numpy中易混淆的矩阵运算

当矩阵是numpy.ndarray时，A*B表示哈达玛积（对应位置相乘）；

当矩阵是numpy.matrix时，A*B表示矩阵相乘。

np.dot() 和 np.inner() 之间的区别：

两个函数对于一维数组来说，效果是相同的，可计算向量内积；

对于多维数组，比如二维，np.dot() 结果为矩阵相乘，a.dot(b) 和 np.dot(a,b) 值相等；

而inner运算为：

c的第一行与d的第一行，1*5+2*6=17 得到第一个值；

c的第一行与d的第二行，1*7+2*8=23 得到第二个值；

c的第二行与d的第一行，3*5+4*6=39 得到第三个值；

c的第二行与d的第二行，3*7+4*8=53 得到第四个值。

数据是三维时，可验证上述想法

np.multiply()  结果为对应位置相乘，即哈达玛积

np.cross()  结果为向量叉积（外积）