线性代数 - 矩阵乘法能换括号,不能换顺序;满足结合律,不满足交换律

线性代数 - 矩阵乘法能换括号,不能换顺序;满足结合律,不满足交换律

flyfish

交换律 :对任意矩阵A、B,是否满足 ( AB = BA )?(答案:不满足,除非是特殊矩阵,比如A是单位矩阵)
结合律:对任意矩阵A、B、C(或矩阵与向量),是否满足 ( (AB)C = A(BC) )?(答案:满足)

矩阵乘法不满足交换律(AB≠BA),逆矩阵除外

普通矩阵例子(AB≠BA)

取 A=1234A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}A=1324,B=0110B = \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix}B=0110:

  1. 计算 ABABAB:
    AB=1×0+2×11×1+2×03×0+4×13×1+4×0=2143 AB = \begin{bmatrix} 1×0 + 2×1 & 1×1 + 2×0 \\ 3×0 + 4×1 & 3×1 + 4×0 \end{bmatrix} = \begin{bmatrix} 2 & 1 \\ 4 & 3 \end{bmatrix} AB=1×0+2×13×0+4×11×1+2×03×1+4×0=2413
  2. 计算 BABABA:
    BA=0×1+1×30×2+1×41×1+0×31×2+0×4=3412 BA = \begin{bmatrix} 0×1 + 1×3 & 0×2 + 1×4 \\ 1×1 + 0×3 & 1×2 + 0×4 \end{bmatrix} = \begin{bmatrix} 3 & 4 \\ 1 & 2 \end{bmatrix} BA=0×1+1×31×1+0×30×2+1×41×2+0×4=3142
    明显 2143≠3412\begin{bmatrix} 2 & 1 \\ 4 & 3 \end{bmatrix} ≠ \begin{bmatrix} 3 & 4 \\ 1 & 2 \end{bmatrix}2413=3142,证明交换律不成立。
可逆矩阵举例 例外情况

已知 A=2113A = \begin{bmatrix} 2 & 1 \\ 1 & 3 \end{bmatrix}A=2113,逆矩阵 B=35−15−1525B = \begin{bmatrix} \frac{3}{5} & -\frac{1}{5} \\ -\frac{1}{5} & \frac{2}{5} \end{bmatrix}B=53−51−5152:

  1. 计算 ABABAB(之前验证过):
    AB=2113×35−15−1525=1001=I AB = \begin{bmatrix} 2 & 1 \\ 1 & 3 \end{bmatrix} × \begin{bmatrix} \frac{3}{5} & -\frac{1}{5} \\ -\frac{1}{5} & \frac{2}{5} \end{bmatrix} = \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix} = I AB=2113×53−51−5152=1001=I
  2. 计算 BABABA(特意验证交换顺序):
    BA=35−15−1525×2113=35×2−15×135×1−15×3−15×2+25×1−15×1+25×3=1001=I BA = \begin{bmatrix} \frac{3}{5} & -\frac{1}{5} \\ -\frac{1}{5} & \frac{2}{5} \end{bmatrix} × \begin{bmatrix} 2 & 1 \\ 1 & 3 \end{bmatrix} = \begin{bmatrix} \frac{3}{5}×2 - \frac{1}{5}×1 & \frac{3}{5}×1 - \frac{1}{5}×3 \\ -\frac{1}{5}×2 + \frac{2}{5}×1 & -\frac{1}{5}×1 + \frac{2}{5}×3 \end{bmatrix} = \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix} = I BA=53−51−5152×2113=53×2−51×1−51×2+52×153×1−51×3−51×1+52×3=1001=I
    可逆矩阵和逆矩阵相乘,交换顺序仍等于单位矩阵

矩阵乘法满足结合律((AB)C = A(BC))

用具体矩阵举例(验证等式成立)

取 A=1234A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}A=1324,B=0110B = \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix}B=0110,C=1324C = \begin{bmatrix} 1 & 3 \\ 2 & 4 \end{bmatrix}C=1234:

  1. 先算左边 (AB)C(AB)C(AB)C:

    第一步算 AB=2143AB = \begin{bmatrix} 2 & 1 \\ 4 & 3 \end{bmatrix}AB=2413(上面已算);

    第二步算 (AB)C=2143×1324=2×1+1×22×3+1×44×1+3×24×3+3×4=4101024(AB)C = \begin{bmatrix} 2 & 1 \\ 4 & 3 \end{bmatrix} × \begin{bmatrix} 1 & 3 \\ 2 & 4 \end{bmatrix} = \begin{bmatrix} 2×1 + 1×2 & 2×3 + 1×4 \\ 4×1 + 3×2 & 4×3 + 3×4 \end{bmatrix} = \begin{bmatrix} 4 & 10 \\ 10 & 24 \end{bmatrix}(AB)C=2413×1234=2×1+1×24×1+3×22×3+1×44×3+3×4=4101024。

  2. 再算右边 A(BC)A(BC)A(BC):

    第一步算 BC=0×1+1×20×3+1×41×1+0×21×3+0×4=2413BC = \begin{bmatrix} 0×1 + 1×2 & 0×3 + 1×4 \\ 1×1 + 0×2 & 1×3 + 0×4 \end{bmatrix} = \begin{bmatrix} 2 & 4 \\ 1 & 3 \end{bmatrix}BC=0×1+1×21×1+0×20×3+1×41×3+0×4=2143;

    第二步算 A(BC)=1234×2413=1×2+2×11×4+2×33×2+4×13×4+4×3=4101024A(BC) = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix} × \begin{bmatrix} 2 & 4 \\ 1 & 3 \end{bmatrix} = \begin{bmatrix} 1×2 + 2×1 & 1×4 + 2×3 \\ 3×2 + 4×1 & 3×4 + 4×3 \end{bmatrix} = \begin{bmatrix} 4 & 10 \\ 10 & 24 \end{bmatrix}A(BC)=1324×2143=1×2+2×13×2+4×11×4+2×33×4+4×3=4101024。

  3. 结果对比:左边 (AB)C=4101024=(AB)C = \begin{bmatrix} 4 & 10 \\ 10 & 24 \end{bmatrix} =(AB)C=4101024= 右边 A(BC)A(BC)A(BC),结合律成立。

相关推荐
伯奥克客服1 小时前
2026年视频矩阵厂家技术评估:从EDID到控制协议开放度的六维筛选法
线性代数·矩阵·音视频
释厄6231 天前
三角基底律——矩阵3x6 是所有三角形的基底·3D中高就是边
线性代数·3d·矩阵
桑年2 天前
四、Pandas数据处理
人工智能·python·线性代数·pandas·数据可视化·数据处理
Kobebryant-Manba3 天前
IEKT向量矩阵流程&评估
人工智能·算法·矩阵
学习论之费曼学习法5 天前
无人值守AI内容矩阵实战(10):Windows 上让 Python 进程 7×24 活着
人工智能·windows·python·矩阵·powershell·进程守护
zhongben_keji5 天前
家政小程序开发全解:经营模式、品类矩阵、派单约束与信用核验
线性代数·矩阵·apache
silvamux_5 天前
微头条爆款体平台适配实测:把交付要求变成可计算的指标
java·线性代数·算法·决策树·矩阵
zyseo85 天前
谷歌SEO 关键词研究完整方法论:从种子词到优先级矩阵
数据库·人工智能·矩阵
lvwangshu6 天前
P15569 [COCI 2025/2026 #5] 结构 / Struktura 题解
矩阵·题解·dp·推导题·矩阵加速
镜子AI6 天前
镜子AI工程实践:用 Python 自动生成 GEO 问答语料与意图覆盖矩阵(零依赖)
人工智能·python·矩阵