在前面的学习中，讲解Python矩阵的创建方法，Numpy功能就是可简单的实现矩阵运算，比直接使用python一步一步的去求要简单很多，本文介绍python基于Numpy实现矩阵乘法运算的几种方法，有需要的朋友可以一起来看看。
一、乘法运算
在Python中，对于运算的操作，包含了很多种运算符可以实现，不管是对数值的计算，还是对文本的判断，都可以实现，加上要像数学中一样，实现乘法运算是可以直接使用*运算符操作发，那么在一个矩阵中该怎么实现数组中的元素相乘呢，这里给大家介绍了三种不同的方法，具体的操作如下：
方法一：使用*或者multiply
这就是我们刚才所说的一种乘法运算，简单的实现数量积，在矩阵中，元素都是对应的，所以在进行乘法运算的时候都是对应位置的元素相乘，例如：
a = np.array([[1,2],[1,2]]) a*a 运行结果：array([[1, 4], [1, 4]])
方法二：使用.matmul()函数
这个函数在numpy中是一个专门用来处理矩阵相乘的函数，当两个参数都是2维数组的时候，就会实现普通的矩阵相乘，代码如下：
import numpy as np a = [[1, 2, 3], [4, 5, 6]] b = [[7, 8], [9, 10], [11, 12]] print(np.matmul(a, b))
方法三：使用同线性代数中矩阵乘法的定义 np.dot()
在处理一个二维数组中，要实现计算才是真正意义上的矩阵乘积，如果是一个一维数组的话，只能是计算元组的内积。
np.dot(np.mat(aa11),np.mat(aa11))
这篇关于python实现矩阵乘法运算有哪些方法？python矩阵乘法运算的方法总结的文章就分享导致这里了，希望大家仔细的阅读上面的文章之后，能收获到更多的Python知识。
