从行或列的角度思考矩阵-向量乘法(matrix-vector multiplication)

从行或列的角度思考矩阵-向量乘法可以帮助理解这个运算的几何意义以及如何在计算中操作。

1. 从行的角度思考

假设我们有一个 m × n m \times n m×n的矩阵 A A A 和一个 n × 1 n \times 1 n×1的列向量 x \mathbf{x} x。矩阵-向量乘法 A x A\mathbf{x} Ax 的结果是一个 m × 1 m \times 1 m×1的列向量。

从行的角度来看,每个结果向量的元素都是矩阵 A A A 中对应行的线性组合。具体地说:

  • 矩阵 A A A 的第 i i i 行向量 a i \mathbf{a}_i ai 与向量 x \mathbf{x} x 进行点积,得到结果向量 y \mathbf{y} y 的第 i i i 个元素 y i y_i yi 。
  • 公式表示为:
    y i = a i ⋅ x = ∑ j = 1 n a i j x j y_i = \mathbf{a}i \cdot \mathbf{x} = \sum{j=1}^{n} a_{ij} x_j yi=ai⋅x=j=1∑naijxj
  • 这意味着矩阵-向量乘法的结果 y \mathbf{y} y 是所有行向量与 x \mathbf{x} x点积后所得的列向量。

2. 从列的角度思考

同样,考虑矩阵 A A A和向量 x \mathbf{x} x的乘法 A x A\mathbf{x} Ax,但是从列的角度来看。

  • 矩阵 A A A可以表示为 n n n 个列向量 a 1 , a 2 , ... , a n \mathbf{a}_1, \mathbf{a}_2, \dots, \mathbf{a}_n a1,a2,...,an的组合。
  • 乘法 A x A\mathbf{x} Ax 实际上是将列向量 a i \mathbf{a}_i ai 乘以标量 x i x_i xi 并求和:
    A x = x 1 a 1 + x 2 a 2 + ⋯ + x n a n A\mathbf{x} = x_1 \mathbf{a}_1 + x_2 \mathbf{a}_2 + \dots + x_n \mathbf{a}_n Ax=x1a1+x2a2+⋯+xnan
  • 这意味着矩阵-向量乘法的结果 y \mathbf{y} y是矩阵 A A A的每个列向量 a i \mathbf{a}_i ai按 x i x_i xi加权后的线性组合。

小结

  • 行视角:每个结果元素是矩阵行向量和列向量的点积。
  • 列视角:结果向量是矩阵列向量的线性组合,其中组合系数由列向量中的对应元素给出。

通过从行和列两个角度去理解矩阵-向量乘法,可以更深入地把握矩阵运算的本质以及其在不同应用场景中的几何意义。

相关推荐
Json_1 小时前
Vue 构造器 Vue.extend
前端·vue.js·深度学习
Json_2 小时前
Vue 实例方法
前端·vue.js·深度学习
mosquito_lover12 小时前
矿山边坡监测预警系统设计
人工智能·python·深度学习·神经网络·视觉检测
船长@Quant2 小时前
PyTorch量化进阶教程:第二章 Transformer 理论详解
pytorch·python·深度学习·transformer·量化交易·sklearn·ta-lib
Json_2 小时前
实例入门 实例属性
前端·深度学习
Json_2 小时前
JS中的apply和arguments小练习
前端·javascript·深度学习
Json_2 小时前
Vue Methods Option 方法选项
前端·vue.js·深度学习
Json_3 小时前
Vue v-bind指令
前端·vue.js·深度学习
Json_3 小时前
JS中的冒泡简洁理解
前端·javascript·深度学习
Json_3 小时前
Vue 自定义指令
前端·vue.js·深度学习