版权声明：转载请注明出处http://blog.csdn.net/xuaho0907 https://blog.csdn.net/xuaho0907/article/details/84937398
机器学习中的“向量”是指的只有一列的“矩阵”，这个矩阵有多少行就称其为有多少维度
矩阵的加（减）法：两个矩阵必须维度相同（行数列数相同）才可以加减，对应的元素相加减
矩阵的乘（除）法：
1、标量与矩阵的乘（除）法：标量与矩阵中的每个元素进行相乘（除）【符合乘法交换律，结果一样；符合乘法结合律】
2、矩阵与矩阵的乘法：前行乘后列，前面矩阵的列数要和后一个矩阵的行数相同，最终得到一个前行数X后列数维的矩阵【不符合乘法交换律；符合乘法结合律】例如：
单位矩阵：主对角线上全为1，其余位置全为0的矩阵，例如：
任何矩阵乘以单位矩阵都为其本身，单位矩阵与标量乘法里面的“1”相同，不同维度矩阵的单位矩阵维度也不同，单位矩阵的维度可以通过与之相乘矩阵的行或者列来确定，例如：
逆矩阵：相当于实数中的“倒数”概念，任何矩阵乘以它的逆矩阵都等于单位矩阵，例如：
扫描二维码关注公众号，回复：
4449546 查看本文章
只有方阵才有逆矩阵！ 不存在逆矩阵的矩阵称之为奇异矩阵或者退化矩阵
矩阵的转置：原矩阵的行变为列，原矩阵的列变为行，形成原矩阵的转置，例如：
转置矩阵的定义为：Aij = Aji