矩阵是按行和列排列的一组数字。 m 行 n 列的矩阵称为 m X n 矩阵，m 和 n 称为其维度。矩阵是一个二维数组，在Python中使用列表或NumPy数组创建。
一般来说，矩阵乘法可以通过将第一个矩阵的行乘以第二个矩阵的列来完成。这里，第一矩阵的列数应等于第二矩阵的行数。
输入输出场景
假设我们有两个矩阵 A 和 B，这两个矩阵的维度分别为 2X3 和 3X2。相乘后得到的矩阵将有 2 行 1 列。
[b1, b2] [a1, a2, a3] * [b3, b4] = [a1*b1+a2*b2+a3*a3] [a4, a5, a6] [b5, b6] [a4*b2+a5*b4+a6*b6]
此外，我们还可以进行矩阵的逐元素乘法。在这种情况下，两个输入矩阵的行数和列数必须相同。
立即学习“Python免费学习笔记（深入）”；
[a11, a12, a13] [b11, b12, b13] [a11*b11, a12*b12, a13*b13] [a21, a22, a23] * [b21, b22, b23] = [a21*b21, a22*b22, a23*b23] [a31, a32, a33] [b31, b32, b33] [a31*b31, a32*b32, a33*b33]
使用 For 循环
通过嵌套的 for 循环，我们将对两个矩阵执行乘法运算，并将结果存储在第三个矩阵中。
示例
在这个例子中，我们将初始化一个全零的结果矩阵来存储乘法结果。
# Defining the matrix using multidimensional arrays
matrix_a = [[1,2,3],
[4,1,2],
[2,3,1]]
matrix_b = [[1,2,3,2],
[2,3,6,3],
[3,1,4,2]]
#function for displaying matrix
def display(matrix):
for row in matrix:
print(row)
print()
# Display two input matrices
print('The first matrix is defined as:')
display(matrix_a)
print('The second matrix is defined as:')
display(matrix_b)
# Initializing Matrix with all 0s
result = [[0, 0, 0, 0],[0, 0, 0, 0],[0, 0, 0, 0]]
# multiply two matrices
for i in range(len(matrix_a)):
# iterate through rows
for j in range(len(matrix_b[0])):
# iterate through columns
for k in range(len(matrix_b)):
result[i][j] = matrix_a[i][k] * matrix_b[k][j]
print('The multiplication of two matrices is:')
display(result)
输出
The first matrix is defined as: [1, 2, 3] [4, 1, 2] [2, 3, 1] The second matrix is defined as: [1, 2, 3, 2] [2, 3, 6, 3] [3, 1, 4, 2] The multiplication of two matrices is: [9, 3, 12, 6] [6, 2, 8, 4] [3, 1, 4, 2]
第一个矩阵（matrix_a）的行数和列数为3，第二个矩阵（matrix_b）的行数为3，列数为4。这两个矩阵（matrix_a，matrix_b）相乘后的结果矩阵将有 3 行和 4 列（即 3X4）。
示例
这里使用 numpy.array() 函数创建矩阵，以便我们可以使用 @ 运算符简单地进行矩阵乘法。
import numpy as np
# Defining the matrix using numpy array
matrix_a = np.array([[1,2,5], [1,0,6], [9,8,0]])
matrix_b = np.array([[0,3,5], [4,6,9], [1,8,0]])
# Display two input matrices
print('The first matrix is defined as:')
print(matrix_a)
print('The second matrix is defined as:')
print(matrix_b)
# multiply two matrices
result = matrix_a @ matrix_b
print('The multiplication of two matrices is:')
print(result)
输出
The first matrix is defined as: [[1 2 5] [1 0 6] [9 8 0]] The second matrix is defined as: [[0 3 5] [4 6 9] [1 8 0]] The multiplication of two matrices is: [[ 13 55 23] [ 6 51 5] [ 32 75 117]]
乘法运算符@从Python 3.5+版本开始可用，否则，我们可以使用numpy.dot()函数。
示例
在此示例中，我们将使用 (*) 星号运算符对两个 numpy 数组执行逐元素乘法运算。
import numpy as np
# Defining the matrix using numpy array
matrix_a = np.array([[1,2,5], [1,0,6], [9,8,0]])
matrix_b = np.array([[0,3,5], [4,6,9], [1,8,0]])
# Display two input matrices
print('The first matrix is defined as:')
print(matrix_a)
print('The second matrix is defined as:')
print(matrix_b)
# multiply elements of two matrices
result = matrix_a * matrix_b
print('The element-wise multiplication of two matrices is:')
print(result)
输出
The first matrix is defined as: [[1 2 5] [1 0 6] [9 8 0]] The second matrix is defined as: [[0 3 5] [4 6 9] [1 8 0]] The element-wise multiplication of two matrices is: [[ 0 6 25] [ 4 0 54] [ 9 64 0]]
