[142536]
矩陣的維度:行
× 列;
A 表示矩陣,
Aij 表示矩陣第
i 行第
j 列的元素。
向量是一種特殊矩陣,n×1 的矩陣:
y=⎡⎣⎢123⎤⎦⎥ 表示三維向量;
yi 表示向量y 的第i 個元素。
向量的表示包括0 索引法和1 索引法:
y=⎡⎣⎢y1y2y3⎤⎦⎥ 爲1索引法,y=⎡⎣⎢y0y1y1⎤⎦⎥ 爲0索引法,一般使用1索引法。
一般用大寫字母表示矩陣,如A、B、C ;用小寫字母表示向量,如a、x、y 。
相同維度的矩陣才能進行加、減運算。
矩陣與向量的乘法:
A×x=y
其中
A 爲
m×n 矩陣,
x 爲
n×1 矩陣即
n 維向量,
y 爲
m 維向量,
yi 等於
A 的第
i 行元素乘以向量
x 的元素,然後相加:
⎡⎣⎢acebdf⎤⎦⎥∗[xy]=⎡⎣⎢a∗x+b∗yc∗x+d∗ye∗x+f∗y⎤⎦⎥
注:
A 的列數必須與
x 的行數相同。
矩陣間乘法:
A×B=C
其中,
A 爲
m×n 矩陣,
B 爲
n×o 矩陣,
C 爲
m×o 矩陣,
C 的第
i 列是
A 乘以
B 的第
i 列,
Cij 等於
A 的第
i 行元素乘以
B 的第
j 列元素,然後相加:
⎡⎣⎢acebdf⎤⎦⎥∗[wyxz]=⎡⎣⎢a∗w+b∗yc∗w+d∗ye∗w+f∗ya∗x+b∗zc∗x+d∗ze∗x+f∗z⎤⎦⎥
注:
A 的列數必須與
B 的行數相同。
線性迴歸:Prediction=DataMatrix∗Parameters
預測值:⎡⎣⎢⎢⎢210414161534852⎤⎦⎥⎥⎥ ,三個假設函數:⎧⎩⎨hθ(x)=−40+0.25xhθ(x)=200+0.1xhθ(x)=−150+0.4x
求取hθ(x) :
⎡⎣⎢⎢⎢1111210414161534852⎤⎦⎥⎥⎥∗[−400.152000.1−1500.4]=⎡⎣⎢⎢⎢486314344173410342353285692416464191⎤⎦⎥⎥⎥
矩陣乘法原則:
A×B≠B×A(A×B)×C=A×(B×C)
單位矩陣:
I 或
In×n
例:
[1001]⎡⎣⎢100010001⎤⎦⎥
原則:
A⋅I=I⋅A=A(即:Am×n⋅In×n=Im×m⋅Am×n=Am×n)
逆矩陣:不是所有矩陣都有逆矩陣,只有m×m 的矩陣纔有可能有逆矩陣,若有,表示爲A−1 。
原則:AA−1=A−1A=I
在Octave 中,求矩陣A 的逆矩陣用pinv(A)
若矩陣不存在逆矩陣,稱爲奇異矩陣或退化矩陣。
轉置矩陣:
A=[132509]AT=⎡⎣⎢120359⎤⎦⎥
A 是
m×n 矩陣,
B=AT ,則
B 是
n×m 矩陣,且
Bij=Aji
在
Octave 中,求矩陣
A 的轉置矩陣用
A′