2×3与3×2矩阵的差异及线性代数映射规则应用问询

嘿，咱们来一步步拆解这个线性代数问题，先从矩阵维度的核心差异说起，再结合你给出的乘法实例和线性映射规则做分析～

一、2×3与3×2矩阵的核心差异 #

这两种矩阵的本质区别可以从这几个维度看：

• 维度与变换方向：2×3矩阵是2行3列，对应从$\mathbb{R}^{3$（输入空间，维度等于列数）到$\mathbb{R}}2$（输出空间，维度等于行数）的线性变换；3×2矩阵是3行2列，刚好反过来，对应从$\mathbb{R}^{2$到$\mathbb{R}}3$的线性变换。
• 列空间的上限：2×3矩阵的列向量都是$\mathbb{R}^{2$中的元素，所以列空间最多是2维（也就是整个$\mathbb{R}}2$）；而3×2矩阵的列向量是$\mathbb{R}^{3$中的元素，列空间最多是2维（只能是$\mathbb{R}}3$的一个子空间）。
• 乘法兼容性：2×3矩阵只能和列数为3的矩阵/向量相乘（比如你给的第一个乘法实例），3×2矩阵则只能和列数为2的矩阵/向量相乘（第二个实例），这是矩阵乘法的基本规则——前一个矩阵的列数必须等于后一个矩阵的行数。

二、两个矩阵乘法实例的对比 #

先把两个乘法的形式明确下来：

1. 第一个乘法（2×3矩阵 × 3×1向量）：
   $$ \begin{bmatrix} a & x & c \ d & e & f \ \end{bmatrix} \cdot \begin{bmatrix} g\ h\i \end{bmatrix} = \begin{bmatrix} ag + xh + ci \ dg + eh + fi \end{bmatrix} $$
   结果是一个2×1向量，对应把$\mathbb{R}^{3$中的向量$\begin{bmatrix}g\h\i\end{bmatrix}$映射到$\mathbb{R}}2$中的向量。

2. 第二个乘法（3×2矩阵 × 2×1向量）：
   $$ \begin{bmatrix} a & x \ d & e \ f & g \end{bmatrix} \cdot \begin{bmatrix} g\ h \end{bmatrix} = \begin{bmatrix} ag + xh \ dg + eh \ fg + gh \end{bmatrix} $$
   结果是一个3×1向量，对应把$\mathbb{R}^{2$中的向量$\begin{bmatrix}g\h\end{bmatrix}$映射到$\mathbb{R}}3$中的向量。

三、结合线性映射规则分析第一个乘法 #

首先把这条关键规则用引用块标出来：

线性代数中有一条规则：“$T$将$\mathbb{R}^{n$映射到$\mathbb{R}}m$当且仅当矩阵$A$的列张成$\mathbb{R}^m$”

咱们把这条规则套用到第一个乘法的场景里：

• 这里的线性变换$T$是由2×3矩阵$A$定义的，即$T(\mathbf{v}) = A\mathbf{v}$。其中输入空间$\mathbb{R}^{n$是$\mathbb{R}}3$（因为$A$有3列，对应$\mathbb{R}^{3$的标准基向量），输出空间$\mathbb{R}}m$是$\mathbb{R}^{2$（因为$A$有2行，对应$\mathbb{R}}2$的标准基向量）。
• 根据规则，$T$能**覆盖整个$\mathbb{R}^{2$**（也就是$T$的值域是$\mathbb{R}}2$本身）的充要条件是：$A$的列向量张成$\mathbb{R}^2$。
• 那$A$的列向量是$\begin{bmatrix}a\d\end{bmatrix}$、$\begin{bmatrix}x\e\end{bmatrix}$、$\begin{bmatrix}c\f\end{bmatrix}$，这三个都是$\mathbb{R}^{2$中的向量。要张成$\mathbb{R}}2$，其实只需要这三个向量里至少有两个是线性无关的——因为$\mathbb{R}^{2$的维数是2，两个线性无关的向量就能撑起整个$\mathbb{R}}2$空间，第三个向量不管是什么，都只是前两个的线性组合而已。
• 反过来，如果这三个列向量都线性相关（比如都落在同一条直线上），那它们的张成空间就是$\mathbb{R}^{2$的一个1维子空间（一条直线），这时候$T$的值域就只能是这条直线，而不是整个$\mathbb{R}}2$，也就不满足“将$\mathbb{R}^{3$映射到$\mathbb{R}}2$”的条件。
• 再回到第一个乘法的结果：不管你选$\mathbb{R}^{3$中的哪个向量$\mathbf{v}$，$A\mathbf{v}$本质上都是$A$的列向量的线性组合（系数就是$\mathbf{v}$的分量$g,h,i$），所以结果必然落在$A$的列空间里。只有当列空间是整个$\mathbb{R}}2$时，我们才能得到$\mathbb{R}^2$中的任意向量作为输出。

内容的提问来源于stack exchange，提问作者mathmaniage