在高等代数与线性代数中，二阶矩阵的乘法公式是解决多维线性变换的核心工具。许多初学者容易混淆矩阵乘法与标量乘法，或者误以为矩阵乘法满足交换律。实际上，矩阵乘法有着严格的定义和独特的运算规则。
设有两个二阶矩阵 A 和 B：
A = | a b |
| c d |
B = | e f |
| g h |
则矩阵 A 与 B 的乘积 C = AB 也是一个二阶矩阵，其元素由 A 的行与 B 的列对应元素相乘再求和得到。
二阶矩阵乘法通用公式：
C = AB = | ae + bg af + bh |
| ce + dg cf + dh |
其中，C11 = ae + bg，C12 = af + bh，C21 = ce + dg，C22 = cf + dh。这个公式是后续所有推导的基础，务必熟记。
为了帮助大家彻底掌握二阶矩阵的乘法公式，我们通过一个具体的数值例子来演示计算过程。这种“行乘列”的方法适用于任意阶数的矩阵乘法，但在二阶矩阵中最为直观。
设 A = | 1 2 | , B = | 3 4 |
| 3 4 | | 5 6 |
C11 = 1×3 + 2×5 = 3 + 10 = 13
C12 = 1×4 + 2×6 = 4 + 12 = 16
C21 = 3×3 + 4×5 = 9 + 20 = 29
C22 = 3×4 + 4×6 = 12 + 24 = 36
AB = | 13 16 |
| 29 36 |
注意：如果计算 BA，结果将完全不同，这验证了非交换性。
为了方便记忆，我们可以总结为“左行右列，对应相乘，交叉求和”。即：结果矩阵的第 i 行第 j 列元素，等于左矩阵的第 i 行元素与右矩阵的第 j 列元素对应相乘之和。
理解性质对于简化计算和理论推导至关重要。在考试和实际应用中，利用性质可以大幅减少计算量。
这是矩阵乘法与实数乘法最大的区别。一般情况下，AB ≠ BA。甚至可能出现 AB = 0 但 A ≠ 0 且 B ≠ 0 的情况（零因子现象）。
特例： 当 A 为单位矩阵 I，或 A 为数量矩阵 kI，或 A 与 B 互为逆矩阵时，AB = BA 成立。
矩阵乘法满足结合律。这意味着在多个矩阵相乘时，可以任意改变括号的位置而不改变结果。这一性质允许我们定义矩阵的幂，如 A2 = AA, A3 = AAA 等。
矩阵乘法对加法满足左分配律和右分配律。即 A(B+C) = AB + AC 且 (B+C)A = BA + CA。这一性质在展开多项式矩阵时非常有用，但要注意顺序不能颠倒。
二阶单位矩阵 I = | 1 0 |。对于任意二阶矩阵 A，都有 AI = IA = A。单位矩阵在矩阵乘法中的作用类似于实数中的 1。
| 0 1 |
从线性代数的视角来看，二阶矩阵可以看作是对二维平面的一种线性变换。那么，矩阵乘法 AB 代表什么呢？
矩阵乘法 AB 的几何意义是连续两次线性变换的合成。具体来说，先对向量应用变换 B，再应用变换 A。也就是说，AB(x) = A(B(x))。
考虑平面上的一个向量 v。
矩阵 B 将向量 v 变换为 v'。例如，B 可能是一个旋转矩阵，将向量逆时针旋转 90 度。
矩阵 A 将 v' 进一步变换为 v''。例如，A 可能是一个缩放矩阵，将向量长度扩大 2 倍。
存在一个单一的矩阵 AB，它直接完成了从 v 到 v'' 的变换。这个复合变换既包含了旋转，也包含了缩放。
矩阵乘法的另一个重要性质是：det(AB) = det(A) det(B)。这意味着，变换 AB 对面积（或体积）的缩放倍数，等于各个单独变换缩放倍数的乘积。如果 det(A) = -1，det(B) = 2，那么 det(AB) = -2，表示面积扩大 2 倍且发生了翻转。
除了理论推导，二阶矩阵的乘法公式在计算机科学、物理工程和经济学中有着广泛的应用。以下是网民普遍关注的几个应用场景及深度解析。
在 2D 游戏开发或 CAD 软件中，角色的移动、旋转和缩放都通过矩阵乘法实现。例如，要实现一个角色先旋转 45 度再向右平移 10 个单位，程序员会将旋转矩阵和平移矩阵相乘，得到一个复合变换矩阵，然后一次性应用到所有顶点上，极大提高了渲染效率。
在二端口网络分析中，ABCD 参数矩阵常用于描述电路的传输特性。级联两个二端口网络时，其总参数矩阵等于各个子网络参数矩阵的乘积。这里直接应用二阶矩阵的乘法公式可以快速求解复杂电路的输入输出关系。
列昂惕夫投入产出模型利用矩阵乘法来分析不同产业部门之间的相互依赖关系。通过计算直接消耗系数矩阵的幂，可以预测长期经济均衡状态下的各部门产出需求。
在量子计算中，量子门操作本质上是酉矩阵。多量子比特门的操作可以通过单量子比特门的张量积和矩阵乘法来实现。理解矩阵乘法的非交换性对于设计量子算法至关重要。
| 变换类型 | 矩阵形式 | 几何效果 |
|---|---|---|
| 单位变换 | | 1 0 | | 保持原状 |
| 旋转 θ 角 | | cosθ -sinθ | | 绕原点逆时针旋转 θ |
| 缩放 k 倍 | | k 0 | | 沿 x, y 轴均匀缩放 |
| 剪切变换 | | 1 k | | 沿 x 轴方向剪切 |
在学习和二阶矩阵的乘法公式时，许多学生容易犯以下错误，请务必注意：
? 防错技巧： 在计算前，先画出草图，标记出需要相乘的行和列。计算完每个元素后，检查结果矩阵的维度是否正确（仍应为 2x2）。
基于搜索引擎数据，以下是网民最关心的与二阶矩阵的乘法公式相关的周边问题，我们进行了深度整理：
A: 一般情况下不满足。即 AB ≠ BA。只有在特殊情况下，如 A 或 B 是单位矩阵、数量矩阵，或者 A 和 B 互为逆矩阵时，才可能满足 AB = BA。在解题时，切勿默认交换律成立。
A: 最直接的方法是分别计算 AB 和 BA，然后比较对应元素是否相等。理论上，如果 A 是数量矩阵（主对角线元素相等，非对角线元素为0），则它与任意二阶矩阵可交换。
A: 如果 A 和 B 都是可逆矩阵，那么 (AB)-1 = B-1A-1。注意顺序颠倒！这是矩阵乘法非交换性的直接推论。对于二阶矩阵 A = | a b |，其逆矩阵 A-1 = 1/(ad-bc) | d -b |，前提是行列式 ad-bc ≠ 0。
A: 矩阵乘法是两个矩阵之间的运算，结果仍为矩阵。而向量与矩阵的乘法（如 Av）是矩阵与向量的运算，结果是一个向量。在计算上，向量可以看作特殊的矩阵（列矩阵），因此运算规则是一致的：行乘列。
A: 二阶矩阵是理解线性变换最简单且最完整的模型。它涵盖了旋转、缩放、剪切等所有基本二维变换。三阶及以上矩阵只是维度的增加，核心公式（行乘列）完全一致，但计算复杂度呈指数级上升，通常借助计算机完成。掌握二阶矩阵是通往高维线性代数的基石。