先拋出一個概念：python
左乘：設A爲m*p的矩陣，B爲p*n的矩陣，那麼稱m*n的矩陣C爲矩陣A與B的乘積，記做C=AB，稱爲A左乘以B。數組
左乘是作行變換；ide
用對角陣左乘一個矩陣，就是用對角陣的對角元分別乘這個矩陣的對應各行；spa
右乘：設A爲m*p的矩陣，B爲p*n的矩陣，那麼度稱m*n的矩陣C爲矩陣A與B的乘積，記做版C=AB，稱爲B右乘以A。code
右乘是作列變換；get
用對角陣右乘一個矩陣，就是用對角陣的對角元分別乘這個矩陣的對應各列。it
而後說結論：千萬別用python的numpy進行矩陣計算！！！！！！！！！！！！class
（1）若是經過numpy包進行矩陣計算，可能把數組誤認爲矩陣！import
好比numpy.diag([1,2,3])，返回是對角矩陣的形式，你覺得是矩陣，實際上是數組！numpy
當你發現全部矩陣乘法都變成數組乘法的時候，很恐怖的一件事！
（2）若是你必定要用numpy，慎用星號*表示乘法！
若是A和B都是數組，A*B是數組乘法（對應元素相乘），返回數組；
若是A和B中有一個是矩陣，A*B默認變成矩陣運算（行列式相乘），返回矩陣；
（3）若是你必定要用numpy，千萬不要用1表示單位矩陣；
1-A，若是A是數組，這裏的1默認爲全1數組（非單位矩陣的形式）；
1-A，若是A是矩陣，這裏的1默認爲全1矩陣（非單位矩陣的形式）；
真正的單位矩陣，只有對角線元素爲1，其餘元素爲0，用 np.identity(N) 生成單位矩陣；
（4）np.dot(A, B) 是作矩陣運算，可是返回值倒是數組！
舉個例子：在python中，矩陣與數組採用np.dot()計算時，雖然是矩陣計算，可是所得結果均爲一個數組；
數組在前時，可按照將數組當作1行n列的矩陣，與矩陣相乘，可得計算結果。但需注意計算結果依然只是數組，及其shape爲（k，）形式，而不是（1，k）；
最後附上代碼供理解：
import numpy as np
a = np.diag([1,2,3])
b = np.diag([4,5,6])
c = np.array([[0.1,0.2,0.3],[0.4,0.5,0.6],[0.7,0.8,0.9]])
print("\n區分 h_stack 和 column_stack")
print(np.hstack((a, b)))
print(np.column_stack((a, b)))
print("\n區分 數組乘法 和 矩陣乘法")
print(type(a*c))
print(a*c)
print(type(a.dot(c)))
print(a.dot(c)) # 雖然是矩陣乘法，但返回值爲數組
print("\n區分 全1數組 和 單位矩陣")
print(type(1-a))
print(1-a)
print(type(np.identity(3)-a))
print(np.identity(3)-a)
print("\n數組乘法：(全1數組-a)*對角數組 = (單位數組-a)*對角數組")
print((1-a)*b)
print((np.diag([1,1,1])-a)*b)
print("\n矩陣乘法：全1矩陣x對角數組) != 單位數組x對角數組)")
print((1-a).dot(b))
print(b.dot(1-a))
print(np.dot(1-a, b))
print(np.dot(b, 1-a))
print("\n對角數組 x 數組 = 兩個數組對角元素相乘")
print(type(a*c))
print(a*c)
print("\n對角數組 x 矩陣 = 對角陣的對角元分別乘這個矩陣的對應各行")
d = np.mat(c)
print(type(a*d))
print(a*d)
換matlab吧！