重新认识线性代数1-矩阵的乘法

今天我读到孟岩大神 @myan的文章系列——理解矩阵，便联想起之前看过的linear algebra（MIT）。
孟岩的文章给出了对空间、向量、矩阵的非常有趣的理解，让人爱不释手。而MIT的课程则教会了我计算矩阵乘法的好几种方法。这种深度和角度，在我大学学习线性代数的过程中是完全没有的，即使我这门课考了98分。
然而，孟岩的文章只是告诉了我们如何理解向量、矩阵、线性空间，如何理解矩阵的乘法，对于乘法具体怎么操作，其实并没有怎么提到。同时，MIT的课程也只是教了几种不同的乘法操作，并没有讲到为什么这么做。
那么两者结合，我总结一下如何理解和计算矩阵的乘法。

先声明一点：左乘和右乘原理一样，所有列变成行、右变成左即可。

矩阵与向量的乘积：
Ma=b
矩阵相乘：
MN=P
其中M，N，P是n*n阶矩阵，a, b是n维列向量。

以下举例说明Ma=b：

1、这是大学老师教的元素法：Ma=b

$$\begin{pmatrix} 1 & 2 & 1 \\ 3 & 8 & 1 \\ 0& 4 & 1 \\ \end{pmatrix} \begin{pmatrix} 1 \\ 2 \\ 1 \\ \end{pmatrix}= \begin{pmatrix} 1\times1+2\times2+1\times1\\ 3\times1+8\times2+1\times1\\ 0\times1+4\times2+1\times1\\ \end{pmatrix}= \begin{pmatrix} 6\\ 20\\ 9\\ \end{pmatrix}$$
这种方法是从解线性方程组而得来，即向量a是n个未知数的解，矩阵M每一行是一个方程，行中的数对应未知数对应的系数，向量b是方程组“=”右边的数。
2、MIT课程中介绍的列组合法：Ma=b
（看成矩阵M的列的线性组合，也就是向量的线性组合）
$$\begin{pmatrix} 1 & 2 & 1 \\ 3 & 8 & 1 \\ 0& 4 & 1 \\ \end{pmatrix} \begin{pmatrix} 1 \\ 2 \\ 1 \\ \end{pmatrix}=1 \begin{pmatrix} 1 \\ 3 \\ 0 \\ \end{pmatrix}+2 \begin{pmatrix} 2 \\ 8 \\ 4 \\ \end{pmatrix}+1 \begin{pmatrix} 1 \\ 1 \\ 1 \\ \end{pmatrix}$$
这种将矩阵与向量的乘法表示为矩阵列的线性组合的方法，在孟岩的文章中，大致是这样解释的：
向量这玩意儿其实是在空间上基（坐标系）的投影值的一个排列，排列顺序对应基的顺序，如b
$$\begin{pmatrix} 6 \\ 20 \\ 9 \\ \end{pmatrix}$$
就看作是在常见的忽略不写的基I下的投影值的排序
$$\begin{pmatrix}6\begin{pmatrix} 1 \\ 0 \\ 0 \\ \end{pmatrix} \\20 \begin{pmatrix} 0 \\ 1 \\ 0 \\ \end{pmatrix} \\9\begin{pmatrix} 0 \\ 0 \\ 1 \\ \end{pmatrix}\\ \end{pmatrix}$$
看到这儿，你应该恍然大悟了吧。
对于Ma=b，向量a其实就是在坐标系M（基为M的各列）下向量b的表示形式。当然，b其实就是Ib，b在坐标系I下。
也就是说Ma=b，实质上是向量（对象）的变换（运动或说跃迁），M是坐标系。孟岩的文章中解释了更多，最后给联系到了运动是相对的，物质与能量的转化。
其实在数学上也有解释，Ma=b，不仅可以看作向量的线性组合，而且更一般的，其实是一种映射，从n维空间的每一个向量a映射到m维空间的向量b（假设M有m行n列）。
b其实是a（M作用下）的像。
更简单的，把上文的映射替换成函数（函数是特殊的映射），a, b不就类似于高中学的x，而M类似于f（x）吗？

再来看矩阵与矩阵相乘MN=P：
有了矩阵与向量的乘法，矩阵相乘就很好理解了。

1、大学教的元素法：

M的第i行与N的第j列相乘=P的第i行第j列元素$P_{ij}$

2、MIT的方法：

元素法：如1。
列方法：M乘以N的第j列=P的第j列。
行方法：与列方法相似。

是不是清楚多了。