原文: Matrix-vector multiplication
在上一篇博客文章中,我们讨论了观察矩阵的三种方式:作为值表格、作为向量列表,以及最终作为函数。正是第三种观察矩阵的方式赋予了矩阵真正的力量。在这里,我们将介绍矩阵和向量之间的一种操作,称为矩阵-向量乘法,这将使我们能够将矩阵用作函数。
矩阵-向量乘法是矩阵和向量之间的一种操作,会产生一个新向量。值得注意的是,矩阵-向量乘法仅定义在矩阵和向量之间,其中向量的长度等于矩阵的列数。其定义如下:
定义 1 (矩阵-向量乘法): 给定矩阵 \(\boldsymbol{A} \in \mathbb{R}^{m \times n}\) 和向量 \(\boldsymbol{x} \in \mathbb{R}^n\),\(\boldsymbol{A}\) 和 \(\boldsymbol{x}\) 的矩阵-向量乘法定义为
\[\boldsymbol{A}\boldsymbol{x} := x_1\boldsymbol{a}_{*,1} + x_2\boldsymbol{a}_{*,2} + \dots + x_n\boldsymbol{a}_{*,n}\]
其中 \(\boldsymbol{a}_{*,i}\) 是 \(\boldsymbol{A}\) 的第 \(i\) 个列向量。
像大多数数学概念一样,矩阵-向量乘法可以从多个角度审视,具有不同程度的抽象性。这些视角在尝试概念化我们利用矩阵-向量乘法来建模现实世界问题时的各种方式时非常有用。以下是我发现用于概念化矩阵-向量乘法的三种方式,按从最不抽象到最抽象排序:
- 作为一种“逐行”的向量生成过程: 矩阵-向量乘法定义了一个使用现有向量创建新向量的过程,其中新向量的每个元素是通过使用向量元素作为系数,对矩阵的每一行取加权和而“生成”的。
- 作为矩阵列的线性组合: 矩阵-向量乘法是使用向量元素作为系数,对矩阵的列空间取线性组合的过程。
- 作为向量空间之间函数的求值: 矩阵-向量乘法允许矩阵定义两个向量空间之间的映射。