线性代数让我想想：矩阵乘法的理解

矩阵乘法的理解

$$C_{m\times n}=A_{m\times s}\times B_{s\times n}$$

在理解矩阵乘法之前，我们先看一个显而易见的性质（性质Ⅰ）：

用初等矩阵P左乘A，其结果与对A作相应的初等行变换相同；
用初等矩阵P右乘A，其结果与对A作相应的初等列变换相同。

由于右乘矩阵在几何意义上的理解是对称的，我们先不作讨论。只讨论行变换的一系列问题。

从这个给出的性质我们可以联想到，既然初等矩阵乘法是一种初等变换，那么任意的矩阵相乘是否也是对应的线性变换呢，或者说，就是对向量(被乘矩阵/向量组)进行不同程度的变形。

带着疑问进行查阅资料可以得到，根据【参考视频1】的证明、【参考视频2】、并结合上述猜想，矩阵乘法可以有三种不同角度的解释：

（1）矩阵的乘法是“所乘矩阵”对“被乘矩阵(列向量组)”进行的基变换。
即原向量不进行变化，变换基底。

（2）矩阵的乘法是“所乘矩阵”对“被乘矩阵(列向量组)”进行的线性变换。
即基底不进行变换，变换向量。

（3）线性变换作为映射的复合运算。

由于第一二种理解在几何上更加直观，并且基变换和线性变换在空间上是一体两面、相对的。我们对第二种理解进行讨论。

根据最开始的定理，我们能不能根据【性质Ⅰ】把初等变换推广到线性变换呢？——行，但不完全行。

因为【性质Ⅰ】要求方阵可逆，如果不可逆无法从单位矩阵通过初等变换映射到该矩阵。这里的不可逆带来的尴尬是来自【矩阵中“零”的出现】。

但是我们知道，矩阵某行倍乘0，可以得到一个不可逆阵。这个操作在几何上体现在向量在该方向上直接收缩到0。

由于任给方阵可逆与否不可知，于是我们给出猜想：任意一个方阵都可以由单位矩阵通过初等变换或者行倍乘0这两种变换来得到。

于是我们给出一种变换，记作“变换Ⅱ”：变换Ⅱ是初等变换和行倍乘0两种变换的统称。

有了这一步，我们开始讨论【变换Ⅱ】的几何意义，即讨论如下几种情况：

• 行对换
• 行倍乘于实数 $k(k\ne 0)$
• 某行倍乘实数 $k$ 的结果加到另一行
• 行倍乘于实数 0

先明确矩阵每一行实际上对应的是向量的某个维度（如二维向量对应x和y轴两个维度），那么通过运算验证我们可以得到：

• 行对换一一关于某两维角平分线的对称

  • 如二维向量的行对换，其几何意义为，根据x轴与y轴的角平分线对称变换。

  • 如三维向量的行对换，其几何意义为，
    根据 $xOz$ 平面与 $yOz$ 平面的角平分面对称变换；
    根据 $xOy$ 平面与 $yOz$ 平面的角平分面对称变换；
    根据 $xOy$ 平面与 $xOz$ 平面的角平分面对称变换。

• 行倍乘于实数 $k(k\ne 0)$ 一一某个维度的伸缩。

• 某行倍乘实数 $k$ 的结果加到另一行一一某个维度的增减。

  n阶 (方) 矩阵进行初等变换: 第 $p$ 行倍乘 $k$ 后加到第 $q$ 行的几何意义是, 对被乘向量进行如下操作：以该向量第 $p$ 维的长度为单位，控制该向量第 $q$ 维的长度在此先的基础上增长 $k$ 个单位长度。

• 行倍乘于实数 0 一一某个维度的坍缩(收缩为0)

这里存在一个问题：如果我们要对一个向量组进行变换操作，可不可以不通过以上的操作进行？答案是当然可以，比如对三维向量组进行每行+1操作，但是这样的操作并不是线性的，或者说，不满足向量空间的封闭运算性质，所以不予讨论。

于是上述讨论可以归结为：

乘一个矩阵的几何意义是，分步对一个向量组进行以下操作：①某维的伸缩（对应倍乘，表现为该维对应轴坐标扩大k倍）、②关于某两维角平分线的对称（对应行变换，表现为两维轴坐标互换）、③某维的增减（对应某行倍乘加到另一行，表现为该维增加/减少k个另一维轴坐标长）、④某维的坍缩（某行乘0，表现为该维对应轴的坐标置为零，且该步骤为最后一步）。

---