线性代数-矩阵及计算

——矩阵计算公式背后所隐含的几何含义

矩阵可用来更简洁的表达多维信息，像计分表，数据结构中的邻接矩阵表示法等。但在此文中，我们依旧从矩阵在几何意义上的表现和原理去探究它。

正如上面一节向量所说，我们尝试着把矩阵也做个类比，简单且易于理解起见，仍以二维为例：二维矩阵单独的来看，实际上也是可以看作是向量组成的一组矩阵。因此矩阵的加法和数乘规则，可以很容易的从向量的角度，从定义上去理解其意义和计算公式。而矩阵的乘法，其计算公式是如何设计的呢？或者说乘法代表了什么规则。

从公式上看：C = AB = (C)E，其代数值上代表的便是：矩阵A乘矩阵B，得到矩阵C，其值是在标准坐标系下的一个新的坐标值。而坐标值是多少便是计算公式的结果，也是规则的反应。那我们看下这个计算公式：

A：,B： ,则C： 。

是的，这里我并没有按照一般书本中的，将矩阵B中的向量组成进行一个转置（使之与矩阵A向量维度相等）。使之确保满足矩阵乘法的条件：只有在第一个矩阵的列数（column）和第二个矩阵的行数（row）相同时才有意义 。因为其一，这是两个二维向量，无论是否转置，均可以满足乘法条件。其二，更重要的是，我觉得这会是向量乘法规则的另一种真正意义（后面慢慢解读）。还有其三，不同型矩阵代表了什么意义，不满秩矩阵代表了什么意义，它们之间有是否可以进行运算？（这个将在对整个线性代数进行粗略而又较全面的了解后去重新审视。）

上面我们说了矩阵A乘矩阵B，得到矩阵C，其值是在标准坐标系下的一个新的坐标值。并写出了矩阵乘法的计算公式：A： ,B： ， 

C = AB = 。

现在我们拿一个坐标点来看，矩阵C的x1''坐标：

x1'' = x1x1'+y1x2'， 若将矩阵A的坐标认为是以矩阵B为基底的坐标表示法，那么矩阵A在标准正交坐标系E下的坐标应该是什么呢，稍加分析就可知道：x1''不就是矩阵A在矩阵B中x坐标的权值和（两个基向量的权值和）吗？其代数值正是： x1x1'+y1x2'（这一点与内积的计算方式是否有着内在的联系）此时对B来说就是将坐标按照A的权值进行线性变换。

与此同时，我们发现了另一种思路：若将矩阵A的坐标认为是以矩阵B为基底的坐标表示法，则对A来说就是改变了基底为B，其坐标值本身是不变的A(BE)。而且从数值表达式上：也可以清楚的看到，C的向量坐标信息就是对B的行坐标进行线性计算，同时也是对A的列坐标进行线性变换。这里我们可以引出矩阵乘法的一个重要的物理意义——向量变换。