人工智能 机器学习中矩阵的逆势什么呢？

一、什么是矩阵的逆矩阵？（课时 1 配套知识点）

1. 定义
   对于一个方阵 A（行数 = 列数）如果存在另一个矩阵
   A
   −1

，满足：
AA
−1
=A
−1
A=E
E
是单位矩阵（对角线 1，其余 0）
就称：
A
−1

是矩阵 A 的逆矩阵，简称矩阵逆。
你说的 “逆势”= 口误，正确叫：逆矩阵 / 矩阵求逆
2. 类比数字理解（超好记）
数字里：
2×
2
1
​
=1
矩阵里：
A×A
−1
=E
数字倒数
2
1
​

矩阵逆
A
−1

二、矩阵可逆的条件（必考）
必须是方阵（n 行 n 列）
行列式
det(A)

=0
（行列式不等于 0）
矩阵满秩
不满足 → 不可逆（奇异矩阵）
三、为什么线性回归一定要学矩阵逆？（课程重点！）
线性回归正规方程（最小二乘法解析解）公式：
w
^
=(X
T
X)
−1
X
T
y
这里：
(X
T
X)
−1

就是矩阵求逆
含义：不用梯度下降迭代，一步直接算出最优权重 w，就是靠矩阵逆。
四、逆矩阵 4 条核心性质（面试必背）
(A
−1
)
−1
=A
(AB)
−1
=B
−1
A
−1

（顺序反过来）
(A
T
)
−1
=(A
−1
)
T

(kA)
−1

k
1
​
A
−1
(k

=0)
五、简单例子（2 阶矩阵求逆）
二阶矩阵：
A=(
a
c
​

b
d
​
)
行列式：
∣A∣=ad−bc
逆矩阵公式：
A
−1

ad−bc
1
​
(
d
−c
​

−b
a
​
)
口诀：主对角线互换，副对角线变号，除以行列式
六、和你当天课程的对应总结
周二学：线性回归 → 最小二乘法正规方程 → 必须用矩阵逆
梯度下降：迭代慢慢算（大数据用）
矩阵逆求解析解：一步算出最优 w（小数据、理论原理用）