线性代数是机器学习中需要用到的重要数学工具之一，如何使用一门编程语言来处理线性代数是学习机器学习的基础之一。

所需环境

python 2.7或3.6
site-package numpy

线性代数是本科期间工科专业的基础必修课，关于基础知识想必大家差距都不大，这里只做简单的回忆。

线性代数基础知识

标量：一个数字 5
向量：一维数字数组，其中每个元素由单个索引标识

行向量 [2 3 -7]
列向量

列向量
矩阵：m行*n列的数组成为m维矩阵
以下为2行*3列的二维矩阵
2维矩阵
使用python创建矩阵：

Python 2.7.10 (default, Aug 17 2018, 17:41:52)
[GCC 4.2.1 Compatible Apple LLVM 10.0.0 (clang-1000.0.42)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
> #创建一个向量
>>> a = 24
> #创建一个1行3列的矩阵（行向量）
>>> b = np.array([[2,-8,7]])
> #创建一个3行1列的矩阵（列向量）
>>> c = np.array([[-6],[-4],[27]])
> #创建一个3行2列的二维矩阵
>>> d = np.array([6,4,24],[1,-9,8])
>>>
>>> print a
24
>>>
>>> print b
[[ 2 -8  7]]
>>>
>>> print c
[[-6]
 [-4]
 [27]]
>>>
>>> print d
[[ 6  4 24]
 [ 1 -9  8]]
> #查看矩阵的形状
>>> d.shape
(2, 3)

矩阵基本运算

矩阵的转置

交换矩阵的行和列即得到矩阵的转置；也可以简单理解为围绕它的主对角线旋转矩阵

矩阵的转置
矩阵转置的转置是矩阵本身
矩阵转置举例：
矩阵的转置

矩阵的加法/减法

前提：待运算的两个矩阵有相同的维度
举例说明

矩阵的加法与减法

标量乘以矩阵

矩阵中所有的元素都乘以标量

标量乘以矩阵