矩阵乘法计算器

通过详细的逐元素计算步骤进行两个矩阵相乘。查看分解后的每个点积，以及颜色编码的行 × 列可视化。支持最高 5×5 矩阵，具备交互式维度控制。

矩阵乘法计算器

矩阵乘法计算器可以计算两个矩阵的乘积，并展示计算的每一个步骤。结果矩阵中的每个元素都是由矩阵 A 的一行与矩阵 B 的一列进行点积计算得出的。本计算器支持高达 5×5 的矩阵，并提供交互式高亮功能，让您可以直观地看到产生每个结果元素的对应行和列，同时使用 MathJax 渲染公式展示完整的数学推导过程。

矩阵乘法的工作原理

给定大小为 m×n 的矩阵 A 和大小为 n×p 的矩阵 B，其乘积 C = A × B 是一个大小为 m×p 的矩阵。每个元素的计算公式如下：

$$C[i,j] = \sum_{k=1}^{n} A[i,k] \times B[k,j]$$

这意味着您取出 A 的第 i 行和 B 的第 j 列，将对应的元素相乘，然后将所有乘积求和。这种运算被称为点积。

矩阵乘法的关键性质

⊗

不满足交换律

通常 A × B ≠ B × A

⟨ ⟩

结合律

(A × B) × C = A × (B × C)

⊕

分配律

A × (B + C) = A×B + A×C

◻

单位矩阵

A × I = I × A = A

如何使用矩阵乘法计算器

设置维度 — 选择矩阵 A 的行数和列数，以及矩阵 B 的列数。A 的列数会自动设置为 B 的行数。
输入数值 — 在每个单元格中输入数字。可以使用快速示例来加载预设矩阵。
计算 — 点击“计算 A × B”查看结果矩阵和分步分解。
探索结果 — 将鼠标悬停或点击任何结果单元格，通过颜色编码的高亮显示查看其点积的可视化。使用“全部播放”功能自动步进查看每个元素。

维度兼容性规则

矩阵 A	矩阵 B	兼容性	结果大小
2×3	3×2	✓ 是 (3 = 3)	2×2
3×3	3×1	✓ 是 (3 = 3)	3×1
2×3	2×3	✕ 否 (3 ≠ 2)	—
4×2	2×5	✓ 是 (2 = 2)	4×5

现实世界中的应用

🎮

3D 图形

变换、旋转、投影

🤖

机器学习

神经网络层、权重矩阵

📊

数据分析

协方差、相关性、PCA

🔐

密码学

希尔密码加密/解密

📐

工程学

结构分析、电路网络

💹

经济学

投入产出模型、马尔可夫链

常见问题解答

什么是矩阵乘法？

矩阵乘法是一种取两个矩阵 A（m×n）和 B（n×p）并生成结果矩阵 C（m×p）的操作。每个元素 C[i][j] 被计算为 A 的第 i 行和 B 的第 j 列的点积。

为什么 A 的列数必须等于 B 的行数？

为了定义点积，相乘的两个向量必须具有相同的长度。A 的行有 n 个元素，B 的列有 n 个元素，因此 A 的列数必须与 B 的行数相等。

矩阵乘法满足交换律吗？

不，矩阵乘法不满足交换律。一般来说，A × B 不等于 B × A。结果维度可能不同，即使两个乘积都有定义且大小相同，数值通常也是不同的。

矩阵乘法中的点积是什么？

元素 C[i][j] 的点积是通过将矩阵 A 第 i 行的每个元素与矩阵 B 第 j 列的相应元素相乘，然后将所有乘积相加得出的。例如，如果第 i 行是 [a₁、a₂、a₃]，第 j 列是 [b₁、b₂、b₃]，则点积为 a₁×b₁ + a₂×b₂ + a₃×b₃。

矩阵乘法的时间复杂度是多少？

标准的矩阵乘法算法在 m×n 矩阵与 n×p 矩阵相乘时的时间复杂度为 O(m × n × p)。更高效的算法（如 Strassen 算法）对于方阵可以将其降低到大约 O(n²·⁸⁰⁷)。

引用此内容、页面或工具为：

"矩阵乘法计算器" 于 https://MiniWebtool.com/zh-cn/矩阵乘法计算器/，来自 MiniWebtool，https://MiniWebtool.com/

由 MiniWebtool 团队制作。更新时间：2026-04-09

您还可以尝试我们的 AI数学解题器 GPT，通过自然语言问答解决您的数学问题。

其他相关工具:

矩阵乘法计算器