Numpy matmul核心维度不匹配：2x2矩阵与含linspace的2x1矩阵相乘报错

错误根因 #

你触发维度报错的核心原因是数组维度排布不符合numpy矩阵乘法的广播规则：

• 你构造的C数组实际维度为(2, 1, 10)，10组参数的批量维度放在了最后一位
• 常量矩阵L乘以含z的A矩阵得到的B，维度为(2, 2, 10)
• np.matmul默认将输入的最后两个维度识别为矩阵的行、列维度，前面的维度视为广播维度，两个输入的核心矩阵维度(2,2)和(1,10)不匹配，因此触发报错。

解决方案 #

方案1：使用numpy向量化广播逻辑（推荐） #

调整数组维度，将10组参数的批量维度放在最前，无需使用object类型，运算效率更高：

import numpy as np

# 替换为你实际的起止值和常量矩阵L
initial = 0
final = 1
L = np.array([[1, 2], [3, 4]]) # 替换为你实际的L矩阵取值

# 生成参数序列
z = np.linspace(initial, final, 10)
g = np.linspace(initial, final, 10)
y = np.linspace(initial, final, 10)

# 构造带批量维度的矩阵：shape为(批量数, 行数, 列数)
A = np.stack([np.ones_like(z), z, np.zeros_like(z), np.ones_like(z)], axis=1).reshape(-1, 2, 2)
B = L @ A # 输出shape为(10, 2, 2)，对应10组参数的2x2矩阵
C = np.stack([y, g], axis=1).reshape(-1, 2, 1) # 输出shape为(10, 2, 1)

# 批量矩阵乘法，得到10组参数对应的2x1结果
D = B @ C
# 若要简化维度可执行D = D.squeeze()，得到shape为(10, 2)的数组，每行对应一组结果

如果你的需求是求解方程B @ [y; g] = 目标值，可以直接用numpy内置的线性求解方法：

# target为你指定的目标值，shape需要和B匹配，即(10, 2, 1)
target = np.array([[1],[1]] * 10).reshape(-1, 2, 1)
sol = np.linalg.solve(B, target)
# sol的shape为(10, 2, 1)，每组的第一个元素是y的解，第二个是g的解

方案2：保留object dtype写法 #

如果你一定要沿用现有object数组的构造方式，可以对每组参数循环计算：

D = np.array([B[..., i] @ C[..., i] for i in range(10)])

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