矩阵数乘计算器
立即将任意矩阵乘以一个标量——每个元素都会按同一个常数缩放,适用于线性代数、物理和数据科学。
输入标量和值矩阵,然后点击“计算”即可查看每个矩阵元素与标量相乘后的结果。
矩阵数乘计算器
立即将任意矩阵乘以一个标量——每个元素都会按同一个常数缩放,适用于线性代数、物理和数据科学。
使用分号 (;) 分隔各行,使用逗号 (,) 分隔各列。示例:1,2;3,4 表示一个 2×2 矩阵。
关于矩阵数乘计算器
数乘是所有矩阵运算中最简单的一种:把矩阵中的每个元素都乘以同一个实数,这个实数称为标量。如果 k 是标量,A 是一个 m×n 矩阵,那么乘积 kA 也是一个 m×n 矩阵,其中每个元素 (kA)[i][j] = k × A[i][j]。矩阵的维度不会改变;变化的只有每个元素的大小(以及可能的符号)。
由于每个元素都是独立相乘的,数乘既满足交换性(kA = Ak),也与加法兼容:k(A + B) = kA + kB。这些性质使数乘成为作用于矩阵空间的线性映射中最简单的例子,也正是这些性质使 m×n 实数矩阵集合构成一个以实数为域的向量空间。
当标量取 1 时,矩阵保持不变——这就是乘法单位元。取 −1 时,每个元素都变号,得到矩阵的加法逆元。标量为 0 时,任何矩阵都会变成零矩阵。介于 −1 和 1 之间的标量会把元素压向 0,而绝对值大于 1 的标量则会把它们拉离 0。
在物理学中,只要某个向量量被无量纲因子或带单位常数缩放,就会出现数乘。把力矩阵乘以时间间隔,可得到冲量。把速度矩阵乘以质量,可得到动量。在计算机图形学中,缩放变换通常表现为对坐标矩阵做数乘。在机器学习中,学习率更新会在将梯度矩阵从权重矩阵中减去之前,先把它乘以一个很小的标量(学习率)。
对于学生来说,数乘通常是最先学习的矩阵运算,因为它在视觉上最直观——网格中的每个数字都只是乘以同一个常数——并且为理解线性组合和线性变换打下基础。这个计算器接受任意实数标量(包括分数和负数)以及任意维度一致的矩阵,并以双精度浮点运算执行每一次乘法,以获得准确结果。
矩阵数乘示例
以下三个示例展示标量如何改变一个矩阵。
| 输入 | 结果 | 说明 |
|---|---|---|
| k = 3, A = [[1,2],[3,4]] | [[3,6],[9,12]] | 每个元素都乘以 3,2×2 的结构保持不变。 |
| k = −1, A = [[5,−3],[0,7]] | [[−5,3],[0,−7]] | 乘以 −1 会让每个元素变号,从而得到 A 的加法逆元。 |
| k = 0.5, A = [[2,4,6],[8,10,12]] | [[1,2,3],[4,5,6]] | 将 2×3 矩阵乘以 0.5 后,每个元素都会减半,矩阵仍保持 2×3 形状。 |
| k = 2, A = [[1,0,0],[0,1,0],[0,0,1]] | [[2,0,0],[0,2,0],[0,0,2]] | 将 3×3 单位矩阵乘以 2,会得到标量矩阵 2I。 |
如何使用矩阵数乘计算器
- 在“标量”字段中输入标量值。它可以是任意实数,包括负数和小数。
- 在“矩阵”字段中使用分号和逗号格式输入矩阵:用分号分隔各行,用逗号分隔同一行中的元素。例如,2,0;0,2 表示一个 2×2 矩阵。
- 点击“计算”。结果矩阵会显示在下方,每个元素都等于原始元素乘以标量后的值。
- 通过抽查一个元素来验证结果:任选一个位置,确认结果等于原值乘以你的标量。
- 点击“重置”即可清空两个字段并开始新的计算。
常见问题
数乘会改变矩阵维度吗?
不会。数乘不会改变矩阵的行数或列数。任何 m×n 矩阵乘以任意标量后,仍然是 m×n 矩阵。变化的只有各个元素的值。
当标量为零时会怎样?
任何矩阵乘以 0 都会得到一个同维度的零矩阵——每个元素都变成 0。这与任何数乘以 0 的结果相同,且所得零矩阵是该尺寸矩阵的加法单位元。
数乘和矩阵乘法是一样的吗?
不一样。数乘是把矩阵中的每个元素乘以同一个数。矩阵乘法则是通过按行乘按列的点积把两个矩阵组合起来,并且需要维度兼容。数乘对任何矩阵都定义良好;矩阵乘法则有额外的维度限制。
标量可以是分数或小数吗?
可以。标量可以是任何实数——正数、负数、零、整数、分数或小数。例如,0.25 会把每个元素缩放到原来四分之一。计算器会使用双精度浮点运算处理所有实数标量。
标量矩阵和数乘有什么区别?
数乘是把矩阵乘以一个数的运算。标量矩阵是一种特殊的方阵,其对角线元素都相等,非对角线元素都为零——它等于标量乘以单位矩阵。把任何方阵左乘或右乘一个标量矩阵,都等同于数乘。
数乘在实际中有哪些应用?
数乘常见于物理学(缩放力、速度或场向量)、计算机图形学(为缩放而对坐标矩阵做变换)、机器学习(在反向传播中将学习率应用到梯度矩阵)、以及经济学(用常数因子调整投入产出系数矩阵)。只要需要把数据集中每个元素统一缩放,数乘就是首选工具。