线性代数本质之矩阵

谈论矩阵之前我觉得有必要先说下线性变换

空间的线性变换：按我的话来说是，1变换前后原点位置不变；2变换前是直线的变换后仍然是直线。比如，将二维空间逆时针旋转30°,将二维空间放大2倍，将二维空间中的y轴逆时针旋转90°等等，只要满足上述的两个条件，随便你怎么变换，就是把整个二维空间翻个面都可以。

现在我们来思考一个问题：在二维空间中有一个向量v=（3,-2），使二维空间经历整个坐标轴逆时针旋转90°的线性变换，那么变换后的向量该如何得到呢？

想一下，既然要求变换后的向量，那么变换前和变换后的向量应该有相似之处，它们之间应该有某种联系，这种联系是与线性变换接触的最底层。

它是什么呢？没错是基向量，向量都是由基向量组成的，那么无论怎么变换都离不开基向量。

取基向量i（1，0），j（0，1）；那么这些基向量变换后的坐标为i(0,1),j(-1,0)；即

把这些坐标包装在一个2x2的格子中，就成了一个2x2的矩阵，矩阵的每一列都是一个基向量所拥有的坐标

 这就是矩阵

 我们由上一节知道，二维向量是两个基向量经过拉伸后的和，那么原先的v=3*i+（-2）*j就会变成

用矩阵来表示的话就是

 可能上个例子有点取巧；再举个例子，还是将 v=3*i+（-2）*j求这个向量变换后的表示，不过这次选择将将二维空间逆时针旋转45°,将x轴放大2倍，那么容易得出，变换后的基向量

而变换后的v应该为 

 用矩阵来表示就是

ok到这我相信应该有人看出一点东西了

没错，矩阵就记录着对空间的线性变换，矩阵与向量的乘法就是将对空间的变换作用于向量

那么矩阵乘矩阵呢？线性变换乘线性变换？复合，没错如果线性变换为整个坐标轴逆时针旋转45°

然后再将整个空间放大三倍，我们可以得到两个矩阵

它们的复合就是

注意 ：矩阵的左乘与右乘是不一样的，因为进行了不同的变换，顺序颠倒后的复合变换是不同的，比如上例的是先旋转后放大，如果我们先放大后旋转，就会得到不同的矩阵（我上面的例子有点特殊，可能左乘右乘都一样，我没算）；总之先变换的放在右边。