对矩阵乘法的理解

最新推荐文章于 2023-05-13 17:05:55 发布

你回到了你的家

最新推荐文章于 2023-05-13 17:05:55 发布

阅读量672

点赞数

分类专栏：矩阵分析文章标签：线性代数矩阵

本文链接：https://blog.csdn.net/kking_edc/article/details/121125975

版权

矩阵分析专栏收录该内容

16 篇文章 10 订阅

订阅专栏

1 高斯消元法与矩阵乘法

1.1 矩阵乘法：

对于：

在这里插入图片描述

它表达了两个过程：

第一行不变： $r_1'=r1$
第二行改变： $r_2'=r_2-3r_1$

用矩阵乘法可以表示为：
在这里插入图片描述

1.2 矩阵乘法与高斯消元法

利用矩阵乘法，整个高斯消元法可以表示如下：

在这里插入图片描述
所以对于方程：

$\begin{pmatrix}1&2&3\\3&4&5\end{pmatrix}$

我们得到了如下的答案：

$\begin{pmatrix}1&0&-1\\0&1&2\end{pmatrix}\Longrightarrow\begin{cases}x=-1\\y=2\end{cases}$

2 对矩阵乘法的理解

对矩阵乘法的理解，更正确的观点是把矩阵看作函数。

2.1 矩阵是一个函数

下面是一个简单的一次函数：

$a x = y$

换一种方式理解：

$a x + 0 y = 0 x + y$

整个过程可以理解为把 $(x, 0)$ 点映射到 $(0, a x)$ 点：

在这里插入图片描述
我们也可以通过矩阵 $A\vec{x}=\vec{y}$ 来完成这样的映射。此时，令：

$A=\begin{pmatrix}0&1\\a&0\end{pmatrix}$

此时：

$A\vec{x}=\begin{pmatrix}0&1\\a&0\end{pmatrix}\begin{pmatrix}x\\0\end{pmatrix}=\begin{pmatrix}0\\ax\end{pmatrix}$

2.2 矩阵的优点

对于：

$ax=y,x\in R,y\in R$

这只能完成实数到实数的映射：

$x\to y\Longrightarrow R\to R$

但是如果我们使用矩阵 $A$ ：

$A\vec{x}=\vec{y},\vec{x}\in\mathbb{R}^n,\vec{y}\in\mathbb{R}^m$

此时可以完成更广泛的映射：

$\vec{x}\to\vec{y}\Longrightarrow \mathbb{R}^n\to\mathbb{R}^m$

为了完成上述的映射，矩阵 $A$ 此时已经不再是系数 $a$ 了，而是一个函数（或者说是映射）。

假设 $\vec{x}$ 所在平面为 $V$ ，而 $\vec{y}$ 所在平面为 $W$ ， $\vec{x}$ 通过矩阵 $A$ 映射到了 $\vec{y}$ ，可以通过如下的图进行表示：

在这里插入图片描述
$A$ 这个映射的特殊之处是， $V$ 上的直线通过 $A$ 映射到 $W$ 上也是直线：

在这里插入图片描述
所以矩阵也被称为线性映射。

2.2 矩阵函数的工作方式

具体的矩阵作为例子

通过一个具体的例子来进行理解，令：

$A=\begin{pmatrix}1&-1\\1&1\end{pmatrix}\quad\quad\vec{a}=\begin{pmatrix}1\\1\end{pmatrix}\quad\quad\vec{b}=\begin{pmatrix}0\\2\end{pmatrix}$

此时 $\vec{a}$ 会通过 $A$ 映射到 $\vec{b}$ ，用图可进行如下的表示（为了方便理解将上面的3D图变成了2D图）：
在这里插入图片描述
这里 $V$ 和 $W$ 都是 $\mathbb{R}^2$

基

$\vec{a},\vec{b}$ 的基默认为各自向量空间下的自然基，其自然基为：

$\vec{i}=\begin{pmatrix}1\\0\end{pmatrix}\quad\quad\vec{j}=\begin{pmatrix}0\\1\end{pmatrix}$

所以：

$\vec{a}=\begin{pmatrix}1\\1\end{pmatrix}=1\vec{i}+1\vec{j}\quad\quad\vec{b}=\begin{pmatrix}0\\2\end{pmatrix}=0\vec{i}+2\vec{j}$

下图展示了 $\vec{a},\vec{b}$ 在各自向量空间的自然基下的表示：

在这里插入图片描述

工作原理

为了说清楚 $A$ 是怎么工作的，我们把 $A$ 也用一个空间表示， $V$ 会通过 $A$ 映射到 $W$ ：

在这里插入图片描述
这里 $\vec{a}$ 的基为：

$\vec{i}=\begin{pmatrix}1\\0\end{pmatrix}\quad\quad\vec{j}=\begin{pmatrix}0\\1\end{pmatrix}$

根据矩阵乘法的规则， $KaTeX parse error: Undefined control sequence: \A at position 1: \̲A̲\vec{a}=\vec{b}$ 计算如下：
在这里插入图片描述
我们令（此时可以将 $\vec{c_1},\vec{c_2}$ 看成另外一组基）：

这样看更清晰些：