提示：数学公式渲染组件（KaTeX）加载失败，公式以源码形式显示，不影响阅读内容。联网后刷新即可正常渲染。
☰本集目录
◎学习目标
- ✅ 掌握矩阵乘法的结合律：\((AB)C = A(BC)\)，理解其证明思路；
- ✅ 掌握矩阵乘法的分配律：\(A(B+C) = AB + AC\)（左分配）和 \((B+C)A = BA + CA\)（右分配）；
- ✅ 理解单位矩阵\(I_n\) 的定义，掌握 \(AI_n = I_nA = A\) 的基本性质；
- ✅ 认识到矩阵乘法虽然不满足交换律，但满足结合律和分配律，构成一个环（matrix ring）的结构；
- ✅ 能够熟练运用矩阵运算律简化矩阵表达式和进行矩阵运算。
1矩阵乘法的结合律 ⏱ 00:00
矩阵乘法虽然不满足交换律，但它满足结合律——这与变换复合的结合律完全对应。
定理 · 矩阵乘法结合律
设 \(A\) 是 \(s \times n\) 矩阵，\(B\) 是 \(n \times m\) 矩阵，\(C\) 是 \(m \times p\) 矩阵，则
\[ (AB)C = A(BC). \]
即三个矩阵可以相乘时，乘法运算的顺序可以任意改变，只要保持矩阵的相对顺序不变。⏱ 00:30
证明思路：用下标公式验证
左端 \((AB)C\) 的第 \((i,j)\) 元：
\[ ((AB)C)_{ij} = \sum_{l=1}^{m} (AB)_{il}\, c_{lj} = \sum_{l=1}^{m}\left(\sum_{k=1}^{n} a_{ik}b_{kl}\right)c_{lj}. \]
右端 \(A(BC)\) 的第 \((i,j)\) 元：
\[ (A(BC))_{ij} = \sum_{k=1}^{n} a_{ik}\,(BC)_{kj} = \sum_{k=1}^{n} a_{ik}\left(\sum_{l=1}^{m} b_{kl}c_{lj}\right). \]
由于数乘法的交换律和结合律，两个双重求和相等：⏱ 01:15
\[ \sum_{l=1}^{m}\sum_{k=1}^{n} a_{ik}b_{kl}c_{lj} = \sum_{k=1}^{n}\sum_{l=1}^{m} a_{ik}b_{kl}c_{lj}. \]
故 \((AB)C = A(BC)\)。证毕。
变换复合的观点
丘老师强调：矩阵乘法的结合律可以从线性变换复合的结合律直接得到。因为矩阵乘法原本就是由变换复合引出的，所以自然应该满足结合律。⏱ 02:10
2矩阵乘法的分配律 ⏱ 03:00
矩阵乘法满足左分配律和右分配律，但不满足交换律，因此必须区分左右。
定理 · 矩阵乘法分配律
设 \(A\) 是 \(s \times n\) 矩阵，\(B\) 和 \(C\) 都是 \(n \times m\) 矩阵，则
\[ A(B + C) = AB + AC \quad \text{（左分配律）}, \]
\[ (B + C)A = BA + CA \quad \text{（右分配律）}. \]
左分配律的证明
考虑 \((A(B+C))_{ij}\) 与 \((AB + AC)_{ij}\)：
\[ (A(B+C))_{ij} = \sum_{k=1}^{n} a_{ik}(b_{kj} + c_{kj}) = \sum_{k=1}^{n} a_{ik}b_{kj} + \sum_{k=1}^{n} a_{ik}c_{kj} = (AB)_{ij} + (AC)_{ij}. \]
最后一步由数的分配律 \(a_{ik}(b_{kj}+c_{kj}) = a_{ik}b_{kj} + a_{ik}c_{kj}\) 和求和的线性性质得到。⏱ 04:30
右分配律的证明完全类似，将左矩阵的列指标换成行指标即可。
重要结论
矩阵乘法的三条运算律汇总：⏱ 05:40
\[ \boxed{(AB)C = A(BC)} \quad \text{（结合律）} \]
\[ \boxed{A(B+C) = AB + AC} \quad \text{（左分配律）} \]
\[ \boxed{(B+C)A = BA + CA} \quad \text{（右分配律）} \]
这些运算律保证了我们可以像处理数的表达式一样处理矩阵表达式，只需保持矩阵的顺序不变。
常见误区
因为有分配律，初学者容易错误地认为矩阵乘法可以"交换后分配"，如误认为 \(A(B+C) = (B+C)A\) 或 \(AB + AC = BA + CA\)。这是完全错误的！分配律只保证括号展开时矩阵顺序不变，绝不意味着矩阵可以随意换位。
3单位矩阵的定义与性质 ⏱ 06:30
单位矩阵在矩阵运算中扮演角色类似于数 \(1\) 在数乘法中的角色。
定义 · 单位矩阵
\(n\) 阶单位矩阵\(I_n\)（或简记为 \(I\)）是主对角线元素全为 1、其余元素全为 0 的 \(n \times n\) 矩阵：
\[ I_n = \begin{pmatrix} 1 & 0 & \cdots & 0 \\ 0 & 1 & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & 1 \end{pmatrix}. \]
元素 \(a_{ij}\) 满足：\(a_{ij} = \delta_{ij}\)（克罗内克符号），即 \(i=j\) 时为 1，否则为 0。⏱ 06:30
定理 · 单位矩阵的性质
设 \(A\) 是 \(s \times n\) 矩阵，则
\[ A \cdot I_n = I_s \cdot A = A. \]
即单位矩阵左乘或右乘任何相容的矩阵都等于该矩阵本身。⏱ 07:30
证明：\(AI_n = A\)
计算 \((AI_n)_{ij}\)：
\[ (AI_n)_{ij} = \sum_{k=1}^{n} a_{ik}(I_n)_{kj} = \sum_{k=1}^{n} a_{ik}\,\delta_{kj} = a_{ij}. \]
因为当 \(k \neq j\) 时 \(\delta_{kj} = 0\)，只有 \(k = j\) 时 \(\delta_{jj} = 1\)，所以求和中只剩一项 \(a_{ij}\)。⏱ 08:30
同理可证 \(I_sA = A\)。
单位矩阵的唯一性
假设存在另一个 \(n\) 阶矩阵 \(E\) 满足对任意 \(n\) 阶矩阵 \(A\) 都有 \(EA = AE = A\)，则取 \(A = I_n\)，得 \(EI_n = E\) 且 \(I_nE = E\)，故 \(E = I_n\)。这说明单位矩阵是唯一的。⏱ 09:15
丘老师的讲解
"单位矩阵，对于乘法来讲，都起着我们数里面那个 1……起的作用。"⏱ 07:00
丘老师把单位矩阵记作 \(I\)（取自英文 Identity），并指出主对角线全为 1、其他全为 0 是其结构特征。这个记号在后续教材中广泛使用。
4矩阵代数的结构 ⏱ 10:00
综合前两集的内容，我们现在可以描述矩阵集合的完整代数结构。
矩阵环（Matrix Ring）
全体 \(n\) 阶矩阵 \(M_n(K)\) 对于加法和乘法构成一个环（Ring），记为 \((M_n(K), +, \cdot)\)，具有以下性质：
- (加法群)：\((M_n(K), +)\) 是交换群（阿贝尔群）。
- (乘法半群)：\((M_n(K), \cdot)\) 满足结合律。
- (分配律)：乘法对加法满足左右分配律。
- (单位元)：存在单位矩阵 \(I_n\)，使 \(I_nA = AI_n = A\)。
- (非交换)：乘法一般不满足交换律（\(n \geq 2\) 时）。
重要对比：矩阵环 vs 数域
| 性质 | 数域 \(K\) | 矩阵环 \(M_n(K)\)（\(n\geq 2\)） |
|---|---|---|
| 加法交换律 | ✓ | ✓ |
| 乘法交换律 | ✓ | ✗ |
| 乘法结合律 | ✓ | ✓ |
| 分配律 | ✓ | ✓ |
| 零元 | 0 | \(\mathbf{0}\)（零矩阵） |
| 单位元 | 1 | \(I_n\)（单位矩阵） |
| 零因子 | 无 | 有（非零矩阵乘积可为零） |
| 逆元 | 每个非零元有乘法逆 | 仅可逆矩阵有逆 |
为什么矩阵环有零因子而数域没有？
在数域 \(K\) 中，若 \(ab = 0\)，则必有 \(a = 0\) 或 \(b = 0\)（无零因子）。
但在 \(M_n(K)\) 中（\(n \geq 2\)），存在非零矩阵 \(A, B\) 使 \(AB = \mathbf{0}\)。例如：
\[ A = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix}, \quad B = \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix} \implies AB = \begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix}. \]
这是因为矩阵可以"压缩"维度——\(A\) 把向量映到某个方向，而 \(B\) 把这个方向的向量映为零。⏱ 11:30
丘老师总结
矩阵环是线性代数中最重要的代数结构之一。它既有数的某些性质（结合律、分配律、单位元），又有完全不同的特性（非交换、有零因子）。理解这一点，是为后续学习矩阵可逆性、特征值等概念打下基础。⏱ 12:30
★重点回顾
1
结合律：\((AB)C = A(BC)\)。证明用下标公式验证，本质是双重求和可以交换次序。
2
分配律：\(A(B+C) = AB + AC\)（左分配），\((B+C)A = BA + CA\)（右分配）。注意区分左右，不能混用。
3
单位矩阵：\(I_n\) 是主对角线全1、其余全0的 \(n \times n\) 矩阵，满足 \(AI_n = I_sA = A\)（注意维度匹配）。
4
矩阵环结构：\(M_n(K)\) 对加法和乘法构成含幺非交换环，有零因子，不同于数域的整环结构。
5
运算法则的应用原则：涉及矩阵表达式变形时，严格遵守结合律和分配律，绝不可随意交换矩阵顺序。
⚠易错点提醒
常见错误
- 混淆左右分配律：\(A(B+C) = AB + AC\) 和 \((B+C)A = BA + CA\) 是不同的等式，不可混用。错误写成 \(A(B+C) = BA + CA\) 是典型错误。
- 单位矩阵维度忽略：\(A_{s \times n}\) 右乘 \(I_n\)，左乘 \(I_s\)，即 \(AI_n = I_sA = A\)。维度必须匹配，不可随意替换。
- 从 \(AB = AC\) 推出 \(B = C\)：这在矩阵中一般不成立（除非 \(A\) 可逆）。因为矩阵环有零因子，消去律不成立。
- 忘记矩阵乘法非交换：在处理 \((A+B)^2 = A^2 + 2AB + B^2\) 这类展开时，错误地应用数的公式。正确展开为 \(A^2 + AB + BA + B^2\)，当 \(AB \neq BA\) 时不能合并。
- 交换律的幻觉：看到 \((AB)^T\) 时误以为等于 \(A^T B^T\)，正确的是 \((AB)^T = B^T A^T\)（反序）。
✎自测与作业
- 验证结合律：设 \(A = \begin{pmatrix} 1 & 0 \\ 0 & 2 \end{pmatrix}\)，\(B = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}\)，\(C = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}\)，分别计算 \((AB)C\) 和 \(A(BC)\)，验证它们相等。
- 验证分配律：设 \(A = \begin{pmatrix} 1 & 2 \\ 3 & 4 \end{pmatrix}\)，\(B = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}\)，\(C = \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix}\)，验证 \(A(B+C) = AB + AC\) 和 \((B+C)A = BA + CA\)。
- 单位矩阵计算：设 \(A\) 是任意 \(3 \times 2\) 矩阵，验证 \(AI_2 = I_3A = A\)。
- 证明题：证明：若 \(AB = AC\) 且 \(A\) 可逆，则 \(B = C\)。并给出一个 \(A\) 不可逆时 \(AB = AC\) 但 \(B \neq C\) 的反例。
- 展开练习：展开 \((A+B)^2\) 和 \((A-B)(A+B)\)，说明在矩阵乘法下这两个式子与数的情形有何不同。
- 思考题：证明：若 \(A^2 = A\)（幂等矩阵）且 \(A \neq 0, A \neq I\)，则 \(A\) 不可逆。并说明此时 \(A\) 是否可能有零因子。
本章小结
矩阵第四章"矩阵的运算"至此完成矩阵乘法的定义与基本运算律。下一章将研究矩阵的逆、分块矩阵、转置等重要概念，进一步深入矩阵的代数结构。