python矩阵乘以数_numpy中数组(矩阵)的乘法

我们知道在处理数据的时候，使用矩阵间的运算将会是方便直观的。matlab有先天的优势，算矩阵是它的专长。当然我们用python，经常要用到的可能是numpy这个强大的库。

矩阵有两种乘法，点乘和对应项相乘(element-wise product)。在numpy中应该怎么实现呢，看看下面的例子就明白了。

## A = B = array([[1, 2],

## [3, 4]])

>>>A = np.array([[1,2],[3,4]])

>>>B = np.array([[1,2],[3,4]])

>>>A@B

array([[ 7, 10],

[15, 22]])

>>>np.dot(A,B)

array([[ 7, 10],

[15, 22]])

>>>np.multiply(A,B)

array([[ 1, 4],

[ 9, 16]])

>>>A*B

array([[ 1, 4],

[ 9, 16]])

结果一目了然：

np.dot(A, B) = A@B = 点乘

np.multiply(A, B) = A*B = 对应项相乘

点乘要求前者的列数等于后者的行数，对应项相乘需要矩阵的形状相同(或者说有矩阵的延拓情况？没有试验过)