例如,向量 v 是列向量 v=⎣⎡123⎦⎤=(1,2,3) ,行向量 vT=[123] 。行向量是列向量逆时针旋转90度,列向量是行向量顺时针旋转90度,所以 (vT)T=v ,一定要搞清楚行向量符号的意义和书写规范。
行向量是 1 维空间中 n 个向量,列向量是 m 维空间中 1 个向量,这是最本质的区别。写法只是形式上的。
行列向量都是矩阵,只要满足形状要求,就可以相乘。
p=1 时,矩阵 B 是列向量,矩阵相乘就是矩阵乘以向量, 记为 Ax 。
m=p=1 时,矩阵 A 是行向量,矩阵 B 是列向量,矩阵乘法就是矩阵 A 的 1 维空间中 n 个向量的线性组合,例如 A=[123] 和 B=⎣⎡456⎦⎤ , AB=[1∗4+2∗5+3∗6]=[32]=32 ,AB 是两个向量的内积!用行列向量记为 vTu=(v,u)=(u,v)=uTv 。内积写为矩阵相乘,可以参与矩阵运算,后面章节,内积都写成矩阵相乘。
m=1 时,矩阵 A 是行向量,假设 n=p=2 , A=[a1a2] ,B=[b11b21b12b22] ,则 AB=[a1a2][b11b21b12b22]=[a1b11+a2b21a1b12+a2b22] 。矩阵 A 的第 i 个分量与矩阵 B 的第 i 行向量数乘得到行向量,然后得到的 n 个行向量相加,即 AB 是矩阵 B 行向量的线性组合,组合系数是矩阵 A !注意矩阵 A 是行向量,不是列向量。用行向量记为 vTB=uT ,结果是行向量。矩阵乘以向量是矩阵的列向量线性组合,行向量乘以矩阵是矩阵行向量的线性组合,对称的!可见矩阵的行向量也具有重要意义。
n=1 时,矩阵 A 是列向量,矩阵 B 是行向量,乘积是矩阵,不是数,一定要与 2 区分。例如 A=⎣⎡456⎦⎤ , B=[23] , AB=⎣⎡4∗25∗26∗24∗35∗36∗3⎦⎤ 。用行列向量记为 uvT ,称为外积,一般来说 uvT=vuT 。外积与内积相对,内积是行向量乘以列向量,外积是列向量乘以行向量,内积 uTv 的符号 T 在内部,外积 uvT 的符号 T 在外部,这就是内积外积名称的由来。