声明: 仅个人小记
前言: 主要是引入一个新的看待矩阵乘法的角度觉得这个挺重要的,故做记录

列向量角度,矩阵左乘

AB = C
结合上图,我们可以知道,结果矩阵C中的第 j 列完全可以表示为矩阵A中列向量的线性组合,具体怎样的线性组合完全是参看矩阵B相应的第 j 列,与矩阵B中的其他列无关

换言之,左侧矩阵提供基本的列向量,右侧的矩阵交代怎样的线性组合。

行向量角度,矩阵右乘

AB = C
结合上图,结果矩阵C中的第i行完全可以表达为矩阵B中的行向量的线性组合,具体如何进行线性组合,完全参看矩阵A中相应的第i行,与矩阵A中的其他行无关。
右侧矩阵提供基本的行向量,左侧矩阵交代进行怎样的线性组合,结果矩阵便是线性组合的结果。

根据上述讨论,解释两个定理

  1. 定理一
    矩阵方程AX = B 有解的充分必要条件是R(A) = R(A,B)

    上面的总结可以很好的解释下面这个定理,即

    R(A) : 矩阵A的秩
    (A,B) :即两个矩阵水平按左右放在一起构成一个新的矩阵C。

    由上面知道,B中的每一列都可以表达为A中的列向量进行线性组合,所以**(A,B)中的B部分是可以通过初等变换被左边的A**完全消化,即,B的引入并没有树立新的独立的维度。

  2. 定理二
    对于矩阵A,B , 有 R(AB) <= min{R(A),R(B)}
    AB 是矩阵A和矩阵B的乘积结果,记作C

    由上面的分析,可以知道,结果矩阵C中的所有向量都是可以表达为矩阵A的线性组合。我们可以进一步考虑C中能有多少个列向量呢?显然,结果矩阵C中的列向量的数目是由矩阵B的列数决定的。这里的讨论先暂停一下。

    我们来讨论一下矩阵的秩,

    • 矩阵的秩是可以看作是矩阵列(行)向量张成的空间的维度
    • 矩阵的秩 <= min{该矩阵行数,该矩阵列数}
    • 从N维度空间中任意选出一组向量,以这组向量为基向量重新构建的空间的维度一定不会超过N。
    • 从N维度空间中任意选出M个向量,以这组向量为基向量重新构建的空间的维度一定不会超过M。

    所以,由于结果矩阵C中的列向量都是选自由矩阵A列向量为基向量张成的空间。所以C中列向量张成的空间的维度一定不超过矩阵A的列向量张成的空间的维度,即矩阵A的秩。即得到 R(AB) = R© <= R(A)

    同样,我们再从行向量的角度看待AB。结果矩阵C中的行向量都是选自由矩阵B的行向量为基向量所张成的空间。所以结果矩阵C中行向量张成的空间的维度一定不超过矩阵B的行向量张成的空间的维度,即矩阵B的值。从而得到R(AB) = R© <= R(B)

    根据上述讨论,得到R(AB) <= {R(A),R(B)}

列向量和行向量看待矩阵乘法相关推荐

  1. 矩阵乘法的四种理解方式

    先介绍向量的两种运算,一个行向量乘以一个列向量称作向量的内积,又叫作点积,结果是一个数: 一个列向量乘以一个行向量称作向量的外积,外积是一种特殊的克罗内克积,结果是一个矩阵, 假设和b分别是一个行向量 ...

  2. 数组、列向量和行向量区别

    Numpy库学习--向量表示 在机器学习和深度学习的编程过程中,为了提高程序的运行速度,通常将模型表达式转换为向量表达式(向量化),即利用矩阵运算思想提高运行效率.那么,在Python中究竟如何利用N ...

  3. 线性代数矩阵乘法中的行向量和列向量

    线性代数矩阵乘法中的行向量和列向量 在矩阵中有两个概念,行向量与列向量,这是从两个不同的角度看待矩阵的组成.这篇文章将从行向量和列向量两个角度来分解矩阵的乘法. 假设有两个矩阵A和B 一般矩阵的乘法分 ...

  4. python numpy 矩阵乘法以及列向量与行向量乘法

    最近在熟悉python的科学计算,对于numpy的矩阵运算进行一些总结,和matlab还是很不一样的 import numpy as np 1.矩阵乘法 np.dot(a,b),但a,b都为一维矩阵的 ...

  5. matlab简单分析矩阵乘法——一阶行向量乘一阶列向量

    A=[1,2,3],B=[321]A=\begin{bmatrix} 1,&2,&3 \end{bmatrix},B=\begin{bmatrix} 3\\ 2\\ 1 \end{bm ...

  6. 行向量,列向量,行主序矩阵,列主序矩阵

    原理:  PS: 很不喜欢OGL的列矩阵方式,不过本质上是一样的.   v2 = v1 * ma * mb; (dx) v2 = mb(T) * ma(T) * v1 (ogl)   关于这个话题,网 ...

  7. 循环取矩阵的某行_1.2 震惊! 某大二本科生写的矩阵乘法吊打Mathematica-线性代数库BLAS-矩阵 (上)...

    本文是 1. 线性代数库BLAS​zhuanlan.zhihu.com 系列的第二篇, 将讲述矩阵类的结构和矩阵基础运算的AVX2加速算法. 1. 矩阵类的结构 在讲述矩阵各种算法之前很有必要详解一下 ...

  8. 稀疏矩阵加法运算_1.2 震惊! 某大二本科生写的矩阵乘法吊打Mathematica-线性代数库BLAS-矩阵 (上)...

    本文是 1. 线性代数库BLAS​zhuanlan.zhihu.com 系列的第二篇, 将讲述矩阵类的结构和矩阵基础运算的AVX2加速算法. 1. 矩阵类的结构 在讲述矩阵各种算法之前很有必要详解一下 ...

  9. 2.6 矩阵乘法重要特例

    重要特例 AmnA_{mn}Amn​ , BnpB_{np}Bnp​ 两个矩阵相乘,当 m,n,pm,n,pm,n,p 有的为 111 时,是极其重要的特例,具有重要意义. 定义 列向量 列数为 11 ...

最新文章

  1. 基于matlab的人脸五官边缘检测方法,基于MATLAB的人脸识别系统的设计
  2. Java 里的 abstract 和 final 关键字
  3. python三元运算符怎么使用_Python的三元运算符使用方法
  4. 自编码器及其相关模型
  5. 用python画大白_[Python][可视化]matplotlib基础入门
  6. 哈佛博士生经验分享:10种方法让你在读博阶段更加轻松愉快
  7. 信息学奥赛一本通 1089:数字反转 | 1953:【11NOIP普及组】数字反转 | OpenJudge NOI 1.5 29 | 洛谷 P1307 [NOIP2011 普及组] 数字反转
  8. Dubbo消费者代理的调用
  9. mysql索引方式_MySQL数据库的索引方式
  10. 中国人工智能论文首超美国,背后的秘密竟然是……
  11. python初学小结三:文件、集合、函数、变量等
  12. Java生成随机常用汉字或姓名
  13. mxf格式怎么转换成mp4?
  14. 华为LTC/IPD/ITR三大核心流程变革看一篇文章就全明白啦!
  15. 拼多多带货视频是什么?拼多多带货视频如何上传
  16. android 广播监听截屏,Android 应用监听截屏操作
  17. 【25】processing-视频(中文)
  18. 解决is exceeding the 65535 bytes limit问题
  19. 计算机英语第四版可可英语翻译,专四英语作文高分范文背诵(MP3+中英字幕)第28篇:计算机和人翻译...
  20. 获取与设置checkbox选中状态

热门文章

  1. js自定义提示框弹窗
  2. CSS3中的一些新特性(CSS)
  3. BUUCTF others babystack
  4. 你没看错!TCL品牌日10万台洗衣机免费送
  5. Java 执行 JS 脚本工具
  6. 【第一天日记-html】
  7. 利用 Openai Gpt-3 实现下一代自动化测试
  8. mysqlcount效率,总结到位
  9. jmeter压测学习28-监听器之用表格察看结果(View Results in Table)
  10. sublime3 Ctrl + B 只build 不运行的解决方案之一