线性代数背景知识
来源:互联网 发布:nginx 参数 编辑:程序博客网 时间:2024/05/29 18:39
线性代数
线性代数的基本元素
标量
一个标量(scalar)就是一个单独的数。
向量
一个向量(vector)是一列数,我们可以把向量看作空间中的点,每个元素是不同坐标轴上的坐标。
矩阵
一个矩阵(matrix)是一个二维数组,其中的每一个元素由两个索引所确定。
线性代数的运算
矩阵相加
只要矩阵的形状一样,我们就可以把两个矩阵相加,两个矩阵相加是指对应位置的元素相加。
例如
标量和矩阵的运算
标量和矩阵相乘或者相加,我们只需要将其与矩阵的每个元素相乘或者相加。
例如
矩阵和向量相加
在深度学习中,允许矩阵和向量相加,产生另一个矩阵。即向量和矩阵的每一行相加,这种方法称为广播。
例如
矩阵乘积
两个矩阵的矩阵乘积(matrix product)是第三个矩阵C,为了使乘法可以被定义,矩阵A的列数必须和矩阵B的行数相等。
例如 矩阵A是m*n,矩阵B是n*p,那么矩阵C的形状就是m*p。具体地,
矩阵点积
两个维数相同的向量的点积(dot product)可以看做矩阵乘积
我们可以把矩阵乘积中计算
向量的点积
两个向量的点积满足交换律:
矩阵乘积的转置
特殊形式的矩阵
转置矩阵
转置(transpose)是矩阵的重要操作之一,矩阵的转移是以对角线为轴的镜像,这条对角线被称为主对角线(main diagonal)。
单位矩阵
任意向量和单位矩阵相乘,都不会改变,单位矩阵(identity matrix)是线性代数里的1。
逆矩阵
矩阵A的逆矩阵记作
线性相关
生成子空间(span)
一组向量的生成子空间,是原始向量线性组合后所能达到的点的集合。
列空间
确定
奇异的
一个列向量线性相关的方阵被称为奇异的(singular)。如果矩阵A不是一个方阵或者是一个奇异的方阵,那么我们就不能通过逆矩阵来求解。
范数
范数(norm),在机器学习中,经常用来衡量向量的大小。因为它可以将向量映射到非负值。
L1范数
当机器学习中0和非0的元素差异非常重要时,通常会使用L1范数。
L2范数
向量的L2范数表示从原点出发到向量中某个点的欧式距离,经常用来衡量向量的大小,向量x的L2范数可以通过点积
- 线性代数背景知识
- WebGL中的线性代数知识
- 线性代数知识汇总
- 背景知识
- 背景知识
- 【ComputerVision】预备知识:线性代数&Matlab
- 机器学习所需的线性代数知识
- 斯坦福大学CS224d基础1:线性代数知识
- 斯坦福大学CS224d基础1:线性代数知识
- 机器学习需要的线性代数知识
- 【转】斯坦福大学CS224d基础1:线性代数知识
- 斯坦福大学CS224d基础1:线性代数知识
- 机器学习需要的线性代数知识
- 线性代数入门知识1(行列式,矩阵)
- 线性代数入门知识2(简单向量)
- 线性代数入门知识3(线性方程组)
- 线性代数入门知识4(特征向量)
- 线性代数入门知识5(二次型)
- Hibernate学习笔记—Hibernate对象的三种状态
- Message深入解析
- Lucene学习笔记(一)-------Lucene基础
- BZOJ 3889: [Usaco2015 Jan]Cow Routing 双键值最短路
- Java的三种代理模式
- 线性代数背景知识
- 100款机器学习数据集
- Sqlnet.ora限制IP登录
- jqueryday02(jQuery基本使用特性 一些设置方法 基本样式设置)
- Lucene学习笔记(二)--------构建索引
- ImageLoader 图片异步加载
- navicat连接oracle 12c
- Android GreenDao 简介、配置、使用 -- 适用于新手
- maven 创建项目 报错javax.servlet.http.HttpServlet