(三)吴恩达-机器学习第三课学习心得-矩阵和向量

1. 矩阵和向量:

矩阵:由数字组成的矩形阵列
矩阵的维度应该写作矩阵的行数(row)*列数(column)
在这里插入图片描述

向量(vector):一种特殊的矩阵,向量只有一列(n*1矩阵,1 column)
在这里插入图片描述

2.矩阵加法及减法运算

在这里插入图片描述

加法:维度不同不能相加
在这里插入图片描述

3.两个矩阵的相乘(Matrix-vector multiplication)

在这里插入图片描述
在这里插入图片描述

4.矩阵对矩阵的乘法(Matrix-matrix multiplication)

在这里插入图片描述

5.矩阵乘法的特性(Matrix multiplication properties)

矩阵运算使我们可以将大量运算变成一次矩阵的乘法运算中
矩阵乘法中没有交换律(AB≠BA)
在这里插入图片描述
有结合律,但改变矩阵乘积顺序会影响结果维度

单位矩阵(Identity Matrix)

在这里插入图片描述
对任何矩阵A而言,AI=IA=A

6.逆矩阵及矩阵的转置运算(Inverse and transpose)

定义:某矩阵与其逆矩阵相乘积可以得单位矩阵(Identity Matrix),只有方阵才有逆矩阵
不是所有的矩阵都有逆矩阵(如0矩阵),逆矩阵不存在的矩阵称奇异矩阵(singular)或退化矩阵(degenerate)
在这里插入图片描述

方阵(Square Matrix):矩阵的行数与列数相等

矩阵的转置(Matrix Transpose)

在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/sun830910/article/details/84382175
今日推荐