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=[1234]A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}A=[1324],B=[0110]B = \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=[2113]A = \begin{bmatrix} 2 & 1 \\ 1 & 3 \end{bmatrix}A=[2113],逆矩阵 B=[35−15−1525]B = \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=[1234]A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}A=[1324],B=[0110]B = \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix}B=[0110],C=[1324]C = \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=[2143]AB = \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]=[2413]BC = \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]=[4101024]A(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
我是大聪明.5 小时前
CUDA矩阵乘法优化:共享内存分块与Warp级执行机制深度解析
人工智能·深度学习·线性代数·机器学习·矩阵
做cv的小昊11 小时前
【TJU】研究生应用统计学课程笔记(6)——第二章 参数估计(2.4 区间估计)
人工智能·笔记·线性代数·算法·机器学习·数学建模·概率论
EnCi Zheng13 小时前
02a-什么是矩阵
线性代数·矩阵
AI科技星14 小时前
《全域数学》第一部:数术本源·第二卷《算术原本》之十四附录(二)全域数学体系下三大数论猜想的本源推演与哲学阐释【乖乖数学】
人工智能·线性代数·机器学习·量子计算·agi
有为少年1 天前
从概率估计到“LLM 训练是有损压缩”
人工智能·线性代数·机器学习·计算机视觉·矩阵
风落无尘1 天前
第二章《概率与生存》完整学习资料
人工智能·矩阵·概率论
大江东去浪淘尽千古风流人物1 天前
【UV-SLAM】eLSD/LBD 数据维度 UV-SLAM吸收借鉴
数据库·线性代数·oracle·矩阵·uv·augmented reality
风落无尘1 天前
《智能重生:从垃圾堆到AI工程师》——第三章 矩阵与防线
人工智能·线性代数·矩阵
玛丽莲茼蒿2 天前
Leetcode hot100 螺旋矩阵【中等】
算法·leetcode·矩阵
个微管理2 天前
小红书新规深度拆解:从被封到破局,2026年矩阵号生存手册
大数据·人工智能·矩阵