一个老师讲到的应用：
当我们已经得到通过房子大小来预测价格的函数$h_{\theta }(x)$，现在有一些房子的大小，要通过这个函数进行预测时我们就可以写成矩阵和向量相乘的形式，如下图：

这样我们在程序中实现这个过程的时候，想用函数预测，就可以用一行代码搞定，而不需要用 for 循环
prediction=datamatrix x parameters

矩阵乘法

同样我们只讲一个矩阵乘法的应用：
基于三个假设对4个房屋进行预测的价格如下：

矩阵乘法特征

通过矩阵向量和矩阵乘法的两个例子，我们知道矩阵乘法运算非常实用，这样可以将大量乘法运算打包，然后用一次矩阵的乘法运算。
下面我们要知道一些矩阵乘法的特征：

• 矩阵乘法是不可交换的，即AB≠BA;但当B时单位矩阵时,AB=BA
• 矩阵乘法服从结合律

逆和转置

矩阵的逆

只有方阵才有逆矩阵
可以把那些没有逆矩阵的矩阵想成是非常近似为0

不存在逆矩阵的矩阵，专有名词为奇异矩阵/退化矩阵

矩阵的转置运算

转置就是原来的第i行变成现在的第i列
即 Bij=Aji