# فصل ۰۵ — ضربِ ماتریس، و چرا این‌طوری تعریف شده

<div dir="rtl">

# فصل ۰۵ — ضربِ ماتریس، و چرا این‌طوری تعریف شده

## 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.

![یک بردار که وارد یک ماتریس می‌شود و بردار دیگری بیرون می‌آید](/lesson-assets/t7-s05-matrix-multiply/prompt/01-image-matrix-transform.png)

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

</div>

$$
\begin{pmatrix} 2 & 1 \\ 0 & 3 \end{pmatrix} \begin{pmatrix} 4 \\ 5 \end{pmatrix} = \begin{pmatrix} 13 \\ 15 \end{pmatrix}
$$

<div dir="rtl">

از کجا؟ **هر مؤلفهٔ جواب، `dot product` یک سطر با بردارِ ورودی است:**

- سطرِ اول: $(2,1) \cdot (4,5) = 8 + 5 = 13$.
- سطرِ دوم: $(0,3) \cdot (4,5) = 0 + 15 = 15$.

**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 $(4,5)$ ضرب کن. — سطرِ اول $(1,0)\cdot(4,5) = 4$ و سطرِ دوم $(0,1)\cdot(4,5) = 5$. **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 $m \times n$ باشد، بردارِ ورودی باید $n$ مؤلفه داشته باشد — و خروجی $m$ مؤلفه خواهد داشت.

</div>

$$
(m \times n) \times (n \times 1) = (m \times 1)
$$

<div dir="rtl">

**آن دو $n$ 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 $AB$، **هر ستونِ $B$ را جداگانه در $A$ ضرب کن** و جواب‌ها را کنارِ هم بچین:

</div>

$$
\begin{pmatrix} 2 & 1 \\ 0 & 3 \end{pmatrix} \begin{pmatrix} 1 & 4 \\ 2 & 5 \end{pmatrix} = \begin{pmatrix} 4 & 13 \\ 6 & 15 \end{pmatrix}
$$

<div dir="rtl">

درایهٔ سطرِ $i$ و ستونِ $j$ جواب، `dot product` سطرِ $i$ از $A$ با ستونِ $j$ از $B$ است.

**پس همان قاعدهٔ «سطر در ستون» است، فقط چند بار تکرار شده.**

> ✅ **چک کن:** حاصلِ $\begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} \begin{pmatrix} 7 & 2 \\ 3 & 8 \end{pmatrix}$ 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 $B$، بعد $A$.

</div>

$$
A(B\vec{v})
$$

<div dir="rtl">

> 🤔 **اول حدس بزن:** آیا می‌شود ماتریسِ **واحدی** پیدا کرد که به‌تنهایی همان کارِ هر دو را بکند؟

می‌شود — و آن ماتریس دقیقاً $AB$ 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 $3 \times 4 = 4 \times 3$. برای ماتریس **این برقرار نیست**:

</div>

$$
AB \neq BA
$$

<div dir="rtl">

> 🤔 **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 ($A(BC) = (AB)C$) و نسبت به جمع **توزیع‌پذیر** ($A(B+C) = AB + AC$) — همان توزیع‌پذیریِ ترم ۳ فصل ۴. **فقط جابه‌جایی است که از دست رفت.**

> 🧪 **آزمایشگاه:** [دو تبدیل، دو ترتیب](/lab/embed/risheh/term-7-linear-algebra/session-05-matrix-multiply) — دو ماتریس انتخاب می‌کنی و می‌بینی اثرشان روی یک شکل در دو ترتیبِ مختلف چه فرقی می‌کند. اول حدس بزن آیا ترتیبی هست که فرقی نکند.

## تمرین‌ها

1. $\begin{pmatrix} 1 & 2 \\ 3 & 0 \end{pmatrix} \begin{pmatrix} 5 \\ 1 \end{pmatrix}$ را حساب کن.
2. ماتریسِ ۲ در ۳ را در ماتریسِ ۳ در ۴ ضرب می‌کنی. ابعادِ جواب چیست؟
3. آیا می‌شود ماتریسِ ۲ در ۳ را در ۲ در ۳ ضرب کرد؟ چرا؟
4. $\begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}$ و $\begin{pmatrix} 1 & 0 \\ 1 & 1 \end{pmatrix}$ را در هر دو ترتیب ضرب کن. جواب‌ها یکی شدند؟
5. $(3, 1) \cdot (2, -6)$ را حساب کن. چه رابطه‌ای بینشان هست؟
6. طولِ $(1, 2, 2)$ چقدر است؟

⭐ ماتریسی پیدا کن که وقتی در خودش ضرب شود، ماتریسِ همانی بدهد و خودش همانی نباشد. تبدیلی که نشان می‌دهد چه ویژگیِ خاصی دارد؟

## 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.

</div>

---
Source: https://yaadestan.com/courses/risheh/lessons/t7/s05-matrix-multiply (یادستان, Yaadestan)
