嘿，我来帮你搞定这个问题！你遇到的报错其实是两个关键问题叠加导致的，咱们一步步拆解并修正：

错误根源分析 #

1. 微分方程函数的参数顺序搞反了
   scipy.integrate.odeint要求你的微分方程函数必须遵循func(y, t, *args)的顺序——第一个参数是状态向量y，第二个是时间t。但你定义的g(t,y,B)把顺序反过来了，这会导致odeint调用时把y数组传给t参数，把t标量传给y参数，后续的np.dot(y,B)实际是在计算标量和矩阵的点乘，得到一个5×5的数组，再传给math.exp就触发了报错。

2. 用了错误的指数函数
   Python标准库的math.exp只能处理单个标量数值，完全无法处理numpy数组。而咱们这里的计算结果是数组类型，必须用numpy提供的np.exp来处理数组输入。

修正后的代码方案 #

根据你可能的动态系统需求，提供两种常见的修正方案：

方案1：每个状态分量的导数对应exp(y·B)的分量 #

如果你的方程是每个dy_i/dt = exp( (y·B)_i )（即状态向量和矩阵点乘后，每个分量取指数作为对应状态的导数），代码如下：

import numpy as np
from scipy.integrate import odeint
import pylab

y0 = np.array([1, 3, 2, 3, 5])
b = np.array([[1], [3], [4], [2], [5]])
B = np.dot(b, b.T)  # 生成5×5的对称矩阵

# 修正参数顺序：先y，再t，最后是额外参数B
def g(y, t, B):
    # 用np.exp处理数组，替代只能处理标量的math.exp
    return np.exp(np.dot(y, B))

t = np.linspace(0, 1, 100)
# 将B作为额外参数传入odeint
y = odeint(g, y0, t, args=(B,))

# 可视化求解结果
pylab.plot(t, y)
pylab.legend(['y₁', 'y₂', 'y₃', 'y₄', 'y₅'])
pylab.xlabel('时间t')
pylab.ylabel('状态y(t)')
pylab.show()

方案2：每个状态分量的导数为二次型的指数 #

如果你想计算的是二次型y^T B y（一个标量）的指数，并用这个值作为所有状态分量的导数（即dy_i/dt = exp(y^T B y)），代码如下：

import numpy as np
from scipy.integrate import odeint
import pylab

y0 = np.array([1, 3, 2, 3, 5])
b = np.array([[1], [3], [4], [2], [5]])
B = np.dot(b, b.T)

def g(y, t, B):
    # 计算二次型：y^T * B * y，得到一个标量
    quadratic_term = np.dot(y, np.dot(B, y))
    # 返回和y同维度的数组，每个元素都是指数结果
    return np.full_like(y, np.exp(quadratic_term))

t = np.linspace(0, 1, 100)
y = odeint(g, y0, t, args=(B,))

# 绘图展示结果
pylab.plot(t, y)
pylab.legend(['y₁', 'y₂', 'y₃', 'y₄', 'y₅'])
pylab.xlabel('时间t')
pylab.ylabel('状态y(t)')
pylab.show()

内容的提问来源于stack exchange，提问作者Luke