线性代数-程序员的线性代数-矩阵乘法（4.5-4.8）
背景与目标
继续之前的线性代数走读
划重点
4.5 矩阵看成一个系统
4.6 矩阵和向量的乘法
- 矩阵和向量相乘来表征一个系统的方法（如果把x当做特征值，是不是有种机器学习的感觉了）
- 乘法的过程
- 向量与矩阵的乘机结果的
维度结构不变，所以矩阵可以理解为是向量的函数（这样理解，也完全符合机器学习的思想） - 函数的概念：把一个数（或者向量等等），转换为另外一个数（或者是向量等等）
4.7 矩阵和矩阵的乘法
- 矩阵和矩阵的乘法，分解成为矩阵和向量的乘法
- 矩阵1的列数 必须和 矩阵2的行数一致。 矩阵1为 m × k，矩阵2就是 k × n，相乘以后等到一个m × n的矩阵
- 注意：矩阵乘法不遵循交换律
4.8 矩阵自我实现
略了。。以后更多是用numpy，自我实现就显得有一些鸡肋。
评价
在机器学习的推导中，必然会使用到矩阵的乘法，重点注意：矩阵的乘法，不支持交换律