如何用矩阵乘法替代循环实现两个n×k二维数组的列间点积？

首先明确矩阵定义：设第一个n×k矩阵为A，第二个同维度矩阵为B。

两种场景的对应解法 #

场景1：计算A的每一列与B的每一列的点积（结果为k×k矩阵） #

如果你的需求是得到一个k×k矩阵，其中每个位置[i][j]的值是A的第i列与B的第j列的点积，那么直接用A的转置乘以B即可，对应表达式：

C = A^T @ B

这里A^T表示A的转置（维度变为k×n），与B（n×k）相乘后得到k×k矩阵，完全匹配列与列点积的结果要求。

场景2：得到n×n结果矩阵的正确解法 #

如果确定需要输出n×n矩阵，那么你可能混淆了点积的应用场景，此时可以通过A乘以B的转置实现，对应表达式：

C = A @ B^T

这个操作得到的n×n矩阵中，每个位置[i][j]的值是A的第i行与B的第j行的点积。如果你的实际需求是将A的所有列与B的所有列的外积求和（最终得到n×n矩阵），这个计算方式也完全等价——因为矩阵乘法A@B^T本质就是所有列外积的累加。

验证示例 #

假设n=2，k=3：

• A = [[1,2,3],[4,5,6]]
• B = [[7,8,9],[10,11,12]]

计算A^T @ B得到3×3矩阵，其中[0][0]是A的第0列[1,4]与B的第0列[7,10]的点积：1×7 +4×10=47，完全符合列点积的结果。

计算A @ B^T得到2×2矩阵，其中[0][1]是A的第0行[1,2,3]与B的第1行[10,11,12]的点积：1×10+2×11+3×12=68，对应行点积的结果。

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