numpy中np.dot与np.multiply的区别

1、numpy.linalg
norm:范数的求解
http://www.cnblogs.com/zongfa/p/8745853.html
2、np.dot()
对于矩阵：得到的结果就是矩阵相乘的结果
对于一维向量：得到的结果就是向量的内积

# 作用于矩阵
X = np.array([[1,2],[3,4]])
Y = np.array([[5,6],[7,8]])

# 作用于向量
x = np.array([[1,2,3],[1,2,3]])
y = np.array([1,2,3])


a1 = np.dot(X,Y)
print('矩阵dot\n',a1)

a3 = np.dot(x, y)
print('向量dot\n', a3)

# 结果
矩阵dot
 [[19 22]
 [43 50]]
向量dot
 [14 14]

3、np.multiply
对于矩阵：就是对应元素相乘
对于一维矩阵也是对应元素相乘

# 作用于矩阵
X = np.array([[1,2],[3,4]])
Y = np.array([[5,6],[7,8]])

# 作用于向量
x = np.array([[1,2,3],[1,2,3]])
y = np.array([1,2,3])

a2 = np.multiply(X,Y)
print('矩阵multiply\n',a2)

a4 = np.multiply(x, y)
print('向量multiply\n',a4)

# 结果
矩阵multiply
 [[ 5 12]
 [21 32]]
向量multiply
 [[1 4 9]
 [1 4 9]]