矩阵的乘法依赖于点积与各个行列元素的组合。 以下图为例(取自 Khan学院的线性代数课程)，矩阵 C中的每个元素都是矩阵 A 中的行与矩阵B中的列的点积。

　　参考

　　操作 a1 · b1 意味着我们对矩阵A的第一行(1, 7) 和矩阵B 的第一列 (3, 5) 做点积运算.

　　也可以换一种角度来看:

　　为什么矩阵乘法以这种方式工作?

　　矩阵的乘法很有用，但它的背后并没有什么特别的数学的定律。数学家们把它发明出来是因为它的规范简化了之前乏味的运算。这是一个人为的设计，但却非常有效。

　　??用这些例子自我测试下

　　使用 numpy 做矩阵乘法

　　Numpy 使用函数 np.dot(A,B) 做向量和矩阵的乘法运算。它有一些其他有趣的特性和问题，所以我建议你在使用之前先阅读该说明文档 (https://docs.scipy.org/doc/numpy/reference/generated/numpy.dot.html)。

　　a = np.array([
[1, 2]
])
a.shape == (1,2)

　　b = np.array([
[3, 4],
[5, 6]
])
b.shape == (2,2)

　　# Multiply
mm = np.dot(a,b)
mm == [13, 16]
mm.shape == (1,2)

　　更多教程

可汗学院——线性代数 (https://www.khanacademy.org/math/linear-algebra)

深度学习读本——数学部分：()

吴恩达的课程笔记：https://www.coursera.org/learn/machine-learning/resources/JXWWS

关于线性代数的解释：https://betterexplained.com/articles/linear-algebra-guide/

关于矩阵的解释：

线性代数概述：

沉浸式数学——线性代数：