什么是矩陣的秩
1.列向量的空間維數
2.rank的另一個定義：矩陣非零子式的最大階數
3.對應線性方程組有效方程組的個數
什么是矩陣的跡
在線性代數中，一個n×n矩陣A的主對角線（從左上方至右下方的對角線）上各個元素的總和被稱為矩陣A的跡（或跡數），一般記作tr(A)。
正定矩陣：
特征值都大於0的矩陣
半正定矩陣：
特征值大於等於0的矩陣
行空間：
矩陣的行向量組成的空間。
列空間：
矩陣的列向量組成的空間
增廣矩陣
系數矩陣
線性方程組有解/無解/唯一解的條件？
① 無解：系數矩陣秩 < 增廣矩陣的秩
② 唯一解：系數矩陣秩 = 增廣矩陣的秩 = 列數
③ 無窮解：系數矩陣秩 = 增廣矩陣的秩 < 列數
矩陣的逆
簡而言之，逆矩陣是一個判斷相似性的工具。逆矩陣A與列向量p相乘后，將得到列向量q，q的第i個分量表示p與A的第i個列向量的相似度。
如果您正好了解機器學習，不妨看看我的解釋在線性模型上的運用：關於線性模型你可能還不知道的二三事（一、樣本）
凸函數
梯度下降怎么避免局部最優
1.local minimal saddle minimal
2.動量 + learning rate
3.SGD