矩阵的维度:行 × × 列;
A A 表示矩阵,表示矩阵第 i i 行第列的元素。
向量是一种特殊矩阵,
n×1
n
×
1
的矩阵:
y=⎡⎣⎢123⎤⎦⎥
y
=
[
1
2
3
]
表示三维向量;
yi
y
i
表示向量
y
y
的第个元素。
向量的表示包括
0
0
索引法和索引法:
y=⎡⎣⎢y1y2y3⎤⎦⎥
y
=
[
y
1
y
2
y
3
]
为1索引法,
y=⎡⎣⎢y0y1y1⎤⎦⎥
y
=
[
y
0
y
1
y
1
]
为0索引法,一般使用1索引法。
一般用大写字母表示矩阵,如 A、B、C A 、 B 、 C ;用小写字母表示向量,如 a、x、y a 、 x 、 y 。
相同维度的矩阵才能进行加、减运算。
矩阵与向量的乘法:
矩阵间乘法:
线性回归:
Prediction=DataMatrix∗Parameters
P
r
e
d
i
c
t
i
o
n
=
D
a
t
a
M
a
t
r
i
x
∗
P
a
r
a
m
e
t
e
r
s
预测值:
⎡⎣⎢⎢⎢210414161534852⎤⎦⎥⎥⎥
[
2104
1416
1534
852
]
,三个假设函数:
⎧⎩⎨hθ(x)=−40+0.25xhθ(x)=200+0.1xhθ(x)=−150+0.4x
{
h
θ
(
x
)
=
−
40
+
0.25
x
h
θ
(
x
)
=
200
+
0.1
x
h
θ
(
x
)
=
−
150
+
0.4
x
求取
hθ(x)
h
θ
(
x
)
:
矩阵乘法原则:
单位矩阵: I I 或
例:
原则: A⋅I=I⋅A=A(即:Am×n⋅In×n=Im×m⋅Am×n=Am×n) A ⋅ I = I ⋅ A = A ( 即 : A m × n ⋅ I n × n = I m × m ⋅ A m × n = A m × n )
逆矩阵:不是所有矩阵都有逆矩阵,只有
m×m
m
×
m
的矩阵才有可能有逆矩阵,若有,表示为
A−1
A
−
1
。
原则:
AA−1=A−1A=I
A
A
−
1
=
A
−
1
A
=
I
在
Octave
O
c
t
a
v
e
中,求矩阵
A
A
的逆矩阵用
若矩阵不存在逆矩阵,称为奇异矩阵或退化矩阵。
转置矩阵:
A A 是矩阵, B=AT B = A T ,则 B B 是矩阵,且 Bij=Aji B i j = A j i
在 Octave O c t a v e 中,求矩阵 A A 的转置矩阵用