NumPy多项式内核幂运算结果异常：是代码问题还是NumPy Bug

这不是NumPy或Python的逻辑bug，核心是整数溢出问题。

具体原理 #

你预期的计算链路是：

1. 矩阵乘法结果为90，加参数c=2后得到中间值92
2. 92的5次方为6590815232，和你预期的正确值完全一致
   NumPy会自动沿用输入数组的默认数据类型完成全链路运算：如果你创建x1、x2时没有显式指定类型，绝大多数场景下默认的整数数组类型是int32，这类有符号整数类型的最大可表示值为2^31-1 = 2147483647。
   6590815232远大于int32的取值上限，超出范围后会发生整数回绕，最高符号位被置为1，最终输出负数结果。实际溢出后计算得到的回绕值恰好为你输出的-1999119360，完全匹配溢出问题的计算逻辑。
   当你降低n的取值时，幂运算结果会回落到int32的可表示范围内，因此计算结果恢复正常，这也符合溢出问题的典型特征。

解决方案 #

• 创建数组时直接指定大精度类型，比如定义x1、x2时增加参数dtype=np.int64或dtype=np.float64
• 对运算中间结果做强制类型转换，代码可调整为：
  ((c + np.matmul(x1, x2.T)).astype(np.float64)) ** n
• 也可以将参数c设置为浮点值（如c=2.0），触发整个运算链路自动升级为浮点类型计算，避免整数溢出

内容的提问来源于stack exchange，提问作者Vick