numpy中的 dot, outer and *

每次用到都得先测试一下，整理一下以后会方便一些，先举几个例子吧：

demo1:

import numpy as np
a = [[1,2,3],[4,5,6]]
a = np.array(a)
b = [[1,2],[4,5],[3,6]]
b= np.array(b)
#一个（2，3）， 一个（3，2），是可以正常的矩阵相乘的
c = np.dot(a, b)
print c
-->result: array([[18, 30],
              [42, 69]])
说明dot是正常的矩阵相乘的方法
c = a * b
-->result: error 不能相乘
注意：这里用的是array不是matrix, 如果定义为matrix则＊ 表示矩阵乘，是OK的。

c = np.outer(a,b)
-->result:
array([[ 1,  2,  4,  5,  3,  6],
       [ 2,  4,  8, 10,  6, 12],
       [ 3,  6, 12, 15,  9, 18],
       [ 4,  8, 16, 20, 12, 24],
       [ 5, 10, 20, 25, 15, 30],
       [ 6, 12, 24, 30, 18, 36]])
说明outer是a的第一个元素跟b的每一个元素相乘作为第一行，第二个元素跟b的每一个元素相乘作为第二个元素...
一半outer()用的很少

下面试试＊的具体作用：

d = np.array([[1,2,1],[2,3,1]])
c = a*d
result:
array([[ 1,  4,  3],
       [ 8, 15,  6]])
*来说只能是shape一样的才能相乘，与其他shape的矩阵相乘（＊）都会报错，
结果是对应元素相乘作为当前位置的结果，结果矩阵的形状保持不变