在线学习
重点科目
初中数学
高中数学
高等数学
线性代数
概率统计
高中物理
数学公式
主要科目
复变函数
离散数学
数学分析
实变函数
群论
数论
未整理科目
近世代数
数值分析
常微分方程
偏微分方程
大学物理
射影几何
微分几何
泛函分析
拓扑学
数学物理
趣味数学
科数网
首页
教材
高考区
考研区
VIP
科数网
题库
在线学习
高中数学
高等数学
线性代数
概率统计
高中物理
复变函数
离散数学
你好
游客,
登录
注册
在线学习
线性代数
第二篇 矩阵
矩阵的乘法
最后
更新:
2025-03-03 08:43
查看:
403
次
反馈
刷题
矩阵的乘法
>对于初学线性代数的同学来说,矩阵的乘法是一个比较奇怪的计算方程,他很多性质和传统的数学也不同,最明显的,$AB \ne BA$ ,这导致有不少性质和传统代数的里的乘除运算不兼容,但是在下面的章节里,会详细介绍,矩阵乘法具有非常现实的物理意义与几何意义。 ## 矩阵的乘法 设矩阵 $A=\left(a_{ij}\right)$ 是一个 $m \times p$ 矩阵, 矩阵 $B=\left(b_{i j}\right)$ 是一个 $p \times n$ 矩阵, 定义矩阵 $A$ 与 $B$ 的乘积是 一个 $m \times n$ 矩阵 $C=\left(c_{i j}\right)$ ,其中矩阵 $C=\left(c_{i j}\right)$ 的第 $i$ 行第 $j$ 列元素 $c_{i j}$ 是由矩阵 $A$ 的第 $i$ 行元素$a_{11}, a_2, \cdots, a_p$ 与矩阵 $B$ 的第 $j$ 列相应元素 $b_{1 j}, b_{2 j}, \cdots, b_B$ 乘积之和,即 $$ c_{i j}=\sum_{k=1}^p a_{i k} b_{k j}=a_{i 1} b_{1 j}+a_{i 2} b_{2 j}+\cdots+a_{i p} b_{p j} . $$ 定义很绕口,直接看例子。 ### 矩阵乘法举例 `例` 计算 $$ \left(\begin{array}{lll} 1 & 2 & 3 \\ 4 & 5 & 6 \end{array}\right) \times\left(\begin{array}{cc} 7 & 8 \\ 9 & 10 \\ 11 & 12 \end{array}\right)= $$ 解:第一个矩阵是$2 \times 3$矩阵,第二个矩阵是$3 \times 2$矩阵,所以结果将是一个$2 \times 2$的矩阵。 $c_{11}=1*7+2*9+3*11=58$  同理, $c_{12}=1*8+2*10+3*12=64$ $c_{21}=4*7+5*9+6*11=139$ $c_{22}=4*8+5*10+6*12=154$ 所以,结果是 $$ \left(\begin{array}{lll} 1 & 2 & 3 \\ 4 & 5 & 6 \end{array}\right) \times\left(\begin{array}{cc} 7 & 8 \\ 9 & 10 \\ 11 & 12 \end{array}\right)= \left(\begin{array}{cc} 58 & 64 \\ 139 & 154 \end{array}\right) $$ `例`求矩阵 $A=\left(\begin{array}{ccc}3 & -1 & 1 \\ 2 & 2 & 0\end{array}\right)$ 与 $B=\left(\begin{array}{ccc}1 & -1 & 0 \\ 1 & 1 & 1 \\ 2 & 1 & -1\end{array}\right)$ 的乘积 $A B$. 解 因为矩阵 $A$ 是 $2 \times 3$ 矩阵,矩阵 $B$ 是 $3 \times 3$ 矩阵, $A$ 的列数等于 $B$ 的行数,所以矩阵 $A$ 与 $B$ 可 以相乘,乘积 $A B$ 是一个 $2 \times 3$ 矩阵. $$ \begin{aligned} \boldsymbol{A} \boldsymbol{B} & =\left(\begin{array}{ccc} 3 & -1 & 1 \\ 2 & 2 & 0 \end{array}\right)\left(\begin{array}{ccc} 1 & -1 & 0 \\ 1 & 1 & 1 \\ 2 & 1 & -1 \end{array}\right) \\ & =\left(\begin{array}{ccc} 3 \times 1+(-1) \times 1+1 \times 2 & 3 \times(-1)+(-1) \times 1+1 \times 1 & 3 \times 0+(-1) \times 1+1 \times(-1) \\ 2 \times 1+2 \times 1+0 \times 2 & 2 \times(-1)+2 \times 1+0 \times 1 & 2 \times 0+2 \times 1+0 \times(-1) \end{array}\right) \\ & =\left(\begin{array}{ccc} 4 & -3 & -2 \\ 4 & 0 & 2 \end{array}\right) \end{aligned} $$ `例`求矩阵 $A=\left(\begin{array}{cc}-1 & 1 \\ 2 & -2\end{array}\right)$ 与 $B=\left(\begin{array}{cc}2 & 1 \\ -6 & -3\end{array}\right)$ 的乘积 $A B$ 及 $B A$. 解 $A B=\left(\begin{array}{cc}-1 & 1 \\ 2 & -2\end{array}\right)\left(\begin{array}{cc}2 & 1 \\ -6 & -3\end{array}\right)=\left(\begin{array}{cc}-8 & -4 \\ 16 & 8\end{array}\right)$; $$ B A=\left(\begin{array}{cc} 2 & 1 \\ -6 & -3 \end{array}\right)\left(\begin{array}{cc} -1 & 1 \\ 2 & -2 \end{array}\right)=\left(\begin{array}{ll} 0 & 0 \\ 0 & 0 \end{array}\right) . $$ 注意: (1) 矩阵乘法不满足交换律,即在一般情况下, $A B \neq B A$. (2) 尽管矩阵 $A$ 与 $B$ 满足 $A B=O$ ,但是得不出 $A=O$ 或 $B=o$ 的结论. ## 矩阵乘法满足的运算规律 **结合律:** $(A B) C=A(B C)$ ; **矩阵乘法对矩阵加法的分配律:** $A(B+C)=A B+A C,(A+B) C=A C+B C$ ; **数乘** $(k \boldsymbol{A}) \boldsymbol{B}=\boldsymbol{A}(k \boldsymbol{B})=k(\boldsymbol{A B}) ;$ **单位矩阵** $\boldsymbol{E}_m \boldsymbol{A}_{m \times n}=\boldsymbol{A}_{m \times n} \boldsymbol{E}_n=\boldsymbol{A}_{m \times n} ;$ **矩阵乘法** $\boldsymbol{O}_{m \times s} \boldsymbol{A}_{s \times n}=\boldsymbol{O}_{m \times n} ; \quad \boldsymbol{A}_{m \times s} \boldsymbol{O}_{s \times n}=\boldsymbol{O}_{m \times n} .$ ## 矩阵乘法的用途 设有方程 $$ \left\{\begin{array}{c} a_{11} x_1+a_{12} x_2+\cdots+a_{1 n} x_n=b_1 \\ a_{21} x_1+a_{22} x_2+\cdots+a_{2 n} x_n=b_2 \\ \cdots \cdots \cdots \\ a_{m 1} x_1+a_{m 2} x_2+\cdots+a_{m n} x_n=b_m \end{array}\right. $$ 令 $$ \begin{gathered} \boldsymbol{A}=\left(\begin{array}{cccc} a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & & \vdots \\ a_{m 1} & a_{m 2} & \cdots & a_{m n} \end{array}\right) \\ \boldsymbol{x}=\left(\begin{array}{c} x_1 \\ x_2 \\ \vdots \\ x_n \end{array}\right), \boldsymbol{\beta}=\left(\begin{array}{c} b_1 \\ b_2 \\ \vdots \\ b_m \end{array}\right) \end{gathered} $$ 则上面方程可以写成 $Ax=\beta$ 形式,这种形式和初中学习的$ax=b$ 极其类似。 一方面便于书写方便,更主要的是,可以利用矩阵研究线性方程组的解。 ## 方阵的幂 定义方阵的方幂如下: $A^k=\underbrace{A A \cdots A}_{k \uparrow}$ (这里 $k$ 为正整数), 并且规定:对非零方阵 $A$ ,有 $A^0=E$. 方阵的方幂满足以下运算规律 (这里 $k, l$ 均为非负整数) : $$ \boldsymbol{A}^k \boldsymbol{A}^l=\boldsymbol{A}^{k+l} ; \quad\left(\boldsymbol{A}^k\right)^l=\boldsymbol{A}^{k l} \text {. } $$ 由于矩阵乘法不满足交换律,一般来讲 $(A B)^k \neq A^k B^k ,(A+B)^2 \neq A^2+2 A B+B^2$. 只有当 $A$ 与 $B$ 可交换(即 $A B=B A)$ 时,公式 $(A B)^k=A^k B^k,(A+B)^2=A^2+2 A B+B^2,(A+B)(A-B)=A^2-B^2$ 等才成立. `例`设矩阵 $A=\left(\begin{array}{lll}0 & 1 & 0 \\ 0 & 0 & 1 \\ 0 & 0 & 0\end{array}\right)$, 求 $A^2$ 和 $A^3$. $$ \begin{aligned} \boldsymbol{A}^2 & =\left(\begin{array}{lll} 0 & 1 & 0 \\ 0 & 0 & 1 \\ 0 & 0 & 0 \end{array}\right)\left(\begin{array}{lll} 0 & 1 & 0 \\ 0 & 0 & 1 \\ 0 & 0 & 0 \end{array}\right)=\left(\begin{array}{lll} 0 & 0 & 1 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{array}\right), \\ \boldsymbol{A}^3 & =\boldsymbol{A}^2 \boldsymbol{A}=\left(\begin{array}{lll} 0 & 0 & 1 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{array}\right)\left(\begin{array}{lll} 0 & 1 & 0 \\ 0 & 0 & 1 \\ 0 & 0 & 0 \end{array}\right)=\left(\begin{array}{lll} 0 & 0 & 0 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{array}\right) . \end{aligned} $$ ## 利用矩阵研究方程 有三组未知数 $x、y$ 和 $t$,其中 $x$ 和 $y$ 的关系如下 $$ \begin{gathered} \left\{\begin{array}{l} a_{11} x_1+a_{12} x_2=y_1 \\ a_{21} x_1+a_{22} x_2=y_2 \end{array}\right. \\ \left(\begin{array}{ll} a_{11} & a_{12} \\ a_{21} & a_{22} \end{array}\right)\binom{x_1}{x_2}=\binom{y_1}{y_2} \end{gathered} $$ $x$ 和$ t$ 的关系如下 $$ \begin{gathered} \left\{\begin{array}{l} b_{11} t_1+b_{12} t_2=x_1 \\ b_{21} t_1+b_{22} t_2=x_2 \end{array}\right. \\ \left(\begin{array}{ll} b_{11} & b_{12} \\ b_{21} & b_{22} \end{array}\right)\binom{t_1}{t_2}=\binom{x_1}{x_2} \end{gathered} $$ **直觉告诉我们**,应该可以把第二个矩阵的$(x_1 , x_2)$ 代入第一个矩阵里的 $(x_1 , x_2)$ :即: $$ \begin{aligned} &\left(\begin{array}{ll} a_{11} & a_{12} \\ a_{21} & a_{22} \end{array}\right)\left(\begin{array}{ll} b_{11} & b_{12} \\ b_{21} & b_{22} \end{array}\right)\binom{t_1}{t_2}=\binom{y_1}{y_2} \end{aligned} $$ 从方程式来看,确实也可以把第二个方程组代入第一个方程组。 $$ \begin{aligned} &\left\{\begin{array}{l} a_{11}\left(b_{11} t_1+b_{12} t_2\right)+a_{12}\left(b_{21} t_1+b_{22} t_2\right)=y_1 \\ a_{21}\left(b_{11} t_1+b_{12} t_2\right)+a_{22}\left(b_{21} t_1+b_{22} t_2\right)=y_2 \end{array}\right. \end{aligned} $$ 上面的方程组可以整理成下面的形式 $$ \begin{gathered} \left\{\begin{array}{l} \left(a_{11} b_{11}+a_{12} b_{21}\right) t_1+\left(a_{11} b_{12}+a_{12} b_{22}\right) t_2=y_1 \\ \left(a_{21} b_{11}+a_{22} b_{21}\right) t_1+\left(a_{21} b_{12}+a_{22} b_{22}\right) t_2=y_2 \end{array}\right. \\ \left(\begin{array}{ll} a_{11} b_{11}+a_{12} b_{21} & a_{11} b_{12}+a_{12} b_{22} \\ a_{21} b_{11}+a_{22} b_{21} & a_{21} b_{12}+a_{22} b_{22} \end{array}\right)\binom{t_1}{t_2}=\binom{y_1}{y_2} \end{gathered} $$ 最后那个矩阵等式,与前面的矩阵等式一对照,就会得到下面的关系。 $$ \left(\begin{array}{ll} a_{11} & a_{12} \\ a_{21} & a_{22} \end{array}\right)\left(\begin{array}{ll} b_{11} & b_{12} \\ b_{21} & b_{22} \end{array}\right)=\left(\begin{array}{ll} a_{11} b_{11}+a_{12} b_{21} & a_{11} b_{12}+a_{12} b_{22} \\ a_{21} b_{11}+a_{22} b_{21} & a_{21} b_{12}+a_{22} b_{22} \end{array}\right) $$ 矩阵乘法的计算规则从而得到简单证明。 ## 矩阵乘法的意义 相比矩阵的加减,矩阵乘法要复杂的多。 对于初学者,可能最疑惑的就是为什么矩阵乘法不能定义成像矩阵加法那样的,对应元素直接相乘,历史上确实有数学家这么干过,但是后来发现,这种乘法毫无意义或者用处不大,因此被淘汰,而使用现有的定义方法,矩阵乘法具有很大的现实意义,详细参考, [矩阵乘法的物理意义](http://kb.kmath.cn/kbase/detail.aspx?id=1378)和[矩阵乘法的经济意义](http://kb.kmath.cn/kbase/detail.aspx?id=1379)
开VIP会员
非会员每天6篇,会员每天16篇,VIP会员无限制访问
题库训练
自我测评
投稿
上一篇:
矩阵的加减与数乘
下一篇:
矩阵乘法的意义:物理理解
本文对您是否有用?
有用
(
2
)
无用
(
1
)
纠错
高考
考研
关于
赞助
公式
科数网是专业专业的数学网站。