Python中矩阵运算详解：np.dot与np.multiply的区别

Finn

发布时间：2026-10-13 | 5人浏览过

原创

本文详解Python中两种常见的矩阵运算方式。np.dot用于执行线性代数意义上的矩阵乘积或一维向量内积，而np.multiply及*运算符则用于执行对应元素的逐点乘法（element-wise product）。通过具体代码示例与输出结果对比，帮助开发者准确区分并应用这两种运算。

使用np.dot()函数

一、使用np.dot()函数

该方法遵循线性代数中矩阵乘法的标准定义。调用np.dot(A, B)时：

若输入为二维矩阵，则计算严格的矩阵乘积。
若输入为一维矩阵（向量），则计算两个向量的内积。

二、相关代码实现

【code】


import numpy as np

# 2-D array: 2 x 3
two_dim_matrix_one = np.array([[1, 2, 3], [4, 5, 6]])
# 2-D array: 3 x 2
two_dim_matrix_two = np.array([[1, 2], [3, 4], [5, 6]])

two_multi_res = np.dot(two_dim_matrix_one, two_dim_matrix_two)
print('two_multi_res: %s' %(two_multi_res))

# 1-D array
one_dim_vec_one = np.array([1, 2, 3])
one_dim_vec_two = np.array([4, 5, 6])
one_result_res = np.dot(one_dim_vec_one, one_dim_vec_two)
print('one_result_res: %s' %(one_result_res))

【result】

two_multi_res: [[22 28]\n\n [49 64]]\n\none_result_res: 32

使用np.multiply()或*运算符

二、使用np.multiply()或*运算符

在Python中，若需实现对应元素相乘（element-wise product），主要有两种实现途径：

第一种是使用np.multiply()函数。
第二种是直接使用*运算符。

三、相关代码实现

【code】


import numpy as np

# 2-D array: 2 x 3
two_dim_matrix_one = np.array([[1, 2, 3], [4, 5, 6]])
another_two_dim_matrix_one = np.array([[7, 8, 9], [4, 7, 1]])

# 对应元素相乘 element-wise product
element_wise = two_dim_matrix_one * another_two_dim_matrix_one
print('element wise product: %s' %(element_wise))

# 对应元素相乘 element-wise product
element_wise_2 = np.multiply(two_dim_matrix_one, another_two_dim_matrix_one)
print('element wise product: %s' % (element_wise_2))

【result】