本文共 1144 字，大约阅读时间需要 3 分钟。
Numpy中的矩阵向量乘法分别是np.dot(a,b)、np.multiply(a,b) 以及*，刚开始接触的时候比较模糊，于是自己整理了一下。先来介绍理论，然后再结合例子深入了解一下。
| 数组 | 矩阵 | |
|---|---|---|
| 元素乘法 | np.multiply(a,b) 或 a*b | np.multiply(a,b) |
| 矩阵乘法 | np.dot(a,b) | np.dot(a,b) 或 a* b |
我们可以看到：
当对象是数组时候，对应元素乘法使用 np.multiply(a,b) 或a * b，矩阵乘法用np.dot(a,b) 当对象是矩阵时候，对应元素乘法使用np.multiply(a,b) , 矩阵乘法用np.dot(a,b)或 a*b注：数组和矩阵对应元素相乘，输出与相乘数组/矩阵的大小一致
>>> aarray([[1, 2], [3, 4]])
当对象是数组时候，元素乘法使用 np.multiply(a,b) 或 a*b
>>> np.multiply(a,a)array([[ 1, 4], [ 9, 16]]) >>> a*aarray([[ 1, 4], [ 9, 16]])
当对象是数组时候，矩阵乘法用np.dot(a,b)、np.matmul(a,b) 或者a.dot(b)
>>> np.dot(a,a)array([[ 7, 10], [15, 22]]) >>> np.matmul(a,a)array([[ 7, 10], [15, 22]]) >>> a.dot(a)array([[ 7, 10], [15, 22]])
>>> Amatrix([[1, 2], [3, 4]])
当对象是矩阵时候，元素乘法使用np.multiply(a,b)
>>> np.multiply(A,A)matrix([[ 1, 4], [ 9, 16]])
当对象是矩阵时候，矩阵乘法用np.dot(a,b)、np.matmul(A,A)、a.dot(b)或 a*b
>>> np.dot(A,A)matrix([[ 7, 10], [15, 22]]) >>> np.matmul(A,A)matrix([[ 7, 10], [15, 22]]) >>> A.dot(A)matrix([[ 7, 10], [15, 22]]) >>> A*Amatrix([[ 7, 10], [15, 22]])
转载地址：http://dfulf.baihongyu.com/