MATLAB点乘和乘有什么区别_数组运算与矩阵运算

矩阵乘法（*）要求前矩阵列数等于后矩阵行数，结果维度为[行数,列数]；点乘（.*）要求两矩阵维度完全相同，结果保持原维度。

在MATLAB里处理数据，乘法操作出错是新手常踩的坑。很多时候，程序报错“维度不一致”，根源就在于混淆了星号（*）和点星号（.*）这两个看似相似的运算符。其实，它们背后代表的是两套完全不同的运算规则。

简单来说，一个遵循线性代数的矩阵乘法法则，另一个则是简单的“按位置逐个相乘”。搞混了，结果自然南辕北辙。下面我们就来彻底厘清它们的区别。

一、运算本质不同

这是最核心的区别。乘（*）是严格的矩阵乘法，玩的是线性代数那一套：前一个矩阵的列数，必须等于后一个矩阵的行数。运算结果是一个全新的矩阵，其行数取自前者，列数取自后者。

而点乘（.*）属于数组运算，规则就简单粗暴多了：它只要求两个数组的形状一模一样，然后对应位置上的元素相乘。结果数组的维度和输入完全一致。

举个例子就明白了：

假设矩阵 a 是 3行4列，矩阵 b 是 4行2列。

• 那么 a * b 是合法的，因为 a 的列数(4)等于 b 的行数(4)。结果会得到一个 3行2列的新矩阵。
• 但 a .* b 就会报错，因为两者的维度（3×4 和 4×2）根本不匹配，没法“按位置”相乘。

反过来，如果 a 和 b 都是 3行4列：

• a .* b 完全没问题，会得到一个同样是 3×4 的结果。
• a * b 反而会出错，因为矩阵乘法要求前者的列数等于后者的行数，而这里的 4 不等于 3。

二、运算符前缀规则

MATLAB用了一个很巧妙的设计来区分这两类运算：加点（.）还是不加点。

所有涉及到需要对数组中每个元素进行独立操作的运算，都会在前面加一个英文句点（.）。这形成了一套“点运算”家族：

• 乘法：* 是矩阵乘，.* 是数组乘（点乘）。
• 除法：/ 和 \ 是矩阵的右除和左除（涉及求逆），而 ./ 和 .\ 是数组的对应元素相除。
• 幂运算：^ 是矩阵幂（要求方阵），.^ 是数组每个元素独立求幂。

有个例外是加法和减法（+, -），因为对于这两个操作，矩阵运算和数组运算的结果是完全一样的，所以不需要两套符号。

记住这个“加点”规则，看到运算符就能立刻反应过来它要执行的是哪种运算。

三、标量参与时的行为一致性

这里有个容易让人放松警惕的“陷阱”：当一个操作数是标量（单个数字）时，* 和 .* 的行为会变得一样。

比如，你有一个 2×3 的矩阵 a 和一个标量 k。那么无论是 a * k 还是 a .* k，MATLAB都会很“智能”地把标量 k 与 a 中的每一个元素相乘，得到的结果矩阵也完全一样。

这个等价性也扩展到了其他运算符。对于标量 k 和矩阵 a：k / a 等价于 k ./ a，a ^ k 等价于 a .^ k。

但这里要敲一下黑板：这种便利性有时会掩盖你对运算本质的理解。只是因为标量情况下降维打击，绕过了维度检查，让你误以为两者可以互换。一旦换回两个矩阵，规则立刻恢复严格。

四、常见错误与验证方法

最常见的错误就是运行时弹出“Matrix dimensions must agree”。这时候别慌，按以下步骤排查：

1. 明确错误类型：仔细看报错信息。如果写着“inner matrix dimensions must agree”，那问题出在矩阵乘法（*）上，是“内维”（前列与后行）不匹配。如果只是“matrix dimensions must agree”（没有inner），那问题通常出在点乘（.*）上，是整体维度不一致。
2. 手动检查维度：在命令行用 size(A) 和 size(B) 分别查看两个变量的具体维度。然后对照规则：想做矩阵乘，就检查 size(A, 2) == size(B, 1)；想做点乘，就检查 size(A) == size(B)。
3. 构造小型测试：对于不确定的运算，不妨用一个小矩阵（比如2×2）手动算一下，验证你的理解是否正确。
4. 检查工作区变量：有时错误是因为之前的操作意外改变了某个变量的维度。用 whos 命令查看工作区所有变量的当前维度和类型，确保没有“张冠李戴”。

五、实际代码片段对照

光说不练假把式。把下面这几行代码复制到MATLAB命令行里跑一遍，感受会更直观：

% 定义两个矩阵
a = [1 2 3; 4 5 6]; % 这是一个2行3列的矩阵
b = [7 8; 9 10; 11 12]; % 这是一个3行2列的矩阵

% 场景1：执行矩阵乘法（*）
c1 = a * b % 成功！因为 a的列数(3)等于 b的行数(3)。结果 c1 是 2×2 矩阵。

% 场景2：尝试执行点乘（.*）
c2 = a .* b % 报错！因为 a 是 2×3，b 是 3×2，维度完全不同。

% 场景3：修正维度以进行点乘
b2 = [7 8 9; 10 11 12]; % 让 b2 也变成 2×3
c3 = a .* b2 % 成功！对应元素相乘，结果 c3 也是 2×3 矩阵。

跑完这段代码，你就能清晰地看到，在维度匹配正确的情况下，两种运算都能顺利进行，但得出的结果是截然不同的数学对象。

最后再强调一点：即使在某些极其特殊的情况下（比如用一个单位矩阵去乘另一个矩阵），* 和 .* 算出的数值结果可能看起来一样，但这绝不意味着它们可以随意互换。它们的数学含义和适用场景有着本质区别，用错了地方，轻则结果错误，重则程序直接崩溃。