如何理解矩阵乘法

如果学过《线性代数》,那么你应该对矩阵乘法计算规则有所了解,但为什么要这样计算呢?矩阵乘法有什么用呢?下面以理解矩阵乘法为目的来介绍。

1 高斯消元法

  首先,矩阵的本质其实就是线性方程组,而解线性方程组的通用方法就是高斯消元法。

1.1 高斯消元法的思路

   给出一个简单的例子,需要求解以下线性方程组:

  从几何上来讲,线性方程都是直线,求解方程组就是找到两个直线的交点:

   最终的目标就是把方程组化成这个样子:

  要达到这个目标,高斯消元法的思路是,先用第一行方程式消除后面方程式的某一未知数:

   同样,用第二行把这些消了:

  反过来,用第三行把这些给消了:

  反过来,用第二行把这些给消了:

   最后,达到目标:

  接下来让我们用该思路求解该方程组:

  完整的解题过程如下:

   至此,解出答案:

1.2 凯莱的高斯消元法

  英国数学家阿瑟·凯莱(1821-1895)对于看似简单的高斯消元法进行了研究,得出了惊人的结果。他当时研究矩阵的动机出于对线性方程组计算的简化。

  对于一个这样的方程组:

  在固定未知数的顺序(x 出现在第一个位置,y 出现在第二个位置,常数在等号右边)后,且保证每个未知数都出现(不出现时,系数为0),方程组就只需要系数来表示了。该方程组可以简写为如下数块:

  之前说过,高斯消元法的目标是:

  因此我们的目标就是要把数块变成下面这个样子:

  对应之前的高斯消元法:

  得到结果:

  正如你看到的,解起来并不复杂,但是要将过程描述清楚却很繁琐,这很不数学。能不能更优雅的展现这个过程呢?

1.3 数块乘法

  数学家发明了一种数块的乘法,简洁地进行高斯消元法。

  1) 单行乘法

  对于:

  用数块乘法表示为:

  2) 多行乘法

  对于:

  它表达了两个过程:

  • 第一行不变:r1' = r1
  • 第二行改变:r2' = r2 - 3r1

  用数块乘法表示为:

  即按照单行乘法的规则,只是第一行运算的结果放在第一行,第二行运算的结果放在第二行:

  有了这个运算规则后,整个高斯消元法就可以表示如下:

1.4 矩阵的定义

  阿瑟·凯莱在1858年的《矩阵理论纪要》的论文中,给这个数块以合法的数学地位,取了一个名字:矩阵。

  由 m × n 个数 aij ( i = 1,2,...,m ; j = 1,2,...,n ) 排成的 m 行 n 列的数表称为 m 行 n 列矩阵,简称 m × n 矩阵。为表示它是一个整体,总是加一个括弧,并用大写黑体字母表示它,记做:

  这 m × n 个数称为矩阵 A 的元素。

2 矩阵是一个映射函数

  更好的理解方式是把矩阵看做函数,或者说是一种映射。例如:

  矩阵 A 将一个 n 维向量 x 映射为 m 维的向量 y。

  为了更好的理解这种映射,下面给出具体的例子。研究线性映射,最重要的是搞清楚当前处在哪个基下。我们先来看看:

   x、y 的基默认为各自向量空间下的自然基,其自然基为(即 R下的自然基):

  所以:

  若:

  其中 c1,c2 为 A 的列向量。

  根据矩阵乘法规则有:

  则 Ax 相当于在 A 空间中,以 c1,c2 为基,坐标为 ( x1,x2 ) 的向量。

  假设:

  则有:

  空间 V 通过 A 映射到 W。整体来说,就是基改变,导致向量的坐标发生变化。

  可以把 A 比喻成穿越时空的传送门,只是这是一个比较死板的传送门,它的传送规则是,根据你进入传送门的时空坐标,把你送到另外一个时空对应的位置。

  我的理解是,x 本来在以矩阵 A 的列向量为基底的空间中,现在 A 是用空间 W 中的自然基底表示的,x 通过左乘 A 转换到在当前空间 W 所在坐标 y。

 

 

下一节:特征值与特征向量

主要参考:从高斯消元法到矩阵乘法如何理解矩阵乘法?

posted @ 2020-08-20 23:20  sun-a  阅读(2372)  评论(0编辑  收藏  举报