为什么矩阵乘法的内部维数必须相同？
Why does the inner dimension need to be the same for matrix multiplication?
如果我们有两个矩阵，为什么要进行矩阵乘法需要内维相同？
我知道一些点积可能有 NaN，但是我们可以忽略这些吗？
我不确定您是否在使用数学包或其他任何东西，但如果您从纯数学的角度来看矩阵乘法，有时 NaN 是可能的这一事实意味着数学定义必须考虑为了这。您正在使用的包只是在代码中定义数学运算。
虽然点积相对简单，如果您使用的任何东西定义它的方式都不是您所需要的，那么定义您自己的点积函数将是一项相对容易的任务产品。
这就是矩阵乘法的简单定义方式：
红色单元格是a_1_1 * b_1_2 + a_1_2 * b_2_2。 a_1_1、a_1_2、b_1_2、b_2_2和b_3_2如何计算？
也没有为不同的向量长度定义点积。某些程序可能会通过将 2-D 向量的 Z 值设置为 0.
来决定接受 2-D 向量和 3-D 向量的点积
如果我们有两个矩阵，为什么要进行矩阵乘法需要内维相同？
我知道一些点积可能有 NaN，但是我们可以忽略这些吗？
我不确定您是否在使用数学包或其他任何东西，但如果您从纯数学的角度来看矩阵乘法，有时 NaN 是可能的这一事实意味着数学定义必须考虑为了这。您正在使用的包只是在代码中定义数学运算。
虽然点积相对简单，如果您使用的任何东西定义它的方式都不是您所需要的，那么定义您自己的点积函数将是一项相对容易的任务产品。
这就是矩阵乘法的简单定义方式：
红色单元格是a_1_1 * b_1_2 + a_1_2 * b_2_2。 a_1_1、a_1_2、b_1_2、b_2_2和b_3_2如何计算？
也没有为不同的向量长度定义点积。某些程序可能会通过将 2-D 向量的 Z 值设置为 0.