【矩阵相乘指的是什么】矩阵相乘是线性代数中的一个重要概念，广泛应用于数学、物理、计算机科学和工程等领域。它是指两个矩阵按照特定规则进行运算，得到一个新的矩阵。矩阵相乘并不是简单的元素相乘，而是通过行与列的对应元素相乘再求和的方式完成。
一、矩阵相乘的定义
设矩阵 A 是一个 m×n 的矩阵，矩阵 B 是一个 n×p 的矩阵，那么它们的乘积 C = A × B 是一个 m×p 的矩阵。
其中，C 中的每个元素 c_ij 是由 A 的第 i 行与 B 的第 j 列对应元素相乘后求和的结果：
$$
c_{ij} = \sum_{k=1}^{n} a_{ik} \cdot b_{kj}
$$
二、矩阵相乘的规则
| 条件 | 说明 |
| 维度匹配 | 只有当第一个矩阵的列数等于第二个矩阵的行数时，才能相乘。 |
| 结果维度 | 乘积矩阵的行数等于第一个矩阵的行数，列数等于第二个矩阵的列数。 |
| 运算方式 | 每个元素是行与列对应元素的乘积之和。 |
| 不满足交换律 | 一般情况下，A×B ≠ B×A（除非在特殊条件下）。 |
三、矩阵相乘的应用
| 领域 | 应用场景 |
| 线性代数 | 解决线性方程组、变换矩阵等 |
| 计算机图形学 | 三维坐标变换、旋转、缩放等 |
| 机器学习 | 神经网络权重更新、特征转换等 |
| 物理学 | 描述系统状态变化、量子力学中的态变换等 |
四、示例说明
假设矩阵 A 和 B 分别为：
$$
A = \begin{bmatrix}
1 & 2 \\
3 & 4 \\
\end{bmatrix},
\quad
B = \begin{bmatrix}
5 & 6 \\
7 & 8 \\
\end{bmatrix}
$$
则它们的乘积 C = A × B 为：
$$
C = \begin{bmatrix}
(1×5 + 2×7) & (1×6 + 2×8) \\
(3×5 + 4×7) & (3×6 + 4×8) \\
\end{bmatrix}
=
\begin{bmatrix}
19 & 22 \\
43 & 50 \\
\end{bmatrix}
$$
五、总结
矩阵相乘是一种基于行与列的对应元素相乘再求和的运算方式，其结果是一个新的矩阵。它在多个领域中有着广泛应用，理解其规则和应用对于进一步学习相关学科具有重要意义。