Numpy中的矩阵相关知识

================================================================================================================================================
矩阵相加：两个矩阵形状必须相同，逐元素相加。
import numpy as np
A = np.matrix([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
B = np.matrix([[9, 8, 7],
[6, 5, 4],
[3, 2, 1]])

C = A + B
print("\nA + B =")
print(C)
最终结果：
A + B =
[[10 10 10]
[10 10 10]
[10 10 10]]

矩阵相乘：第一个矩阵的列数 = 第二个矩阵的行数。结果形状为 (m, n) 其中 m 为第一个矩阵的行数，n 为第二个矩阵的列数
A1 = np.matrix([[1, 2, 3],
[4, 5, 6]]) # 形状 (2, 3)

B1 = np.matrix([[7, 8],
[9, 10],
[11, 12]])

print(A1*B1)
最终结果：
[[ 58 64]
[139 154]]

转置：[1, 2, 3] => [1,4]
[4, 5, 6] [2,5]
[3,6]

================================================================================================================================================
矩阵的 broadcasting（广播）：
维度对齐： 从尾部维度开始比较
维度相等： 可直接运算
维度为1： 扩展匹配另一数组
维度缺失： 自动补1