python numpy中的矩阵、向量的加减乘除

1. numpy 生成矩阵
   numpy中可以直接使用matrix生成矩阵

X1 = np.matrix([[1,2,3]])
X2 = np.matrix([[1,2,3,4]]).T

2. 矩阵相加减
（1）如果矩阵是相同维度的，就直接相对应位置相加减，不在赘述~~

(2)如果矩阵维度不相同
如果这两个矩阵满足以下两个条件，就可以
a. 一个是行向量一个是列向量
b.一个多维矩阵，一个一维矩阵

a情况：
行向量：1m，列向量：n1
python会把行向量自动扩充自nm，每一行都是行向量的复制；
把每一个列向量扩充自nm，增加的每一列都是列向量的复制。

b情况，同理将一维向量扩充至多维向量的维度，然后相加减。
如果一维向量的行或者列不等于多维向量的行或者列，则会报错

np.sum()
假设a为nm矩阵
np.sum(a)默认将矩阵的所有向量加和，得到一个数
np.sum(a,axis = 0): 将每一列相加，得到1m的行向量
np.sum(a,axis = 1): 将每一行相加，n*1的列向量

np.log()是自然对数也就是ln

scipy包中的special中的logsumexp(a)函数 = np.log(np.sum(np.exp(a)))