线性代数 矩阵乘法
来源:互联网 发布:js设置div颜色 编辑:程序博客网 时间:2024/05/21 10:45
大多数人在高中,或者大学低年级,都上过一门课《线性代数》。这门课其实是教矩阵。
刚学的时候,还蛮简单的,矩阵加法就是相同位置的数字加一下。
矩阵减法也类似。
矩阵乘以一个常数,就是所有位置都乘以这个数。
但是,等到矩阵乘以矩阵的时候,一切就不一样了。
这个结果是怎么算出来的?
教科书告诉你,计算规则是,第一个矩阵第一行的每个数字(2和1),各自乘以第二个矩阵第一列对应位置的数字(1和1),然后将乘积相加( 2 x 1 + 1 x 1),得到结果矩阵左上角的那个值3。
也就是说,结果矩阵第m行与第n列交叉位置的那个值,等于第一个矩阵第m行与第二个矩阵第n列,对应位置的每个值的乘积之和。
怎么会有这么奇怪的规则?
我一直没理解这个规则的含义,导致《线性代数》这门课就没学懂。研究生时发现,线性代数是向量计算的基础,很多重要的数学模型都要用到向量计算,所以我做不了复杂模型。这一直让我有点伤心。
前些日子,受到一篇文章的启发,我终于想通了,矩阵乘法到底是什么东西。关键就是一句话,矩阵的本质就是线性方程式,两者是一一对应关系。如果从线性方程式的角度,理解矩阵乘法就毫无难度。
下面是一组线性方程式。
矩阵的最初目的,只是为线性方程组提供一个简写形式。
老实说,从上面这种写法,已经能看出矩阵乘法的规则了:系数矩阵第一行的2和1,各自与 x 和 y 的乘积之和,等于3。不过,这不算严格的证明,只是线性方程式转为矩阵的书写规则。
下面才是严格的证明。有三组未知数 x、y 和 t,其中 x 和 y 的关系如下。
x 和 t 的关系如下。
有了这两组方程式,就可以求 y 和 t 的关系。从矩阵来看,很显然,只要把第二个矩阵代入第一个矩阵即可。
从方程式来看,也可以把第二个方程组代入第一个方程组。
上面的方程组可以整理成下面的形式。
最后那个矩阵等式,与前面的矩阵等式一对照,就会得到下面的关系。
矩阵乘法的计算规则,从而得到证明。
- Python 线性代数 矩阵乘法
- 线性代数 矩阵乘法
- 数学基础-线性代数-矩阵乘法
- 线性代数-矩阵乘法的推导
- 线性代数:乘法和逆矩阵
- 线性代数:矩阵乘法和逆矩阵
- 【线性代数】矩阵的乘法与求逆
- 重新认识线性代数1-矩阵的乘法
- 麻省理工-线性代数-乘法和逆矩阵
- [线性代数]Note3--乘法和逆矩阵
- 线性代数Lec03:矩阵乘法和逆
- Matlab与线性代数 -- 矩阵的乘法
- 线性代数3——矩阵乘法
- 漫步线性代数四——矩阵符号和矩阵乘法
- MIT线性代数 矩阵乘法与矩阵的逆
- 逆序数&行列式&矩阵乘法&逆矩阵【线性代数】
- 线性代数导论3——乘法与逆矩阵
- 线性代数·矩阵的加法减法乘法运算简单实现
- 傅里叶变换分析
- 百练_2911:受限完全平方数
- 笔试题分析(1)
- 启用shareding认证
- Oracle数据库sqlplus常用命令
- 线性代数 矩阵乘法
- 比较全的spring约束
- 41. First Missing Positive
- MongoDB三(集合操作)
- 散列
- vmware安装centos
- 值得推荐的C/C++框架和库
- AI(人工智能)—人类的终结者,我们最后的发明。
- ios(ipad,iphone)屏幕旋转检测通用方法