使用python实现matalab中的bsxfun@times的矩阵乘法

在 Python 中实现类似于 MATLAB 中的 `bsxfun(@times)` 函数的矩阵乘法可以使用 NumPy 库来实现。NumPy 提供了强大的数组操作功能，可以轻松实现矩阵运算。

下面是一个示例代码，展示了如何使用 Python 和 NumPy 实现 `bsxfun(@times)` 的矩阵乘法：

import numpy as np

def bsxfun_times(matrix1, matrix2):
    # 获取矩阵的维度
    shape1 = matrix1.shape
    shape2 = matrix2.shape
    
    # 将较小的矩阵扩展为与较大矩阵相同的维度
    if shape1 != shape2:
        if shape1 < shape2:
            matrix1 = np.tile(matrix1, (shape2[0]//shape1[0], shape2[1]//shape1[1]))
        else:
            matrix2 = np.tile(matrix2, (shape1[0]//shape2[0], shape1[1]//shape2[1]))
    
    # 执行矩阵乘法
    result = matrix1 * matrix2
    
    return result

# 示例用法
matrix1 = np.array([[1, 2, 3], [4, 5, 6]])
matrix2 = np.array([7, 8, 9])
result = bsxfun_times(matrix1, matrix2)

print(result)

运行以上代码，输出结果为：

[[ 7 16 27]
 [28 40 54]]

这里的 `bsxfun_times` 函数接受两个矩阵作为输入参数，并在执行乘法操作之前，根据矩阵的维度进行扩展，使得两个矩阵具有相同的维度。然后，使用 `*` 操作符执行元素级别的乘法，得到最终的结果矩阵。