吴恩达机器学习第三章【Linear Algebra Revie】(线性代数回顾)
Matrices and Vectors【矩阵和向量】
在
⎣⎢⎢⎡1402137194914719182114371448⎦⎥⎥⎤中,这是一个这个是4×2矩阵,即4行2列,如
m为行,
n为列,那么
m×n即4×2,其中
Aij指第
i行,第
j列的元素。
向量是一种特殊的矩阵,向量一般都是列向量,如:
y=⎣⎢⎢⎡460232315178⎦⎥⎥⎤为四维列向量(4×1)。
Addition and Scalar Multiplication【加法和标量乘法】
矩阵的加法:行列数相等的各元素相加。
⎣⎡123051⎦⎤+⎣⎡4200.551⎦⎤=⎣⎡5430.5102⎦⎤
矩阵的数乘:每个元素都要乘。
3∗⎣⎡123051⎦⎤=⎣⎡3690153⎦⎤=⎣⎡123051⎦⎤∗3
Matrix Vector Multiplication【矩阵向量乘法】
Matrix Matrix Multiplication【矩阵乘法】
矩阵乘法:
m×n矩阵乘以
n×o矩阵,变成
m×o矩阵。
在单变量线性回归中的应用
Matrix Multiplication Properties【矩阵乘法的性质】
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:在矩阵的乘法中,有一种矩阵起着特殊的作用,如同数的乘法中的1,我们称这种矩阵为单位矩阵.它是个方阵,一般用
I 或者
E 表示,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
AA−1=A−1A=I
对于单位矩阵,有
AI=IA=A
Inverse and Transpose【逆、转置】
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
矩阵的转置:设
A为
m×n阶矩阵(即
m行
n列),第$i
行j
列的元素是a(i,j)
,即:A=a(i,j)$
定义
A的转置为这样一个
n×m阶矩阵
B,满足
B=a(j,i),即
b(i,j)=a(j,i)(
B的第
i行第
j列元素是
A的第
j行第
i列元素),记
AT=B。(有些书记为A’=B)
⎣⎡acebdf⎦⎤T=[abcdef]
矩阵的转置基本性质:
$ {{\left( A\pm B \right)}{T}}={{A}{T}}\pm {{B}^{T}} $
(A×B)T=BT×AT
${{\left( {{A}^{T}} \right)}^{T}}=A $
${{\left( KA \right)}{T}}=K{{A}{T}} $