Python 点（a，b）给出了关于具有相似维数的矩阵乘法的错误结果

设矩阵a，b为[1,2,3,4]，即1×4维。 应用numpy.dota，b时，结果为30，而不是引发两个矩阵形状未对齐的异常。 mxn矩阵如何与mxn矩阵相乘？numpy是否会自动转置一个矩阵以对齐其形状，然后进行乘法

In [59]: a = b = np.matrix([1,2,3,4])

In [60]: np.dot(a.T, b)      # 1
Out[60]: 
matrix([[ 1,  2,  3,  4],
        [ 2,  4,  6,  8],
        [ 3,  6,  9, 12],
        [ 4,  8, 12, 16]])

In [63]: np.dot(a, b.T)      # 2
Out[63]: matrix([[30]])

In [64]: np.dot(a, b)        # 3
ValueError: shapes (1,4) and (1,4) not aligned: 4 (dim 1) != 1 (dim 0)

更一般地说，如果X的形状是m，n，Y的形状是n，p，那么np.dotX，Y 返回形状为m，p的数组，该数组是矩阵的结果 乘法运算

由于a.T具有形状4，1，而b具有形状1，4，因此矩阵乘法的结果是形状4，4的数组

由于a具有形状1，4，而b.T具有形状4，1，因此矩阵乘法的结果是形状1，1的数组

np.dota，b由于形状为1,4和1,4的数组不能进行矩阵相乘，因此会引发ValueError。NumPy从不自动变换轴

更一般地说，如果X的形状是m，n，Y的形状是n，p，那么np.dotX，Y 返回形状为m，p的数组，该数组是矩阵的结果 乘法运算

由于a.T具有形状4，1，而b具有形状1，4，因此矩阵乘法的结果是形状4，4的数组

由于a具有形状1，4，而b.T具有形状4，1，因此矩阵乘法的结果是形状1，1的数组

np.dota，b由于形状为1,4和1,4的数组不能进行矩阵相乘，因此会引发ValueError。NumPy从不自动变换轴

---

这与矩阵乘法不同。检查a和b的形状属性，它们很可能是一维4，而不是1,4。在本例中，dot计算两个向量之间的点积，给出标量输出30..问题已解决，开始学习numpy并将python列表与numpy数组混淆。按预期使用numpy数组。与矩阵乘法不同。检查a和b的形状属性，它们可能是一维4，而不是1,4。在本例中，dot计算两个向量之间的点积，给出标量输出30..问题已解决，开始学习numpy并将python列表与numpy数组混淆。按照预期使用numpy数组。刚开始学习numpy，对python列表和numpy数组感到困惑，两者都有很大的不同。按照预期使用numpy数组。刚开始学习numpy，对python列表和numpy数组感到困惑，两者都有很大的不同。按预期使用numpy阵列。