numpy中矩阵乘法

 在Python的 Numpy模块中有很多关于矩阵乘法的方法，其中重点是 矩阵的点乘和叉乘，需要区分出来。

矩阵的点乘

就是矩阵各个对应元素相乘, 这个时候要求两个矩阵必须同样大小
在 numpy 模块中 矩阵点乘是通过  multiply 函数或 * 运算符来实现

import numpy as np
m = np.array([[1,2,3],[4,5,6]])

n= np.array([[1,2,3],[4,5,6]])

'''
m=
[[1, 2, 3],
[4, 5, 6]]

n=
[[1, 2, 3],
[4, 5, 6]]
'''

print( m*n)

'''
输出:
[[ 1  4  9]
 [16 25 36]]
 '''

print(np.multiply(m,n))

'''
输出:
[[ 1  4  9]
 [16 25 36]]
 '''

矩阵的叉乘

要获得矩阵乘积，你可以使用 Numpy 的 matmul  函数 或者 dot函数。 此时要求前面矩阵的列数等于后面矩阵的行数

对于 matmul 函数 和 dot 函数 在二维矩阵乘法上结果相同，但是对于多维矩阵的结果 就不一定相同。

 a=np.array([[1,2,3],[4,5,6]])  # 2行 3列 

 b=np.array([[1,2],[3,4],[5,5]]) # 3行 2列


'''
a=

[[1, 2, 3],
 [4, 5, 6]]


b=

[[1, 2],
 [3, 4],
 [5, 5]]

'''




print(np.dot(a,b))




'''
输出:

[[22, 25],
  [49, 58]]

'''



print(np.matmul(a,b))




'''

输出:

[[22, 25],
  [49, 58]]

'''