机器学习深度学习之数学基础:线性代数中矩阵的基本知识
作者头像
  • 旷视(Face++)
  • 2020-05-12 08:03:52 3

线性方程组

当我们把多个方程组合在一起时,就形成了线性方程组。接下来,我们将通过向量的方式构建线性方程组,如下所示:

在矩阵的角度下,我们也可以构建线性方程组。

利用矩阵来构建线性方程组有哪些优势呢?通过矩阵,我们可以判断线性方程组是否有解,以及具体的解是什么。这部分内容我们将在后续讨论。现在,我们先了解如何用矩阵表示线性方程组。

矩阵

接下来,我们引入矩阵的概念。矩阵可以定义为一个由m行n列组成的数组,其中aij表示矩阵的第i行第j列的元素。

特殊的矩阵

  • 零矩阵:所有元素均为0的矩阵称为零矩阵。
  • 非负矩阵:所有元素均为非负数的矩阵称为非负矩阵。
  • 方阵:行数和列数相同的矩阵称为方阵。

矩阵相等

如果两个矩阵的行数和列数相同,并且对应位置的元素也都相等,那么这两个矩阵相等,记作A=B。

矩阵的范数

在之前的学习中,我们已经了解了向量的范数。同样地,对于矩阵来说,只有满足特定条件时,才能定义其范数。具体条件如下:

通过这些条件,我们可以定义矩阵A的范数为||A||。

特殊的矩阵范数

我们接下来将介绍三个特殊的矩阵范数定义:

矩阵的范数可以通过一些具体的例子来说明。例如,某个矩阵的1范数是5,而∞范数是6。

    本文来源:图灵汇
责任编辑: : 旷视(Face++)
声明:本文系图灵汇原创稿件,版权属图灵汇所有,未经授权不得转载,已经协议授权的媒体下载使用时须注明"稿件来源:图灵汇",违者将依法追究责任。
    分享
习之数学基础线性代数矩阵基本知识深度机器学习
    下一篇