跳到主要内容

矩阵运算从入门到上手:加减乘、转置、行列式、逆矩阵怎么算

讲清矩阵加减乘、转置、行列式、逆矩阵这五类运算的算法和适用条件,重点拆解矩阵乘法行乘列规则与可乘条件,配 2×2 相乘的完整例子,顺带说说线代、图形学、机器学习里的真实用途。

发布于 作者 李雷
#矩阵计算 #矩阵运算 #线性代数 #矩阵乘法 #逆矩阵

矩阵运算从入门到上手:加减乘、转置、行列式、逆矩阵怎么算

很多人第一次碰矩阵是在大一线性代数课上,符号一堆,规则一堆,最容易卡住的地方往往不是计算本身,而是搞不清"这两个矩阵到底能不能做这个运算"。这篇就按运算类型一类一类讲清楚:加减、乘法、转置、行列式、逆矩阵,各自需要什么前提,算法大概长什么样,算错了通常错在哪。

加法和减法:形状必须一模一样

矩阵加减是最简单的:对应位置的数字直接相加或相减。前提只有一条,两个矩阵的行数和列数必须完全相同。一个 2×3 矩阵没法和 3×2 矩阵相加,因为没有"对应位置"可言。

举例,A = [[1, 2], [3, 4]],B = [[5, 6], [7, 8]],那么 A + B = [[6, 8], [10, 12]]。逐格相加,没有别的花样。课堂上唯一容易踩的坑是把加法和后面要讲的乘法混为一谈,以为加法也有什么"行乘列",其实没有。

矩阵乘法:行乘列,可乘条件是中间相等

这是整套运算里规则最不直观的一个,也是最值得说清的。矩阵乘法不是逐元素相乘,而是行乘列。

先说可乘条件:A × B 能算的前提是,A 的列数等于 B 的行数。换句话说,A 是 m×n,B 必须是 n×p,那个中间的 n 必须对上,结果才是一个 m×p 矩阵。一个 2×3 矩阵只能乘一个 3×? 的矩阵,乘 2×2 的就直接不合法。

再说怎么算每个格子:结果矩阵里第 i 行第 j 列的元素,等于 A 第 i 行和 B 第 j 列对应相乘再求和。也就是拿 A 的一整行去"扫"B 的一整列,逐个相乘累加。

来个真实的 2×2 例子。设:

A = [[1, 2],
     [3, 4]]

B = [[5, 6],
     [7, 8]]

算 A × B 的左上角(第 1 行 × 第 1 列):1×5 + 2×7 = 5 + 14 = 19。 右上角(第 1 行 × 第 2 列):1×6 + 2×8 = 6 + 16 = 22。 左下角(第 2 行 × 第 1 列):3×5 + 4×7 = 15 + 28 = 43。 右下角(第 2 行 × 第 2 列):3×6 + 4×8 = 18 + 32 = 50。

所以:

A × B = [[19, 22],
         [43, 50]]

还有一点要记牢:矩阵乘法不满足交换律,A × B 一般不等于 B × A。上面这个例子里 B × A 算出来是 [[23, 34], [31, 46]],和 A × B 完全不同。顺序不能随便换。

转置:把行和列对调

转置写成 Aᵀ,做的事很直接:把矩阵沿主对角线翻一下,原来的第 i 行变成第 i 列。一个 m×n 矩阵转置后变成 n×m。比如 [[1, 2, 3], [4, 5, 6]] 转置后是 [[1, 4], [2, 5], [3, 6]]。转置在证明对称矩阵、推导最小二乘法时到处都是。

行列式:只有方阵才有,判断可逆的开关

行列式是方阵专属的一个数,非方阵没有行列式。2×2 的公式好记:[[a, b], [c, d]] 的行列式是 ad − bc。上面那个 A = [[1, 2], [3, 4]],行列式就是 1×4 − 2×3 = −2。

行列式最大的用处是当"可逆开关":行列式为 0,矩阵奇异,没有逆;不为 0,才可逆。维数一大,手算余子式展开复杂度是 O(n!),会爆;实际算法走的是分式消元这类 O(n³) 的路子,又快又能保持精确。

逆矩阵:相当于矩阵的"倒数"

逆矩阵 A⁻¹ 满足 A × A⁻¹ = 单位矩阵。它只对行列式非零的方阵存在。常用算法是高斯-约旦消元:把 A 右边拼上单位矩阵得到 [A | I],对整体做初等行变换,等左半化成单位矩阵,右半就是 A⁻¹。解线性方程组、做坐标变换还原,都靠它。

我自己踩过的一个坑

我刚学的时候,把矩阵乘法当成了逐元素相乘,A 和 B 对应格子直接乘,算出来一个 [[5, 12], [21, 32]],还觉得挺顺。结果对答案全错。后来才搞明白,那种逐元素的乘法叫 Hadamard 积,是另一回事,大多数教材里说"矩阵乘法"指的就是行乘列这一种。从那以后我养成习惯:动手乘之前先看一眼形状,确认 A 的列数等于 B 的行数,再下笔。

这些运算到底用在哪

矩阵不是为了考试硬造出来的概念,落地的地方很多:

  • 线性代数本身:解方程组、求秩、判断向量组是否线性无关,全靠 RREF 和行列式。
  • 计算机图形学:平移、旋转、缩放都用矩阵表示,一个点的坐标乘上变换矩阵就动到了新位置,逆矩阵负责把变换还原回去。
  • 机器学习:一个数据集就是一张大矩阵,前向传播本质上是一连串矩阵乘法,梯度推导里转置满天飞。

真要动手算,别用手抠。把矩阵填进 矩阵计算器,加减乘、转置、行列式、逆矩阵、秩、特征值都能一步出结果,还带分步骤展示,适合拿来核对作业。如果你接下来要复习的是方程求根,可以顺手看看 二次方程求解器,配套用更顺。

把可乘条件和行乘列这两件事记死,矩阵运算就没多少能卡住你的地方了。


Made by Toolora · Updated 2026-06-13