Numpy中矩阵向量乘法np.dot()及np.multiply()以及*区别

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

对于 np.array 对象

>>> a
array([[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*a
array([[ 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]])

对于 np.matrix 对象

>>> A
matrix([[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*A
matrix([[ 7, 10],
        [15, 22]])