Question

矩阵的乘法运算怎么算？

Answer 1

矩阵的乘法，首先要判定能不能作乘法，即要求作乘法时，前一个矩阵的列数与后一个矩阵的行数相等。

设矩阵A是m×n的、矩阵B是n×s的，乘法AB后得到矩阵C，则C为m×s的，如下图所示。

矩阵C的第i行第j列的元素Cij就是取A的第i行元素、B的第j列元素，然后对应相乘。

举个实际的例子来理解一下，比如下图所示的矩阵乘法。

• C11是由A的第一行与B的第一列对应相乘得到的，即C11=1×3+2×1+4×2=13。
  

• C32是由A的第三行与B的第二列对应相乘得到的，即C32=2×2+5×6+1×1=35。

其他元素也是同理，分别取A的某行与B的某列，将对应元素相乘求出。

Answer 2

大多数人在高中，或者大学低年级，都上过一门课《线性代数》。这门课其实是教矩阵。
刚学的时候，还蛮简单的，矩阵加法就是相同位置的数字加一下。

矩阵减法也类似。
矩阵乘以一个常数，就是所有位置都乘以这个数。
但是，等到矩阵乘以矩阵的时候，一切就不一样了。
这个结果是怎么算出来的？
教科书告诉你，计算规则是，第一个矩阵第一行的每个数字（2和1），各自乘以第二个矩阵第一列对应位置的数字（1和1），然后将乘积相加（ 2 x 1 + 1 x 1），得到结果矩阵左上角的那个值3。
也就是说，结果矩阵第m行与第n列交叉位置的那个值，等于第一个矩阵第m行与第二个矩阵第n列，对应位置的每个值的乘积之和。
怎么会有这么奇怪的规则？
我一直没理解这个规则的含义，导致《线性代数》这门课就没学懂。研究生时发现，线性代数是向量计算的基础，很多重要的数学模型都要用到向量计算，所以我做不了复杂模型。这一直让我有点伤心。

前些日子，受到一篇文章的启发，我终于想通了，矩阵乘法到底是什么东西。关键就是一句话，矩阵的本质就是线性方程式，两者是一一对应关系。如果从线性方程式的角度，理解矩阵乘法就毫无难度。
下面是一组线性方程式。
矩阵的最初目的，只是为线性方程组提供一个简写形式。
老实说，从上面这种写法，已经能看出矩阵乘法的规则了：系数矩阵第一行的2和1，各自与 x 和 y 的乘积之和，等于3。不过，这不算严格的证明，只是线性方程式转为矩阵的书写规则。
下面才是严格的证明。有三组未知数 x、y 和 t，其中 x 和 y 的关系如下。
x 和 t 的关系如下。
有了这两组方程式，就可以求 y 和 t 的关系。从矩阵来看，很显然，只要把第二个矩阵代入第一个矩阵即可。
从方程式来看，也可以把第二个方程组代入第一个方程组。
上面的方程组可以整理成下面的形式。
最后那个矩阵等式，与前面的矩阵等式一对照，就会得到下面的关系。
矩阵乘法的计算规则，从而得到证明。
来源：阮一峰的网络日志

Answer 3

矩阵乘法是线性代数中的重要运算。在矩阵乘法中，两个矩阵A和B相乘得到的结果矩阵C的尺寸为m×p，其中m是矩阵A的行数，p是矩阵B的列数。具体计算过程如下：

首先，确保矩阵A的列数等于矩阵B的行数，否则无法进行乘法运算。

然后，将矩阵A的每一行与矩阵B的每一列进行对应元素的乘法，然后将乘积相加得到结果矩阵C的对应位置的元素。

举例说明，假设矩阵A为一个2×3矩阵，为了与之相乘，我们需要一个3×4的矩阵B。结果矩阵C将会是一个2×4的矩阵。

对于C的第一行第一列的元素，我们需要计算A的第一行与B的第一列的对应元素相乘，并将它们相加。以此类推，计算C的其他元素。

矩阵乘法的规则为：C(i,j) = ΣA(i,k) × B(k,j)，其中i表示结果矩阵C的行号，j表示结果矩阵C的列号，k表示遍历A的列数和B的行数。

最后，得到的结果矩阵C包含了两个矩阵A和B的乘法运算的结果。矩阵乘法的应用广泛，包括图像处理、网络分析等领域。

矩阵乘法的运算过程较为复杂，但采用上述步骤可以完成。了解矩阵乘法的原理和应用，对于理解线性代数和解决实际问题都有很大帮助。

Answer 4

大多数人在高中，或者大学低年级，都上过一门课《线性代数》。这门课其实是教矩阵。
刚学的时候，还蛮简单的，矩阵加法就是相同位置的数字加一下。

矩阵减法也类似。
矩阵乘以一个常数，就是所有位置都乘以这个数。
但是，等到矩阵乘以矩阵的时候，一切就不一样了。
这个结果是怎么算出来的？
教科书告诉你，计算规则是，第一个矩阵第一行的每个数字（2和1），各自乘以第二个矩阵第一列对应位置的数字（1和1），然后将乘积相加（ 2 x 1 + 1 x 1），得到结果矩阵左上角的那个值3。
也就是说，结果矩阵第m行与第n列交叉位置的那个值，等于第一个矩阵第m行与第二个矩阵第n列，对应位置的每个值的乘积之和。
怎么会有这么奇怪的规则？
我一直没理解这个规则的含义，导致《线性代数》这门课就没学懂。研究生时发现，线性代数是向量计算的基础，很多重要的数学模型都要用到向量计算，所以我做不了复杂模型。这一直让我有点伤心。

前些日子，受到一篇文章的启发，我终于想通了，矩阵乘法到底是什么东西。关键就是一句话，矩阵的本质就是线性方程式，两者是一一对应关系。如果从线性方程式的角度，理解矩阵乘法就毫无难度。
下面是一组线性方程式。
矩阵的最初目的，只是为线性方程组提供一个简写形式。
老实说，从上面这种写法，已经能看出矩阵乘法的规则了：系数矩阵第一行的2和1，各自与 x 和 y 的乘积之和，等于3。不过，这不算严格的证明，只是线性方程式转为矩阵的书写规则。
下面才是严格的证明。有三组未知数 x、y 和 t，其中 x 和 y 的关系如下。
x 和 t 的关系如下。
有了这两组方程式，就可以求 y 和 t 的关系。从矩阵来看，很显然，只要把第二个矩阵代入第一个矩阵即可。
从方程式来看，也可以把第二个方程组代入第一个方程组。
上面的方程组可以整理成下面的形式。
最后那个矩阵等式，与前面的矩阵等式一对照，就会得到下面的关系。
矩阵乘法的计算规则，从而得到证明。
来源：阮一峰的网络日志

Answer 5

大多数人在高中，或者大学低年级，都上过一门课《线性代数》。这门课其实是教矩阵。
刚学的时候，还蛮简单的，矩阵加法就是相同位置的数字加一下。

矩阵减法也类似。
矩阵乘以一个常数，就是所有位置都乘以这个数。
但是，等到矩阵乘以矩阵的时候，一切就不一样了。
这个结果是怎么算出来的？
教科书告诉你，计算规则是，第一个矩阵第一行的每个数字（2和1），各自乘以第二个矩阵第一列对应位置的数字（1和1），然后将乘积相加（ 2 x 1 + 1 x 1），得到结果矩阵左上角的那个值3。
也就是说，结果矩阵第m行与第n列交叉位置的那个值，等于第一个矩阵第m行与第二个矩阵第n列，对应位置的每个值的乘积之和。
怎么会有这么奇怪的规则？
我一直没理解这个规则的含义，导致《线性代数》这门课就没学懂。研究生时发现，线性代数是向量计算的基础，很多重要的数学模型都要用到向量计算，所以我做不了复杂模型。这一直让我有点伤心。

前些日子，受到一篇文章的启发，我终于想通了，矩阵乘法到底是什么东西。关键就是一句话，矩阵的本质就是线性方程式，两者是一一对应关系。如果从线性方程式的角度，理解矩阵乘法就毫无难度。
下面是一组线性方程式。
矩阵的最初目的，只是为线性方程组提供一个简写形式。
老实说，从上面这种写法，已经能看出矩阵乘法的规则了：系数矩阵第一行的2和1，各自与 x 和 y 的乘积之和，等于3。不过，这不算严格的证明，只是线性方程式转为矩阵的书写规则。
下面才是严格的证明。有三组未知数 x、y 和 t，其中 x 和 y 的关系如下。
x 和 t 的关系如下。
有了这两组方程式，就可以求 y 和 t 的关系。从矩阵来看，很显然，只要把第二个矩阵代入第一个矩阵即可。
从方程式来看，也可以把第二个方程组代入第一个方程组。
上面的方程组可以整理成下面的形式。
最后那个矩阵等式，与前面的矩阵等式一对照，就会得到下面的关系。
矩阵乘法的计算规则，从而得到证明。
来源：阮一峰的网络日志