NumPy中如何实现向量-矩阵-向量连乘得到结果24

前置基础定义 #

按照题目给出的数组初始化规则，基础对象的属性如下：

• 一维向量a：a = np.array([1, 2])，形状为(2,)，无明确行/列方向
• 二维对角矩阵b：b = np.array([[4, 0], [0, 5]])，形状为(2, 2)
• 转置向量c：c = a.T，由于一维数组无方向属性，转置后形状仍为(2,)，和原a无形状差异

常见认知误区 #

NumPy的一维ndarray不存在行向量、列向量的维度区分，直接执行c = a.T不会改变c的形状。如果直接按照带维度的矩阵乘法规则（行向量×矩阵×列向量）书写代码，容易因为维度缺失导致后续批量运算时出现逻辑歧义。

可复现结果24的实现方案 #

方案1：显式调整维度，严格匹配矩阵乘法规则 #

将a调整为(1,2)的行向量形状，将c调整为(2,1)的列向量形状，完全符合矩阵乘法的维度传递规则：

import numpy as np
a = np.array([1, 2])
b = np.array([[4, 0], [0, 5]])
c = a.T
# 显式升维匹配矩阵运算维度
a_row = a.reshape(1, 2)
c_col = c.reshape(2, 1)
# 执行连乘运算
result = a_row @ b @ c_col
# result值为[[24]]，提取标量值即可得到目标结果24
print(result.item())

方案2：用爱因斯坦求和实现，无维度歧义 #

通过np.einsum直接指定下标映射逻辑，不需要手动调整数组形状，计算过程直观可控：

# 下标逻辑：a的索引i，b的i-j维度，c的j维度，缩并所有维度后得到标量
result = np.einsum('i,ij,j->', a, b, c)
print(result) # 直接输出24

方案3：利用NumPy一维数组的乘法规则快速实现 #

由于一维数组间的@运算本质是内积，不需要调整形状即可得到正确结果：

# 计算流程：a(2,) @ b(2,2) → 长度为2的向量，再和c(2,)做内积得到标量
result = a @ b @ c
print(result) # 输出24

注意：这种写法虽然结果正确，但没有显式的维度校验，一旦后续把a换成二维行/列向量，很容易出现维度不匹配的报错，适合简单脚本快速计算，不适合复杂工程场景。

内容的提问来源于stack exchange，提问作者john price