详解NumPy矩阵乘法操作

在NumPy中，矩阵乘法是常见的操作之一。矩阵乘法可以用 numpy.dot() 或 @ 运算符来执行。在这里我们将详细介绍这两种方法以及它们的使用。

numpy.dot()

numpy.dot() 函数用于计算两个数组的点积，也就是矩阵乘法。对于二维数组，它计算矩阵乘积，对于一维数组，它计算点积。对于 N 维数组，它是沿最后一个轴的和的乘积。它的语法如下：

numpy.dot(a, b, out=None)

其中 a 和 b 是要进行矩阵乘法的两个数组，out 是可选参数，用于指定输出数组。以下是一个简单的示例，演示如何使用 numpy.dot() 来计算两个矩阵的乘积：

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = np.dot(a, b)

print(c)

输出结果为：

[[19 22]
 [43 50]]

@ 运算符

在 NumPy 版本 1.10 之后，我们可以使用 @ 运算符来代替 numpy.dot() 函数进行矩阵乘法。以下是一个简单的示例，演示如何使用 @ 运算符来计算两个矩阵的乘积：

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = a @ b

print(c)

输出结果为：

[[19 22]
 [43 50]]

需要注意的是，当 a 和 b 中至少有一个是矩阵对象（即二维数组）时，使用 @ 运算符进行矩阵乘法是比较方便的。

此外，在 NumPy 中还有许多其他的线性代数函数，如求逆矩阵、求特征值、求行列式等等。这些函数可以通过 numpy.linalg 模块来实现。