![babcbd842b47b0acaf3ce95c01f29cc1.png](https://i-blog.csdnimg.cn/blog_migrate/799a53f425d2a23c2a71a285871571b1.jpeg)
矩阵乘法的概念在之前两篇文上中已经零星提起,现在完整地概括
矩阵乘法的前提:
- 单个元素的视角
下图其实已经给出了非常直觉的解释。这里就不详细展开了,相信高中同学都能做题6得起飞。具体的计算,就是把A划成行,把B划成列,然后逐个求点积。
![ead6bb5a8ae88a4032f9f5a63d1b3f75.png](https://i-blog.csdnimg.cn/blog_migrate/ff1ba989d04312b27704300fa24fdb3a.jpeg)
![c522603d7f4e572b4af90e22480e0cd0.png](https://i-blog.csdnimg.cn/blog_migrate/b690f425d8ee38140437efa7197af185.jpeg)
2. 列视角与行视角
这两种理解方法非常类似,因此归纳在一起。
还记得
同理,对于“行向量
这个链接是之前的文章,最后一部分讲述了列向量
![06d41466ca332b1b7bfee69e7d60ad2d.png](https://i-blog.csdnimg.cn/blog_migrate/f41b44632f0548cab306f6e1c05281ed.jpeg)
3. 列向量
这个方法是利用分块矩阵和行向量乘以列向量的特性得到的。先看例子:
这么做的理由是我们把A和B看成分块矩阵
Remark: 矩阵乘法的最终目的就是得到结果。对于人类计算来说当然是1方法最直接,而从理解上2和3都是不错的,但是限于人脑“多线程”能力较弱,所以计算上没什么优势。但第4种的分割方法和1是相反的!这可能造成理解上的困难。
Reference:
Strang, G. (2006).Linear algebra and its applications(4th ed.). Belmont, CA: Thomson, Brooks/Cole.
麻省理工公开课 线性代数 MIT 18.06 Linear Algebra, Spring 2005 中英双语字幕_哔哩哔哩 (゜-゜)つロ 干杯~-bilibiliwww.bilibili.com![3de3b1f09d91b04589702549e2a682a7.png](https://i-blog.csdnimg.cn/blog_migrate/06bab7896574ed97bab912721e73267f.jpeg)