Pythonic矩阵乘法

Question

我正在尝试为对称矩阵的Schur补码实现计算。该值的等式为：

M = A - B^T C B

其中A，B，C是矩阵的块成分

S = (A | B^T)
    (B | C )

假设我已经为A，B和C定义了numpy数组：

• A是一个3x3矩阵
• B是一个3x2矩阵
• C是2x2矩阵

我已经执行了使用numpy获取S的操作：

 M = A - np.matmul(B.T, np.matmul(C, B))

假设这是正确的操作，是否还有更多的Python方式编写此代码？

亲切的问候！

修改：

如果我使用Python 3.5+，那么建议的@解决方案将是理想的选择。

我提出这个问题的原因是，如果正在执行一组复杂的矩阵乘法运算，则在每个步骤中都没有定义新变量的情况下，使用嵌套np.matmult（）或np.dot（）变得非常困难。

例如，对于等式M = A^-1 - C^TXC变为

np.linalg.inv(A) - np.dot(C.T, np.dot(X,C))

或

 np.linalg.inv(A) - np.matmult(C.T, np.matmult(X,C))

由于以下原因，嵌套使得更难检查操作员顺序是否正确：

np.linalg.inv(A) - np.matmult(C.T, np.matmult(X,C)) != np.linalg.inv(A) - np.matmult(C.T, np.matmult(C,X)) 

（在大多数情况下）

对比：

np.linalg.inv(A) - C.T @ X @ C

很显然，读者可以了解此行代码中发生了什么并检查操作员的顺序。

Answer 1

尝试@简写：

M = A-B.T @ C @ B