矩阵的外积是怎样定义的

在数学中，矩阵的外积是接受在实数R上的两个向量并返回一个实数值标量的二元运算。它是欧几里得空间的标准外积。

由 m × n 个数aij排成的m行n列的数表称为m行n列的矩阵，简称m × n矩阵。

记作：

这m×n 个数称为矩阵A的元素，简称为元，数aij位于矩阵A的第i行第j列，称为矩阵A的(i,j)元，以数 aij为(i,j)元的矩阵可记为(aij)或(aij)m × n，m×n矩阵A也记作Amn。

元素是实数的矩阵称为实矩阵，元素是复数的矩阵称为复矩阵。而行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵。

扩展资料

性质：

将一个矩阵分解为比较简单的或具有某种特性的若干矩阵的和或乘积 ，矩阵的分解法一般有三角分解、谱分解、奇异值分解、满秩分解等。

将矩阵分解为由其特征值和特征向量表示的矩阵之积，需要注意只有对可对角化矩阵才可以施以特征分解 。假设M是一个m×n阶矩阵，其中的元素全部属于域K，也就是实数域或复数域。

其中U是m×m阶酉矩阵；Σ是m×n阶实数对角矩阵；而V*，即V的共轭转置，是n×n阶酉矩阵。这样的分解就称作M的奇异值分解。Σ对角线上的元素Σi,i即为M的奇异值。常见的做法是将奇异值由大而小排列。如此Σ便能由M唯一确定了。

在点积运算中，第一个向量投影到第二个向量上（这里，向量的顺序是不重要的，点积运算是可交换的），然后通过除以它们的标量长度来“标准化”。这样，这个分数一定是小于等于1的，可以简单地转化成一个角度值。

向量的点积与它们夹角的余弦成正比，因此在聚光灯的效果计算中，可以根据点积来得到光照效果，如果点积越大，说明夹角越小，则物体离光照的轴线越近，光照越强。

内积是前一个矩阵的行乘以后一个矩阵的列

外积是前一个矩阵的列乘以后一个矩阵的行

个人理解~~

向量有内外积的差别， 矩阵乘积就一种定义把

矩阵的外积的定义：
在线性代数中，外积一般指两个向量的张量积；或在几何代数中，指有类似势的运算如楔积。这些运算的势是笛卡尔积的势。这个名字与内积相对，它是有相反次序的积。
在数学中，张量积(tensor product) ，可以应用于不同的上下文中如向量、矩阵、张量、向量空间、代数、拓扑向量空间和模。在各种情况下这个符号的意义是同样的: 最一般的双线性运算。在某些上下文中也叫做外积。
外积定义
把向量外积定义为：
符号表示：a× b
大小：|a|·|b|·sin.
方向：右手定则：若坐标系是满足右手定则的，设z=x×y,|z|=|x||y|*sin；则x,y,z构成右手系，伸开右手手掌，四个手指从x轴正方向方向转到y轴正方面，则大拇指方向即为z正轴方向。
外积的坐标表示：
（x1,y1,z1）×（x2,y2,z2）=(y1z2-y2z1,z1x2-z2x1,x1y2-x2y1）