看到一篇证明矩阵点乘公式怎么来的，觉的非常通俗易懂。矩阵的本质就是线性方程式，两者是一一对应关系。
原文链接：https://blog.csdn.net/m0_37727776/java/article/details/80478470
矩阵加法就是相同位置的数字加一下。
image
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。
image
但是，等到矩阵乘以矩阵(也就是点乘)的时候，一切就不一样了。
image.png
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。
image
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。
image
矩阵的最初目的，只是为线性方程组提供一个简写形式。
image
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。
image
x 和 t 的关系如下。
image
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。
image
从方程式来看，也可以把第二个方程组代入第一个方程组。
image
上面的方程组可以整理成下面的形式。
image
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。
image
矩阵乘法的计算规则，从而得到证明。
(全文完)
长按二维码，加关注！叶子陪你玩
欢迎转载，转载请注明出处！
欢迎关注公众微信号：叶子陪你玩编程
分享自己的python学习之路
网友评论