python numpy模块矩阵乘法以及广播类逐元素相乘

本文主要说明numpy模块中两种乘法使用的符号@和*，并未对广播原则进行详细介绍。

1.以示例说明矩阵乘法与广播类逐元素相乘的区别

示例矩阵和列向量
$$m=\left[\begin{array}{c}123\\ 456\\ 789\end{array}\right],v=\left[\begin{array}{c}10\\ 20\\ 30\end{array}\right]$$
【1】矩阵乘法
$m$与$v$相乘为
$$\left[\begin{array}{c}1\ast 10+2\ast 20+3\ast 30\\ 4\ast 10+5\ast 20+6\ast 30\\ 7\ast 10+8\ast 20+9\ast 30\end{array}\right]=\left[\begin{array}{c}10+40+90\\ 40+100+180\\ 70+160+270\end{array}\right]=\left[\begin{array}{c}140\\ 320\\ 500\end{array}\right]$$
【2】广播类逐元素相乘
$m$与$v$相乘为
$$\left[\begin{array}{ccc}1\ast 10& 2\ast 10& 3\ast 10\\ 4\ast 20& 5\ast 20& 6\ast 20\\ 7\ast 30& 8\ast 30& 9\ast 30\end{array}\right]=\left[\begin{array}{ccc}10& 20& 30\\ 80& 100& 120\\ 210& 240& 270\end{array}\right]$$

2.numpy模块调用流程

In [1]: import numpy as np
In [2]: m = np.array([[1,2,3],[4,5,6],[7,8,9]])
In [3]: v = np.array([[10],[20],[30]])

# 【1】矩阵乘法
In [4]: m @ v
Out[4]: array([[140],
       [320],
       [500]])

# 【2】广播类逐元素相乘
In [5]: m * v
Out[5]: array([[ 10,  20,  30],
       [ 80, 100, 120],
       [210, 240, 270]])      

【说明】

1. numpy模块中矩阵乘法使用符合@
2. 广播类逐元素相乘结果矩阵的shape与shape最大矩阵保持一致
   先将$v$扩展为$\left[\begin{array}{ccc}10& 10& 10\\ 20& 20& 20\\ 30& 30& 30\end{array}\right]$，shape与$m$保持一致，然后再与$m$进行逐元素的相乘。详细可参照numpy模块广播的原则。