机器学习中的数学基础之线性代数1 - 标量向量矩阵转置加法减法乘法逆矩阵

1. 标量Scalars

标量是一个单独的数,比如自然数,整数,实数,在机器学习中我们用斜体的小写字母来表示。

在这里,s和n是标量,R代表real number,实数,是有理数和无理数的总称。数学上,实数定义为与数轴上点相对应的数。而N则代表 natural number,是自然数, 自然数就是没有负数的整数,即0和正整数.(如0,1,2……)

2. 向量Vector

向量[ ]是有序列的一列数,他是有顺序的,和集合不一样,集合{ }是没有顺序的。

3. 矩阵Matrix

矩阵是一个二维数组

比如f = 2x,那么f(A)2,2 = A2,2 * 2

4.转置 Transpose

转置是以对角线为轴的镜像,比如一个2*3的矩阵,转置后就变成3*2

举个例子:

延伸出来的式子:

5. 矩阵加法

举个例子:

6. 矩阵减法


7. 数乘矩阵

数乘矩阵就是一个数,乘以一个矩阵

8. 矩阵乘法

就是第一个矩阵的行,乘第二个矩阵的列


在这里,BA = -4是因为,-1*4+1*-1+2*0+1*1=-4

规律: A矩阵为n*m ,B矩阵为 m*k,那么A*B 就等于 n*k

比如前面A = 4*1,B = 1*4,那么AB就是4*4, BA就是1*1,所以AB 不等于 BA

有可能A不是0,B也不是0,但AB = 0 

所以矩阵乘法不满足交换律,但他满足:

在这里,I是单位矩阵,单位矩阵它的性质是任意向量矩阵和他相乘,都不会被改变

9. 逆矩阵 

A乘他的逆矩阵等于一个单位矩阵

逆矩阵是一个非常重要的概念 

逆矩阵是什么呢?她是这样计算的:交换ad的位置,在cb前面加上负号。前面还要有1/ad-bc

解上面这个方程的时候,我们两边同时乘以A的倒数 ,就可以啦

你可能感兴趣的:(机器学习中的数学基础之线性代数1 - 标量向量矩阵转置加法减法乘法逆矩阵)