Python numpy.matmul矩阵相乘教程
numpy.matmul用于执行矩阵乘法,要求左矩阵列数等于右矩阵行数,支持多维数组按最后两维进行矩阵乘法并广播其余维度,与*(逐元素相乘)和np.dot(高维行为不同)有区别,推荐用于明确的矩阵运算,等价于@操作符。
numpy.matmul用于执行矩阵乘法,要求左矩阵列数等于右矩阵行数,支持多维数组按最后两维进行矩阵乘法并广播其余维度,与*(逐元素相乘)和np.dot(高维行为不同)有区别,推荐用于明确的矩阵运算,等价于@操作符。

在 Python 中,numpy.matmul 是 NumPy 提供的用于执行矩阵乘法的函数。它专为线性代数中的矩阵相乘设计,比普通的数组乘法(如 *)更符合数学意义上的矩阵乘法。
matmul 基本用法
numpy.matmul(A, B) 计算两个数组 A 和 B 的矩阵乘积。要求 A 的列数等于 B 的行数。
示例:
import numpy as npA = np.array([[1, 2],
[3, 4]])
B = np.array([[5, 6],
[7, 8]])
C = np.matmul(A, B)
print(C)
# 输出:
# [[19 22]
# [43 50]]
支持多维数组
当输入是三维或更高维数组时,matmul 沿最后两个轴进行矩阵乘法,广播其余维度。
例如,两个形状为 (2, 3, 4) 和 (2, 4, 5) 的数组可以相乘,结果为 (2, 3, 5)。
A = np.random.rand(2, 3, 4)B = np.random.rand(2, 4, 5)
C = np.matmul(A, B)
print(C.shape) # (2, 3, 5)
与 '*' 和 dot 的区别
注意以下几点避免混淆:
- * 表示逐元素乘法(对应位置相乘),不是矩阵乘法
- np.dot 在二维情况下类似 matmul,但在高维行为略有不同,且对向量处理更灵活
- matmul 更严格遵循线性代数规则,不支持标量,推荐用于明确的矩阵乘法
常见使用建议
实际使用中注意:
- 确保参与乘法的最后两个维度满足矩阵乘法条件:(m, k) × (k, n)
- 如果需要将一维数组视为行/列向量,注意其形状影响结果
- 对于二维数组,
np.matmul(A, B)等价于A @ B,@ 是 Python 的矩阵乘法操作符
基本上就这些。掌握 matmul 能帮助你在科学计算和机器学习中正确实现线性变换、神经网络层计算等任务。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具,可集中查看 AirPods、Beats 与苹果设备电量,提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端,通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面,并支持多设备同时连接、高清镜像及会话录制,适合家庭娱乐、课堂教学、会议演示和应用展示。
AnyDesk macOS版是一款适用于远程办公、设备维护和客户支持的远程桌面工具,可连接并操作异地计算机,支持文件传输、无人值守访问、会话权限控制及跨平台协作。
StarUML 7 Windows版是一款面向软件工程、系统分析与架构设计的专业建模工具,支持UML 2、ERD、流程图、数据流图和C4模型等,可用于需求梳理、系统设计、模型验证、文档发布及代码生成。
Fender Studio Pro(原Studio One)Windows版是一套专业数字音频工作站,可完成录音、编曲、混音、母带处理与现场演出。 新版本延续Studio One的核心工作流,并加入Fender音箱与效果建模、智能创作和更现代的制作界面。
think-cell Windows版是一款集成于Microsoft PowerPoint和Excel的商业演示增强插件,提供瀑布图、甘特图、Mekko图、数据联动、自动标注及智能排版功能,适合咨询、金融、项目管理和企业汇报场景。













