数学中，矩阵乘法（英语：）是一种根据两个矩阵得到第三个矩阵的二元运算，第三个矩阵即前两者的乘积，称为矩阵积（英语：）。设 A {\displaystyle A} 是 n × m {\displaystyle n\times m} 的矩阵， B {\displaystyle B} 是 m × p {\displaystyle m\times p} 的矩阵，则它们的矩阵积 A B {\displaystyle AB} 是 n × p {\displaystyle n\times p} 的矩阵。 A {\displaystyle A} 中每一行的 m {\displaystyle m} 个元素都与 B {\displaystyle B} 中对应列的 m {\displaystyle m} 个元素对应相乘，这些乘积的和就是 A B {\displaystyle AB} 中的一个元素。

向量 · 向量空间 · 基底  · 行列式  · 矩阵

标量 · 向量 · 向量空间 · 向量投影 · 外积（ · 七维） · 内积（） · 二重向量

矩阵 · 行列式 · 线性方程组 · 秩 · 核 · 迹 · 单位矩阵 · 初等矩阵 · 方块矩阵 · 分块矩阵 · 三角矩阵 · 非奇异方阵 · 转置矩阵 · 逆矩阵 · 对角矩阵 · 可对角化矩阵 · 对称矩阵 · 反对称矩阵 · 正交矩阵 · 幺正矩阵 · 埃尔米特矩阵 · 反埃尔米特矩阵 · 正规矩阵 · 伴随矩阵 · 余因子矩阵 · 共轭转置 · 正定矩阵 · 幂零矩阵 · 矩阵分解 （LU分解 · 奇异值分解 · QR分解 · 极分解 · 特征分解） · 子式和余子式 · 拉普拉斯展开 · 克罗内克积

线性空间 · 线性变换 · 线性子空间 · 线性生成空间 · 基 · 线性映射 · 线性投影 · 线性无关 · 线性组合 · 线性泛函 · 行空间与列空间 · 对偶空间 · 正交 · 特征向量 · 最小二乘法 · 格拉姆-施密特正交化

矩阵可以用来表示线性映射，矩阵积则可以用来表示线性映射的复合。因此，矩阵乘法是线性代数的基础工具，不仅在数学中有大量应用，在应用数学、物理学、工程学等领域也有广泛使用。[1][2]