纽比点和外函数与线性代数一致吗？

Question

我被pythonnumpy上的矩阵运算搞糊涂了。 看起来点和外部运算的行为不像我在线性代数课上学到的那样。在

import numpy
n = numpy.arange(-5, 6)
w = numpy.arange(-20, 21)
n.shape
w.shape
outer = numpy.outer(w, n)
outer.shape
dot = numpy.dot(n, outer.transpose())
dot.shape

这里n是（11，1）矩阵，w是（41，1）矩阵。（1和w的尺寸不匹配。）

再一次，我觉得这个点很奇怪。n是（11，1）矩阵，外部转置（）是（11，41）矩阵。我觉得尺寸也不相配。在

Answer 1

根据文献http://docs.scipy.org/doc/numpy/reference/generated/numpy.outer.html，两个行向量A(1xn)和{}的{}函数是一个矩阵M(nxm)-并且转置的维数是{}。这正是你所看到的。在

因此，向量和矩阵的点乘在文献中再次被描述：http://docs.scipy.org/doc/numpy/reference/generated/numpy.dot.html#numpy.dot-其中它本质上被描述为行向量（第一个参数）与第二个参数（矩阵）的转置的矩阵相乘。在

当我打印出代码创建的各种对象的形状时，我得到：

n.shape:     (11,)
w.shape:     (41,)
outer.shape: (41, 11)h
dot.shape:   (41,)

这和上面的完全一致。你的困惑是什么？什么结果不是你所期望的？在