此行为是在请求请求＃6932中为NumPy
1.11.0引入的更改的结果。从1.11.0的发行说明中：
以前，gem BLAS操作用于所有基质产品。现在，如果矩阵乘积介于矩阵及其转置之间，它将使用syrk
BLAS操作来提高性能。此优化已扩展到@，numpy.dot，numpy.inner和numpy.matmul。
在该PR的更改中，可以找到以下评论：
因此，NumPy正在对矩阵情况乘以其转置进行一次显式检查，并在这种情况下调用另一个基础BLAS函数。正如@hpaulj在评论中指出的那样，这种检查对于NumPy来说是便宜的，因为转置的2d数组只是原始数组上的视图，具有倒置的形状和跨度，因此只需检查数组中的一些元数据即可（而不是必须比较实际的数组数据）。
这是一个略有差异的案例。注意，
.copy在其中一个参数上使用a
dot足以击败NumPy的特殊情况。
import numpy as nprandom = np.random.RandomState(12345)A = random.uniform(size=(10, 5))Sym1 = A.dot(A.T)Sym2 = A.dot(A.T.copy())print(abs(Sym1 - Sym2).max())
我猜想，这种特殊情况的优点是，除了明显的提速潜力外，还可以确保（我希望，但实际上，这将取决于BLAS的实现），从而在出现以下情况时获得完全对称的结果：
syrk而不是仅根据数值误差对称的矩阵。作为对此（当然不是很好）的测试，我尝试了：
import numpy as nprandom = np.random.RandomState(12345)A = random.uniform(size=(100, 50))Sym1 = A.dot(A.T)Sym2 = A.dot(A.T.copy())print("Sym1 symmetric: ", (Sym1 == Sym1.T).all())print("Sym2 symmetric: ", (Sym2 == Sym2.T).all())我的机器上的结果：
Sym1 symmetric: TrueSym2 symmetric: False
