
矩阵是由排列成行和列的数字矩形数组组成。水平线称为行,垂直线称为列。矩阵中的单个项目称为元素。矩阵中第 i 行和第 j 列的元素称为矩阵的 i,j,(i,j)或(i,j)元素。为了指定矩阵的大小,具有 m 行和 n 列的矩阵称为 m 行 n 列矩阵,m 和 n 称为其维数。
(1) 
(2) 
(3) 
两个矩阵的乘法仅当左侧矩阵的列数等于右侧矩阵的行数时才定义。如果 A 是一个 m×n 矩阵,而 B 是一个 n×p 矩阵,那么它们的矩阵积 AB 是一个 m×p 矩阵,其条目由 A 的对应行与 B 的对应列的点积给出。[2]
[3]
两个矩阵 **A** 和 **B** 的矩阵积 **AB** 的示意图。
(1) 
(2) 
**行向量** 是一个 1×m 矩阵,而 **列向量** 是一个 m×1 矩阵。
假设 A 是行向量,B 是列向量,那么点积定义如下;

或者

假设
以及
点积为

假设
以及 



(1)
以及 

(2)
以及 

叉积定义如下

或者,使用行列式,

其中
是单位向量。