Numpy中数组相乘结果矩阵shape不符问题咨询

核心原因 #

你遇到的问题大概率是以下两种情况之一：

• 数组维度定义错误：你以为B是3×1的列向量，但实际在Numpy里定义成了一维数组（shape为(3,)），或者误定义成了1×3的行向量。
• 乘法顺序搞反：矩阵乘法不满足交换律，如果你用了np.dot(B, A)而非np.dot(A, B)，就会得到1×3的结果。

具体分析与解决 #

1. 检查并修正B的维度
   先打印B的shape确认实际维度：

   print(B.shape)
   

   如果输出是(3,)，说明这是无行列概念的一维数组，需要转换成3×1的二维列向量：

   # 方法1：用reshape调整维度
   B = B.reshape(3, 1)
   # 方法2：定义时直接写成二维结构
   B = np.array([[1], [2], [3]]) # shape为(3,1)
   

   之后用np.dot(A, B)或者A @ B（Python 3.5+支持的矩阵乘法运算符）计算，就能得到3×1的结果。

2. 确认乘法顺序
   矩阵乘法要求第一个矩阵的列数等于第二个矩阵的行数：

   • 3×3的A × 3×1的B → 结果为3×1（符合预期）
   • 如果误写为B × A，数学上不合法，但Numpy会将一维的B视为1×3的行向量，和3×3的A相乘后得到1×3的结果，这就是你看到的异常输出。

   正确的乘法写法：

   result = np.dot(A, B)
   # 或者用@运算符
   result = A @ B
   

验证示例 #

import numpy as np

# 定义正确的3×3矩阵A和3×1列向量B
A = np.array([[1,2,3], [4,5,6], [7,8,9]])
B = np.array([[1], [2], [3]])

# 执行正确乘法
result = A @ B
print(result.shape) # 输出 (3,1)，符合预期

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