点乘 线性代数_线性代数 1.3C 矩阵

我们在前面费了好大得劲，从线性组合和空间两个角度，描述了线性变换。你可能要问，为什么向量在原来的空间，用i^和j^活的挺好，为什么要费这么大的劲换一个基向量组，把整个空间全都换一遍呢？

这全部的一切，都是为了引出整个线性代数学科中概念的核心——矩阵。

我们前面讲过线性变换，像一个黑盒子，或者一个函数：

如果我们把新的基向量排成一个阵列：

在这个新的阵列中(图好丑)，第一列和第二列是新的两个基向量，也就是原来的i^和j^被换成的新的向量，如果是上图中的例子，两个向量就是(1,2)T和(3,-1)T：

就形成了一个矩阵(Matrix)，整个线性代数的核心概念。这个矩阵就可以代表线性变换，因为线性变换无非就是要规定新的基向量是什么，现在全部的基向量的信息都已经在里面了。

一不做二不休，既然矩阵已经以线性变换的身份登场，那么我们就顺便把它线性变换的一面——也就是矩阵的乘法一起也叫上来。我们把这种变换定义为：拿这个矩阵乘以原向量，输出新的向量。也就是说：上面的框图写成矩阵的形式，就是：

如果我们把中间的细节也展现出来，就是还原他其中的线性组合的细节：

这就是矩阵的乘法。和我们之前死记硬背的行列点乘是有本质区别的。

这就是矩阵这个核心概念的第一次亮相，显得有点波澜不惊。在国内的教材中，一般是从线性方程组的系数矩阵入手。我觉得是不如这样去理解的，因为它一上来就把矩阵当成了一种操作，它是活的，有生命的。这是我读西方教材和我们的教材(我们的很多教材是受战斗民族的影响)的一个很重大的差别，西方的教材和教授着重概念和理解，东方注重计算和技巧。我觉得可能是和战斗民族的顶级人才的智商太高有关系(国际象棋，ACM，黑客的顶尖中很多都是战斗民族的)，所以他们才会编出吉米多维奇这种神书来不断的向智力的顶峰冲击，然后落下我等弱鸡白白兴叹。

既然矩阵以这样的身份登场，我们就好好说说它。