进一步分析基变换关系, n 维空间中任意向量 x=a1v1+⋯+anvn ,用矩阵乘以向量表示为 x=Va ,矩阵 V 由 n 维空间中基构成, 称为基矩阵, n 维向量 a 是表示向量。变换为 m 维空间的向量 y=a1w1+⋯+anwn ,用矩阵乘以向量表示为 y=Wa ,矩阵 W 由基变换向量组构成,称为基象矩阵。 x=Vay=Axy=WaA(Va)=Wa 对任意 n 维向量 a 均成立。
如何理解最后一个等式?A(Va) 是变换矩阵 V 先把向量 a 变换为向量 x ,然后变换矩阵 A 把向量 x 变换为向量 y ;Wa 是变换矩阵 W 把向量 a 变换为向量 y ,等式对任意向量 a 均成立!这表明矩阵 A,V 两次变换的总效果和矩阵 W 一次变换效果一样。从变换角度看,矩阵 W 与矩阵 A,V 等价。形式上 A(Va) 类似代数乘法,故定义为矩阵乘法。根据基变换关系,积矩阵 W 的每个向量为 (w1=Av1,⋯,wn=Avn) 。
定义 矩阵乘法 任意矩阵 A 乘以基矩阵 V ,AV=[Av1,⋯,Avn]=W ,其中向量 vi 为基矩阵 V 的第 i 个向量。
几何意义是,积矩阵 W 、矩阵 AV 对任意向量的变换相等。
重要性质A(Va)=Wa=(AV)a 。
两个矩阵相乘,必须满足形状要求,因为矩阵乘以向量,要求向量维度等于矩阵的列数,所以矩阵 Amn 与矩阵 Vnn 相乘,矩阵 A 的列数(n)必须等于矩阵 V 的行数(n),积矩阵的尺寸为 Wmn 。
矩阵乘法,还可以从矩阵乘以向量角度观察,AV=A[v1,⋯,vn]=[Av1,⋯,Avn] ,即矩阵 A 乘以基矩阵 V 每个向量,这种看法有助于记忆矩阵乘法,和化简矩阵乘法有关的表达式。
重要性质AV=A[v1,⋯,vn]=[Av1,⋯,Avn] .
上面定义矩阵乘法,要求矩阵 V 为基矩阵,如果是任意向量组构成的矩阵,怎么定义矩阵乘法呢?有两种方法,结果相同。
第二种方法,和基矩阵看法一样,即把矩阵 B 的向量组看成空间的生成向量。令变换矩阵 Amn 把 n 维空间中向量组 Bnp=(b1,⋯,bp) ,变换为 m 维空间中 p 个向量 (w1=Ab1,⋯,wp=Abp) ,则向量组 Bnp 张开的子空间中任意向量 a1b1+⋯+apbp ,矩阵 Amn 把其变换为 m 维空间的向量 A(Ba)=A(a1b1+⋯+apbp)=a1Ab1+⋯+apAbp=a1w1+⋯+apwp=Wa得W=AB=[Ab1,⋯,Abp]
定义 矩阵乘法 任意矩阵 A 乘以任意矩阵 B ,AB=[Ab1,⋯,Abp] ,其中向量 bi 为矩阵 B 的第 i 个向量。
即矩阵 A 乘以矩阵 B 每个向量。
重要性质 任意两个矩阵相乘,必须满足形状要求,因为矩阵乘以向量,要求向量维度等于矩阵的列数,所以矩阵 Amn 与矩阵 Bnp 相乘,矩阵 A 的列数(n)必须等于矩阵 B 的行数(n),积矩阵的尺寸为 Wmp 。