什么是矩阵

先把数学放一边。想象你盘下了一家奶茶店，菜单上有 3 款招牌饮品， 每一款都按自己的配方，用到同样的 4 种原料——茶叶、牛奶、糖、珍珠。

配方是这样的（数字是「份数」）：

• 珍珠奶茶：2 份茶 + 1 份奶 + 0 份糖 + 3 份珍珠
• 奶霸布丁：0 份茶 + 4 份奶 + 1 份糖 + 2 份珍珠
• 古早甜茶：1 份茶 + 0 份奶 + 3 份糖 + 1 份珍珠

今天进货，4 种原料每份的价格分别记作 x₁、x₂、x₃、x₄。 你想立刻知道：每款饮品的成本各是多少？很简单——把配方里的份数当权重，给原料价格做一次加权求和：

三款饮品，就是三条加权求和——权重正好是配方里每种原料的份数。 现实中可能是几百款产品、上百种原料，神经网络里更是几百万个权重。 与其把每条公式分开写，数学家干脆把所有配方的份数排成一张矩形表格， 叫做矩阵（matrix）。一张配方表，就是一个矩阵。

矩阵用 m × n 描述大小：m 行（这里是饮品数，也就是输出的数量）、n 列（这里是原料数，也就是输入的数量）。这个例子里 m=3、n=4。 记住这个画面：一行一份配方，一列一种原料——后面所有关于矩阵的运算，都能退回这张表来理解。

接着上面的奶茶店。假设今天的原料价格是 茶 1 元、奶 2 元、糖 1 元、珍珠 0 元（珍珠正在促销免费）， 写成列向量 x = [1, 2, 1, 0]。 要一次算出三款饮品的成本，就是做矩阵乘法 Wx——它的意思是：用 W 的每一行（每份配方）和 x（原料价格）做点积，结果拼成成本向量。 点积是上一课学的：对应位置相乘再相加。

于是珍珠奶茶 4 元、奶霸布丁 9 元、古早甜茶 4 元—— 一次矩阵乘法，整张菜单的成本一起算完了。这正是矩阵的用处：把「同时做很多组加权求和」这件事，压缩成一个动作。神经网络的每一层，做的就是这一个动作，只不过配方表大得多。

矩阵乘法的核心规则只有一条，记住形状就够了：

两个关键点：

• 列数必须匹配：W 有 n 列，x 就必须是 n 维。维度不符则无法计算。
• 行数决定输出：W 有 m 行，输出 y 就是 m 维。矩阵是把「n 维空间」变成「m 维空间」的工具。

这个「从几维变到几维」的性质，是下一课《线性变换》的核心：矩阵不只是计算工具， 它在几何上代表一次空间变换——旋转、缩放、压缩或拉伸。