Numpy和线性代数:如何对Axêy进行编码?

在线性代数中,用形状来表示点积和向量时,我很难匹配Numpy的期望。

假设我有一个矩阵和两个列向量,由Numpy数组表示:

import numpy as np

A = np.array([[1,2],
              [3,1],
              [-5,2]])

x = np.array([[0],
              [2]])

y = np.array([[-2],
              [0],
              [3]])

我想计算 Axꞏy , Ax 是矩阵乘法和 ꞏ 是点积。这不起作用:

# a = Axꞏy
a = (A @ x).dot(y)

形状(3.1)和(3.1)未对齐:1(dim 1)!=3(调光0)

Ax :

[[4],
 [2],
 [4]]

实际上是列向量,并且两个列向量的点积是标量: -8+0+12=4 ,这是我期待的结果。

使用定义的矢量,需要什么样的正确操作或整形?