در این فصل چه یاد میگیری#
قاعدهٔ ضربِ ماتریس در نگاهِ اول عجیبترین چیزِ کلِ ریاضیِ مدرسه است. چرا سطر در ستون؟ چرا نه درایهبهدرایه، مثلِ جمع؟
جوابش این است: این تعریف انتخاب نشده، بلکه اجباری بوده. وقتی بفهمی ماتریس یک تبدیل است، معلوم میشود ضربشان یعنی «اول این تبدیل، بعد آن» — و هیچ تعریفِ دیگری این کار را انجام نمیدهد.

آخر این فصل میتوانی:
- ماتریس را در بردار و در ماتریس ضرب کنی
- بگویی چرا ابعاد باید جور باشند
- بگویی چرا ترتیبِ ضربِ ماتریس مهم است
قبل از شروع#
- از فصل ۴: ماتریس، ابعاد، سطر و ستون بهعنوان بردار؛ ماتریسِ همانی.
- از فصل ۳:
dot product— قلبِ این فصل. - از ترم ۴ فصل ۱: تابع بهعنوان ماشینِ ورودی-خروجی.
۱. ماتریس ضرب در بردار#
از کجا؟ هر مؤلفهٔ جواب، dot product یک سطر با بردارِ ورودی است:
- سطرِ اول: .
- سطرِ دوم: .
پس ماتریس یک ماشینِ ورودی-خروجیِ ترم ۴ است: بردار میگیرد، بردار میدهد. و هر سطرِ ماتریس تعیین میکند یک مؤلفهٔ خروجی چطور ساخته شود.
✅ چک کن: ماتریسِ همانیِ فصل ۴ را در ضرب کن. — سطرِ اول و سطرِ دوم . همان بردار برگشت — به همین دلیل «همانی» نامیده میشود.
⚠️ دامِ رایج: ضربِ درایهبهدرایه، مثلِ جمع. ضربِ ماتریس هیچ شباهتی به جمعِ ماتریس ندارد. جمع درایهبهدرایه است چون معنیاش «روی هم گذاشتنِ دو جدول» است؛ ضرب معنیِ کاملاً دیگری دارد که در بخش ۴ میبینی.
۲. چرا ابعاد باید جور باشند#
برای dot product سطر با بردار، طولشان باید یکی باشد.
پس اگر ماتریس باشد، بردارِ ورودی باید مؤلفه داشته باشد — و خروجی مؤلفه خواهد داشت.
آن دو وسط باید یکی باشند و در ضرب حذف میشوند — دقیقاً مثلِ واحدهای ترم ۲ فصل ۸، که وقتی ساده میشدند میفهمیدی محاسبهات درست است.
💡 نکته: این تنها قاعدهای است که در ضربِ ماتریس باید حفظ کنی، و راهِ بهیادسپاریاش همان تحلیلِ ابعادی است: ابعاد را کنارِ هم بنویس، دو عددِ داخلی باید یکی باشند، و دو عددِ بیرونی ابعادِ جواب را میدهند.
✅ چک کن: ماتریسِ ۳ در ۲ را میشود در برداری با ۳ مؤلفه ضرب کرد؟ — نه. برداری با ۲ مؤلفه لازم است، و خروجی ۳ مؤلفه خواهد داشت.
۳. ماتریس ضرب در ماتریس#
همان کار، ستونبهستون. برای ضربِ ، هر ستونِ را جداگانه در ضرب کن و جوابها را کنارِ هم بچین:
درایهٔ سطرِ و ستونِ جواب، dot product سطرِ از با ستونِ از است.
پس همان قاعدهٔ «سطر در ستون» است، فقط چند بار تکرار شده.
✅ چک کن: حاصلِ چیست؟ — همان ماتریسِ دوم. ضرب در همانی هیچچیز را عوض نمیکند.
۴. چرا این تعریف اجباری بود#
حالا دلیلِ اصلی.
در فصل ۶ کاملاً خواهی دید که هر ماتریس یک تبدیل است: فضا را میچرخاند، میکشد، یا برمیگرداند. فعلاً همینقدر کافی است که از بخش ۱ میدانی ماتریس یک ماشینِ ورودی-خروجی است — بردار میگیرد و بردار میدهد.
حالا فرض کن دو تبدیل داری و میخواهی پشتِسرِهم اجرایشان کنی: اول ، بعد .
🤔 اول حدس بزن: آیا میشود ماتریسِ واحدی پیدا کرد که بهتنهایی همان کارِ هر دو را بکند؟
میشود — و آن ماتریس دقیقاً است، با همان تعریفِ عجیبِ سطر-در-ستون.
پس ضربِ ماتریس یعنی «ترکیبِ دو تبدیل»، و آن قاعده تنها راهی است که این خاصیت را تضمین میکند. اگر درایهبهدرایه ضرب میکردی، حاصل هیچ ربطی به اجرای پشتِسرِهمِ دو تبدیل نداشت.
🌱 ریشهاش کجاست: همین «ترکیبِ تبدیلها» است که شبکههای عصبی را ممکن میکند. هر لایهٔ یک شبکه یک ماتریس است، و عبورِ داده از چند لایه یعنی چند ضربِ ماتریسی پشتِسرِهم. به همین دلیل کلِ یادگیری ماشین روی سختافزاری اجرا میشود که فقط یک کار را خیلی سریع انجام میدهد: ضربِ ماتریس.
۵. ترتیب مهم است#
از ترم ۱ فصل ۴ عادت کردهای که . برای ماتریس این برقرار نیست:
🤔 اول حدس بزن: چرا؟ چه چیزی در معنیِ ضرب این را ایجاب میکند؟
چون ضرب یعنی «اول این، بعد آن» — و ترتیبِ انجامِ دو کار مهم است.
یک مثالِ ملموس: کتابی روی میز بگذار. اول ۹۰ درجه بچرخانش و بعد وارونهاش کن. حالا از اول شروع کن: اول وارونه، بعد بچرخان. کتاب در دو حالتِ متفاوت قرار میگیرد.
⚠️ دامِ رایج: جابهجا کردنِ ماتریسها در یک عبارت، از روی عادتِ جبرِ ترم ۳. در جبرِ ماتریسی هیچوقت جای دو ماتریس را عوض نکن — این شایعترین خطای این ترم است، و بدترش این است که گاهی اتفاقاً جواب درست در میآید و اشتباه لو نمیرود.
💡 نکته: بعضی چیزها همچنان برقرارند: ضرب شرکتپذیر است () و نسبت به جمع توزیعپذیر () — همان توزیعپذیریِ ترم ۳ فصل ۴. فقط جابهجایی است که از دست رفت.
تمرینها
اول خودت فکر کن یا امتحان کن — بعد اینجا را باز کن.
در فصل بعد#
قول دادیم که ماتریس یک تبدیل است. فصل بعد آن را نشان میدهد: دو ستونِ یک ماتریسِ ۲ در ۲ دقیقاً میگویند دو محورِ صفحه به کجا میروند، و از همانجا کلِ رفتارش پیداست. این فصلِ آزمایشگاهمحورِ ترم است.
به آخر این فصل رسیدی!
اگر ساختی و جواب داد، این دکمه مال توست.