列向量和行向量看待矩阵乘法
2017-07-24 19:19
363 查看
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
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中相应的第 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。
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。
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。
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的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(C) <= 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(C) <= R(B)。
根据上述讨论,得到R(AB) <= {R(A),R(B)}
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中相应的第 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
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。
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的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(C) <= 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(C) <= R(B)。
根据上述讨论,得到R(AB) <= {R(A),R(B)}
相关文章推荐
- 一个简单的MATLAB读写文本文件程序--稀疏矩阵向量乘法
- [zt]矩阵和向量的乘法顺序
- 线性空间的向量组与数量矩阵的乘法
- 矩阵和向量的乘法顺序
- 独立事件、笛卡尔积与矩阵向量乘法
- numpy矩阵与向量类型的向量乘法
- 【转】矩阵和向量的乘法顺序
- 一些算法的MapReduce实现——矩阵-向量乘法实现
- 向量、矩阵乘法的几何意义(一) scalar multiplication VS scalar product
- 矩阵和向量的乘法顺序
- OpenMP编程实例(向量点积、矩阵乘法和快排)
- bzoj 3243: [Noi2013]向量内积 矩阵乘法
- 关于用mapreduce做kmeans聚类以及python的numpy和list做矩阵、向量乘法的速度对比
- 【MPI】矩阵向量乘法
- MPI矩阵与向量乘法
- cuda初学(1):稀疏矩阵向量乘法(单精度)
- CUDA编程入门:向量加法和矩阵乘法
- 向量、矩阵乘法的几何意义(二) 矩阵乘法(Matrix Multiplication)
- 矩阵向量乘法与线性变换
- Python 矩阵与矩阵以及矩阵与向量的乘法