为何Numpy中两数组点积得标量，与转置数组点积得矩阵？

首先要明确：你定义的a = np.array([1,2,3,4])是一维数组（shape为(4,)），不是线性代数里的1×4矩阵（shape应为(1,4)）。NumPy对一维数组和二维数组的np.dot处理逻辑完全不同：

1. 两个一维数组的np.dot：计算向量内积 #

当a和b都是一维数组时，np.dot(a, b)执行的是向量的内积运算，对应数学里的点积公式：$\sum_{i=0}^{n-1}a_i b_i$，结果是一个标量。这和线性代数中向量的内积规则一致，所以不会报错，得到的30就是1×1 + 2×2 + 3×3 +4×4的结果。

2. 一维数组与二维列向量的np.dot：执行矩阵乘法 #

当b被reshape(-1,1)转换成二维数组（shape为(4,1)，即4×1列向量）时，np.dot(a, b)会自动将一维数组a视为1×4的行矩阵，然后执行标准的矩阵乘法：1×4矩阵 × 4×1矩阵 = 1×1矩阵，所以结果是array([[30]])，符合你对矩阵乘法的预期。

验证你的线性代数认知：真正的1×4矩阵相乘会报错 #

如果要创建线性代数意义上的1×4矩阵，需要用二维数组定义：

a = np.array([[1,2,3,4]])  # shape (1,4)
b = np.array([[1,2,3,4]])  # shape (1,4)
np.dot(a, b)  # 这里会报错，因为1×4矩阵和1×4矩阵无法进行矩阵乘法

这时候就会触发你预期的错误，因为矩阵乘法要求第一个矩阵的列数等于第二个矩阵的行数，而1≠4，不符合规则。

总结：核心区别在于NumPy的一维数组不是矩阵，np.dot对一维数组执行内积，对二维数组执行矩阵乘法。

内容的提问来源于stack exchange，提问作者user8473984