python矩阵加法、减法、乘积（数乘矩阵、矩阵对应元素相乘、两个矩阵相乘） 已知 A=[■(1&3&4@2&8&9@7&7&6)] B=[■(6&8&1@1&2&5@6&6&5)]，计算A+B,A-2B,AB,BA以及A和B对应元素相乘的结果；

在Python中，我们可以使用NumPy库来进行矩阵操作。首先，你需要安装NumPy如果还没有安装。假设`A`和`B`是二维列表代表矩阵，我们按照题目描述来完成各项计算：

1. 矩阵加法（A + B）：

import numpy as np
A = np.array([[1, 3, 4], [2, 8, 9], [7, 7, 6]])
B = np.array([[6, 8, 1], [1, 2, 5], [6, 6, 5]])

addition_result = A + B

2. 矩阵减法（A - 2B）：

subtraction_result = A - 2 * B

3. 数字乘以矩阵（3A，这里3是数字，A是矩阵）：

multiplication_by_number = 3 * A

4. 矩阵乘法（A * B）：
NumPy的`dot()`函数用于普通矩阵乘法，`@`运算符也是从Python 3.5开始支持的矩阵乘法：

matrix_multiplication = np.dot(A, B)  # 或者直接 A @ B

注意矩阵乘法有特定的要求，即第一个矩阵的列数必须等于第二个矩阵的行数。

5. 对应元素相乘（A 和 B 的元素逐个相乘）：
这通常被称为点积或向量内积，可以这样实现：

element_wise_product = A * B.T  # T 表示转置

其中`*`表示对应位置元素的乘法，`T`表示转置。