Numpy点积计算疑问：2X2矩阵A与B的维度匹配问题

我太懂这种困惑了！你踩的其实是numpy里一维数组和二维列向量的常见坑，很多刚用numpy的朋友都会在这里卡壳。

问题根源：np.ones(2)的形状不是2X1 #

当你调用np.ones(2)时，numpy返回的是一个形状为(2,)的一维数组，而不是你预期的(2,1)二维列向量。这两种形状在numpy里是完全不同的：

• (2,)：只有一个维度，长度为2的“扁平”数组
• (2,1)：两个维度，第一维长度2，第二维长度1的列向量

虽然np.dot在某些情况下会自动兼容一维数组（比如A是2X2，B是(2,)时，会把B当作列向量计算，返回(2,)的结果），但如果你严格需要B是2X1的二维数组，就必须手动调整形状。

三种快速解决方法 #

1. 直接创建二维列向量

在np.ones里传入元组参数指定形状：

import numpy as np
B = np.ones((2, 1))  # 形状为(2,1)的列向量

2. 用reshape修改形状

如果已经有了一维数组，可以用reshape转换成二维：

B = np.ones(2).reshape(2, 1)

3. 用[:, np.newaxis]添加维度

这是numpy里常用的“扩维”技巧，给一维数组增加一个新的维度：

B = np.ones(2)[:, np.newaxis]

验证效果 #

我们用实际代码测试一下：

import numpy as np

# 定义2X2的矩阵A
A = np.array([[1, 2], [3, 4]])

# 错误的一维数组B
B_wrong = np.ones(2)
print("B_wrong形状:", B_wrong.shape)  # 输出 (2,)

# 正确的二维列向量B
B_right = np.ones((2, 1))
print("B_right形状:", B_right.shape)  # 输出 (2, 1)

# 计算点积
result = np.dot(A, B_right)
print("点积结果:\n", result)  # 输出 [[3.], [7.]]，形状为(2,1)

这样就能完全满足你需要的2X1维度要求啦！

内容的提问来源于stack exchange，提问作者Somye