2.1 矩阵的引入

矩阵及线性变换

以向量为工具，研究向量合成即向量组线性组合，核心概念是线性空间和基。这种方法的优点是具有极强的几何图像，很直观，是理解线性代数的基础。但也有明显的缺点，一是表达上不简洁，每次都需要写出向量组中每个向量和每个表示系数，表达不简洁不利于数学的发展，思维的提高，所以需要把向量组和表示系数组作为一个整体考虑；二是计算上不方便，判断向量组是否为基、计算正交补空间和向量投影这几个线性代数基本问题，都需要深入到向量组中每个向量的每个分量，向量为工具，向量是作为一个整体，不方便看到分量，不利于计算，所以需要解剖向量组，深入到每个分量。这两个要求，看似矛盾，一个是要把向量组作为整体，一个是要深入到每个向量的每个分量，矩阵作为工具，可以满足这两个要求，达到完美结合！矩阵缺点是几何图像被掩盖了，十分不直观，高度抽象，难以理解，学习难度大。所以学习线性代数，需要结合向量和矩阵，做到数形结合，矩阵是代数，是工具，向量是几何，是灵魂，工具反过来又会促进思维的提高，两者相辅相成，互相促进。看到矩阵就要想到向量，看到几何图像。

矩阵的引入

矩阵是把向量组作为一个整体研究向量组线性组合，再一次观察向量组线性组合，$a_1{\mathbf{v}}_1+\cdots +a_n{\mathbf{v}}_{\mathbf{n}}$ 为向量组 $\mathbf{V}=({\mathbf{v}}_1,\cdots ,{\mathbf{v}}_{\mathbf{n}})$ 线性组合，实数组 $\mathbf{a}＝(a_1,\cdots ,a_n)$ 为表示系数组。把向量组作为整体，此时 $\mathbf{V}$ 就是矩阵，作为整体时，组内每个向量的顺序很重要，如同向量的分量顺序很重要，向量组相同，但顺序不同的矩阵是不同的矩阵。表示系数组作为一个整体， $\mathbf{a}$ 可以看作 $n$ 维空间中的向量。线性组合表达式为 $V\mathbf{a}$ ，十分简洁。按照线性代数的习惯，任意矩阵用大写字母 $A$ 表示，任意向量用小写字母 $\mathbf{x}$ 表示，故线性组合为 $A\mathbf{x}$ ，看到这个表达式就要想到向量组线性组合，几何图像是向量合成。

定义 矩阵 有序向量组的集合，$A=\left[{\mathbf{a}}_1,{\mathbf{a}}_2,\cdots ,{\mathbf{a}}_{\mathbf{n}}\right]$ ，${\mathbf{a}}_{\mathbf{i}}$ 是矩阵 $A$ 的第 $i$ 个向量，也称矩阵的第 $i$ 列。

定义 矩阵乘以向量 矩阵向量组的线性组合，表示系数组是向量。
$$\begin{gathered} A\mathbf{x}=x_1{\mathbf{a}}_1+x_2{\mathbf{a}}_2+\cdots +x_n{\mathbf{a}}_{\mathbf{n}} \\ A=\left[{\mathbf{a}}_1,{\mathbf{a}}_2,\cdots ,{\mathbf{a}}_{\mathbf{n}}\right] \\ \mathbf{x}=(x_1,x_2,\cdots ,x_n) \end{gathered}$$
${\mathbf{a}}_{\mathbf{i}}$ 是矩阵 $A$ 的第 $i$ 个向量， $x_i$ 是向量 $\mathbf{x}$ 的第 $i$ 个分量。矩阵用中括号 $\left[\right]$ 围起向量，向量用小括号 $\left(\right)$ 围起数。

$A\mathbf{x}$ 称矩阵乘以向量，借鉴了代数语言。

书写矩阵时，矩阵排成二维表格。比如 ${\mathbf{a}}_1=(0,1)$ 和 ${\mathbf{a}}_2=(2,3)$ ，矩阵 $A$ 写为
$$A=\left[\begin{array}{cc}0& 2\\ 1& 3\end{array}\right]$$
比如 ${\mathbf{a}}_1=(0,1,2)$ 和 ${\mathbf{a}}_2=(3,4,5)$ ，矩阵 $A$ 写为
$$A=\left[\begin{array}{cc}0& 3\\ 1& 4\\ 2& 5\end{array}\right]$$
矩阵排成二维表格时，第 $i$ 个向量 ${\mathbf{a}}_{\mathbf{i}}$ 排成一列，所以也称列向量。矩阵看到了每个向量的每个分量，同时又把所有向量作为一个有序整体。

当向量 $\mathbf{x}=(1,2)$ 时，
$$A\mathbf{x}=\left[\begin{array}{cc}0& 3\\ 1& 4\\ 2& 5\end{array}\right](1,2)=1\left[\begin{array}{c}0\\ 1\\ 2\end{array}\right]+2\left[\begin{array}{c}3\\ 4\\ 5\end{array}\right]=\left[\begin{array}{c}0\ast 1+3\ast 2\\ 1\ast 1+4\ast 2\\ 2\ast 1+5\ast 2\end{array}\right]=\left[\begin{array}{c}6\\ 9\\ 12\end{array}\right]$$
为了便于观察和记忆，中间计算过程把向量写成列的形式，并用中括号围起。

矩阵 $A$ 中的向量是 $m$ 维向量，有 $n$ 个向量时，矩阵形状为 $m\times n$ ，称 $m$ 行 $n$ 列矩阵。

重要性质 $m$ 行 $n$ 列矩阵只能与 $n$ 维向量相乘。

因为向量组线性组合中，组合系数的数量必须等于向量的数量。