（1）张量：用来表示超过两维的数组
（2）线性相关：是一种冗余现象
（3）范数：有时我们需要衡量一个向量的大小。在机器学习中，我们经常使用被称为范数
（norm）的函数衡量向量大小。范数是将向量映射到非负值的函数。
（4）正交矩阵：正交矩阵受到关注是因为求逆计算代价小。
（5） 正定矩阵：所有特征值都是正数的矩阵被称为正定矩阵。
（6）奇异值分解：奇异值分解比特征值分解有更广泛的应用。每个实数矩阵都有一个奇异值分解，但不一定都有特征分解。例如，非方阵的矩阵没有特征分解，这时我们只能使用奇异值分解。
（7）迹运算：用迹运算表示表达式，我们可以使用很多有用的等式巧妙地处理表达式。例如，迹运算在转置运算下是不变的。
（8）行列式：记作 det(A)，它是一个将方阵 A映射到实数的函数。行列式等于矩阵特
征值的乘积。行列式的绝对值可以用来衡量矩阵参与矩阵乘法后空间扩大或者缩小
了程度。如果行列式是 0，那么空间至少沿着某一维完全收缩了，使其失去了所有的
体积。如果行列式是 1，那么这个转换保持空间体积不变。
线性代数
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- 数学是计算机技术的基础，线性代数是机器学习和深度学习的基础，了解数据知识最好的方法我觉得是理解概念，数学不只是上学...
