矩阵的乘法是什么？
乘法运算：两个矩阵要可以相乘，必须是A矩阵的列数B矩阵的行数相等，才可以进行乘法，矩阵乘法的原则是，A矩阵的第i行中的元素分别与B矩阵中的第j列中的元素相乘再求和，得到的结果就是新矩阵的第i行第j列的值。
除法运算：一般不说矩阵的除法。都是讲的矩阵求逆。
矩阵乘法的注意事项
1、当矩阵A的列数等于矩阵B的行数时，A与B可以相乘。
2、矩阵C的行数等于矩阵A的行数，C的列数等于B的列数。
3、乘积C的第m行第n列的元素等于矩阵A的第m行的元素与矩阵B的第n列对应元素乘积之和。
基本性质
乘法结合律： (AB)C=A(BC)。
乘法左分配律：(A+B)C=AC+BC 。
乘法右分配律：C(A+B)=CA+CB 。
对数乘的结合性k(AB）=(kA)B=A(kB）。
矩阵相乘最重要的方法是一般矩阵乘积。它只有在第一个矩阵的列数（column）和第二个矩阵的行数（row）相同时才有意义。一般单指矩阵乘积时，指的便是一般矩阵乘积。
1、当矩阵A的列数（column）等于矩阵B的行数（row）时，A与B可以相乘。
2、矩阵C的行数等于矩阵A的行数，C的列数等于B的列数。
3、乘积C的第m行第n列的元素等于矩阵A的第m行的元素与矩阵B的第n列对应元素乘积之和。
矩阵乘法的运算规则：
顿时矩阵乘法的运算规则诞生了。也许凯莱特别幸运，也或许是他的数学直觉格外敏锐，但不论如何，他给出了一个自然而且有用的矩阵乘法定义。
凯莱的基本思想是用矩阵乘积来表示线性复合映射，但他并不是第一个考虑线性复合映射问题的数学家。早在 1801 年，高斯(Carl Friedrich Gauss) 就已经使用这种复合计算，但高斯并没有以阵列形式记录系数。
对许多数学家来说，矩阵乘法谈不上精巧的发明，凯莱将线性复合映射与矩阵乘积联系在一起的作为显得无足轻重，因为他既未解出困难的问题，也没有证明伟大的定理。
然而，矩阵以及乘法运算的发明显示良好设计符号的重要性，同时也点出部分数学家不愿意承认的一个事实：外表看似平凡无奇的表述符号可能是具有广泛应用的重要理论的萌芽条件之一。最后历史证明凯莱异于常人的洞察力为矩阵理论与线性代数的发展开启了一扇大门。
以上资料参考百度百科-矩阵乘法
乘法运算：两个矩阵要可以相乘，必须是A矩阵的列数B矩阵的行数相等，才可以进行乘法，矩阵乘法的原则是，A矩阵的第i行中的元素分别与B矩阵中的第j列中的元素相乘再求和，得到的结果就是新矩阵的第i行第j列的值。
除法运算：一般不说矩阵的除法。都是讲的矩阵求逆。
注意事项
1、当矩阵A的列数（column）等于矩阵B的行数（row）时，A与B可以相乘。
2、矩阵C的行数等于矩阵A的行数，C的列数等于B的列数。
3、乘积C的第m行第n列的元素等于矩阵A的第m行的元素与矩阵B的第n列对应元素乘积之和。
