python3.7中矩阵相乘np.dot和*的区别

作为一名菜鸟级初学者，在进行python numpy模块练习的时候发现

import numpy as np
from numpy import *

A=[[8,1,6],[3,5,7],[4,9,2]]
aa=linalg.inv(A)*A
print (aa)

运行结果：

[[ 1.17777778 -0.14444444  0.38333333]
 [-0.18333333  0.11111111  0.73888889]
 [-0.07777778  1.7        -0.20555556]]

当时觉得世界崩塌了，这种计算的结果难道不是单位阵吗？但是博主坚信电脑是不会错的，只可能是自已的问题。为了发现问题

博主做了print (linalg.inv(A))的操作
发现结果和matlab算的一样，居然是对的。

[[ 0.14722222 -0.14444444  0.06388889]
 [-0.06111111  0.02222222  0.10555556]
 [-0.01944444  0.18888889 -0.10277778]]

这就很奇怪了。当时觉得这个编绎器可能有bug，于是换了另一个，但是结果还是一样的。
再后来，想到了python里还有np.dot的运算，于是将程序改为

import numpy as np
from numpy import *

A=[[8,1,6],[3,5,7],[4,9,2]]
aa=linalg.inv(A)*A
print (aa)

bb=np.dot(linalg.inv(A),A)
print(bb)

运行结果为

[[ 1.17777778 -0.14444444  0.38333333]
 [-0.18333333  0.11111111  0.73888889]
 [-0.07777778  1.7        -0.20555556]]
[[ 1.00000000e+00  0.00000000e+00  5.55111512e-17]
 [-5.55111512e-17  1.00000000e+00 -5.55111512e-17]
 [ 5.55111512e-17  9.71445147e-17  1.00000000e+00]]

可以看出np.dot计算的是传统矩阵相乘，而*号运算计算的不知道是什么。。。
但是python能这样计算肯定有它的道理，经过仔细观察后，博主发现前边的结果是矩阵对应位置处两个数相乘的结果，也就是matlab中的点乘操作，而后者才是真正的矩阵相乘的结果。
另外，经过验证发现如果在矩阵定义时采用np.mat函数，那么也可以用*号实现矩阵的相乘
程序修改为：

import numpy as np
from numpy import *

A=np.mat([[8,1,6],[3,5,7],[4,9,2]])
aa=linalg.inv(A)*A
print (aa)

bb=np.dot(linalg.inv(A),A)
print(bb)

运行结果为：

[[ 1.00000000e+00  0.00000000e+00  5.55111512e-17]
 [-5.55111512e-17  1.00000000e+00 -5.55111512e-17]
 [ 5.55111512e-17  9.71445147e-17  1.00000000e+00]]
[[ 1.00000000e+00  0.00000000e+00  5.55111512e-17]
 [-5.55111512e-17  1.00000000e+00 -5.55111512e-17]
 [ 5.55111512e-17  9.71445147e-17  1.00000000e+00]]

可以看出，np.dot和*号计算结果相同。因此在使用numpy进行矩阵计算时一定要注意二者的区别（一个菜鸟的忠告）。