【每天几分钟，从零入门python编程的世界！】
关于numpy中数组的相乘，我们学习了对位相乘（用numpy.multiply、或*直接相乘,比如数组a和b的对位相乘就是numpy.multiply(a,b)或a*b）和一维数组的点乘（dot product，也有人叫inner product，比如一维数组a和b的点乘就是a.b）。
numpy中的点乘就是numpy.dot。对于二维以上的数组的点乘，就会用到矩阵相乘。
对于矩阵相乘，我们直接推导最一般最基本的情况，就是ndarray（我们可以把它理解为n维的数组）和mdarray（我们可以把它理解为m维的数组）这两个数组进行相乘。所以我们必须要接触matrix（矩阵）的一些概念，我们可以把matrix看做是一种非常有用的数据储存的结构。在后面的物理、Fintech(科技金融)、图像识别、机器学习等方面，都可以用到矩阵。
因此矩阵的数学原理也是非常重要的，感兴趣的话可以去看看。现在我们只做一些最简单的演示，如果现在对矩阵了解的不是很深入也没关系，也没有必要在现在的阶段花很大精力去学习，我们后面的学习中会不断的去重复和推演。现在先掌握最基础的东西，然后在numpy中知道怎么用矩阵相乘的方法去计算就可以了。
matrix multiplication（矩阵相乘）就是两个矩阵形式结构的数据进行运算的方法。同时因为矩阵在空间上是有它的意义的，所以矩阵运算是一个很精妙的东西。
numpy.dot的计算方法有很多，相当于当两个数组进行点乘的时候，它在内部对这两个数组做了一个判断，它会根据这两个数组的不同维度结构，采用不同的计算方式，所以它会判断对于两个都是一维的数组，怎么计算，两个二维以上的数组，怎么计算，比如二维以上数组的点乘，就是用我们现在介绍的矩阵相乘的方法计算。
●矩阵相乘
关于矩阵相乘，大学的线性代数课程里面学过，现在我再大概的介绍一下最基本的运算。矩阵运算的其他的一些规则、规律，后面遇到了会再进行介绍。
例：
比如现在有两个矩阵x和y。
x和y都是2*2的结构，就是2行2列的结构。
运算过程：
①矩阵相乘，首先要判断第一个矩阵的列数和第二个矩阵的行数是否相等，如果相等才能进行相乘。
在本例中，x的列数是2，y的行数是2，所以可以相乘。
②其次，把第一个矩阵的列数和第二个矩阵的行数消掉，剩下的数字就是相乘后的结果的行数和列数。
在本例中，把第一个矩阵的列数2和第二个矩阵的行数2消掉，剩下的数字就是第一个矩阵的行数2和第二个矩阵的列数2，所以相乘的结果是2行2列的矩阵。
假如说x是3行2列，y是2行5列，那么相乘的结果，就是3行5列的矩阵。
③运算过程如下图：
上图是两个2x2的矩阵相乘的运算过程和结果。
