矩阵乘法的三种角度

BryantJD

于 2023-08-20 16:53:11 发布

阅读量170

点赞数

文章标签：矩阵算法线性代数

本文链接：https://blog.csdn.net/BryantDaiJB/article/details/132393540

版权

教科书视角

假设有两个矩阵 $2\times2$ 的 $A$ 和 $B$ ，其中
$\begin{bmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{bmatrix} \qquad \qquad B = \begin{bmatrix} b_{11} & b_{12} \\ b_{21} & b_{22} \\ \end{bmatrix}$
他们的乘积为矩阵 $C$ ，则有 $C = A B$ 。
$=\begin{bmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{bmatrix} \begin{bmatrix} b_{11} & b_{12} \\ b_{21} & b_{22} \\ \end{bmatrix} = \begin{bmatrix} a_{11}b_{11} + a_{12}b_{21} & a_{11}b_{12} + a_{12}b_{22} \\ a_{21}b_{11} + a_{22}b_{21} & a_{21}b_{12}+a_{22}b_{22} \\ \end{bmatrix}$

列向量视角

假如我们把矩阵乘法里面的每一列都看成是一个列向量，那么矩阵 $A$ 和 $B$ 就可以表示成：
$\begin{bmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{bmatrix} = \begin{bmatrix} a_1 &a_2\end{bmatrix} \qquad \qquad B = \begin{bmatrix} b_{11} & b_{12} \\ b_{21} & b_{22} \\ \end{bmatrix} = \begin{bmatrix} b_1 &b_{2}\end{bmatrix}$
对应地，矩阵 $A$ 和 $B$ 的乘积矩阵 $C$ 可以表示为：
$=\begin{bmatrix} a_{11}b_{11} + a_{12}b_{21} & a_{11}b_{12} + a_{12}b_{22} \\ a_{21}b_{11} + a_{22}b_{21} & a_{21}b_{12}+a_{22}b_{22} \\ \end{bmatrix} = \begin{bmatrix} c_1 & c_2 \end{bmatrix}$
那么矩阵 $C$ 的第一个列向量 $c_1$ 为：
$c_1 =\begin{bmatrix} a_{11}b_{11} + a_{12}b_{21} \\ a_{21}b_{11} + a_{22}b_{21} \\ \end{bmatrix} = b_{11}\begin{bmatrix} a_{11} \\a_{21} \end{bmatrix} + b_{21}\begin{bmatrix} a_{12} \\a_{22} \end{bmatrix} = b_{11} a_1 + b_{21}a_2 = \begin{bmatrix} a_1 &a_2\end{bmatrix} \begin{bmatrix} b_{11} \\ b_{21}\end{bmatrix}$
可以发现 $\begin{bmatrix} b_{11} \\ b_{21}\end{bmatrix}$ 恰恰就是矩阵 $B$ 的第一列，而 $\begin{bmatrix} a_1 &a_2\end{bmatrix}$ 就是矩阵 $A$ 中的所有列向量。从而我们可以知道 $c_1$ 其实就是矩阵 $A$ 中所有列向量的线性组合，而线性组合的系数是矩阵 $B$ 对应列向量的元素。

更一般性地，我们可以推出：如果我们把矩阵乘法里面参与者 $C = A B$ 的每一列都看成是一个列向量，那么矩阵 $C$ 中的每一列都是矩阵 $A$ 中所有列向量的线性组合，而线性组合的系数是矩阵 $B$ 对应列向量的元素。

行向量视角

假如我们把矩阵乘法里面的每一行都看成是一个行向量，那么矩阵 $A$ 和 $B$ 就可以表示成
$\begin{bmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \\ \end{bmatrix} = \begin{bmatrix} a_1 \\ a_2\end{bmatrix} \qquad \qquad B = \begin{bmatrix} b_{11} & b_{12} \\ b_{21} & b_{22} \\ \end{bmatrix} = \begin{bmatrix} b_1 \\b_{2}\end{bmatrix}$
对应地，矩阵 $A$ 和 $B$ 的乘积矩阵 $C$ 可以表示为：
$=\begin{bmatrix} a_{11}b_{11} + a_{12}b_{21} & a_{11}b_{12} + a_{12}b_{22} \\ a_{21}b_{11} + a_{22}b_{21} & a_{21}b_{12}+a_{22}b_{22} \\ \end{bmatrix} = \begin{bmatrix} c_1 \\ c_2 \end{bmatrix}$
那么矩阵 $C$ 的第一个列向量 $c_1$ 为：
$c_1 = \begin{bmatrix} a_{11}b_{11} + a_{12}b_{21} & a_{11}b_{12} + a_{12}b_{22} \\ \end{bmatrix} = a_{11}\begin{bmatrix} b_{11} & b_{21}\end{bmatrix} + a_{12} \begin{bmatrix} b_{12} &b_{22} \end{bmatrix} = a_{11}b_1 + a_{12}b_2 = \begin{bmatrix} a_{11} &a_{12} \end{bmatrix}\begin{bmatrix} b_1 \\b_2 \end{bmatrix}$
可以发现 $\begin{bmatrix} a_{11} & a_{12}\end{bmatrix}$ 恰恰就是矩阵 $A$ 的第一行，而 $\begin{bmatrix} b_1 \\b_2\end{bmatrix}$ 就是矩阵 $B$ 中的所有行向量。从而我们可以知道 $c_1$ 其实就是矩阵 $B$ 中所有行向量的线性组合，而线性组合的系数是矩阵 $A$ 对应行向量的元素。