Pythonic矩阵乘法优化：对称矩阵Schur补计算代码简化问询

当然有！你提到的Python 3.5+版本引入的@运算符就是最理想的选择——它专门为矩阵乘法设计，能让代码和数学公式的结构完全对齐，可读性直接提升一个档次。

针对你的Schur补计算 #

你原本的嵌套式代码：

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

改用@运算符后，代码会和数学公式M = A - B^T C B几乎一模一样：

M = A - B.T @ C @ B

这种写法完全不需要拆解嵌套的np.matmul调用，一眼就能确认运算顺序和公式一致，既简洁又不容易出错。

拓展到更复杂的矩阵运算 #

就像你提到的公式M = A⁻¹ - CᵀXC，嵌套的矩阵乘法代码可读性极差：

# 嵌套结构容易混淆运算顺序
result = np.linalg.inv(A) - np.matmul(C.T, np.matmul(X, C))

而用@运算符改写后，代码和数学公式的对应关系一目了然，能快速验证运算顺序是否正确：

# 和公式完全对齐，可读性拉满
result = np.linalg.inv(A) - C.T @ X @ C

小补充 #

• @运算符的计算逻辑和np.matmul完全一致，不会改变计算结果，只是语法更贴合数学表达
• 只要你的Python版本在3.5及以上（现在主流环境基本都满足），就可以放心使用这个写法

内容的提问来源于stack exchange，提问作者Jack Rolph