Как выполнить поэлементное умножение двух массивов, если один элемент получен по формуле?

Я пытаюсь умножить два массива вместе поэлементно

expected_state = np.array([-1.004  0.002  0.0]) 
b = np.array([[1.0, 0.0, 0.0], [[stoch_rate[1]*(2*(popul_num[0]) - 1)/2], 0.0, 0.0], [0.0, 0.5, 0.0], [0.0, 0.4, 0.0]])

Каждый элемент expected_state должен быть умножен на каждый элемент из каждой строки в b Итак [[-1.004*1.0, 0.002*0.0, 0.0*0.0], [-1.004*[stoch_rate[1]*(2*(popul_num[0]) - 1)/2], 0.002*0.0....etc]]

Массив b определен в функции, так что первый элемент во второй строке может изменяться как stoch_rate и popul_num при выполнении программы.

def update_matrix(popul_num, stoch_rate): 
    """Specific to this model 
    will need to change if different model 
    implements equaiton 24 of the Gillespie paper"""
    b = np.array([[1.0, 0.0, 0.0], [[stoch_rate[1]*(2*(popul_num[0]) - 1)/2], 0.0, 0.0], [0.0, 0.5, 
0.0], [0.0, 0.4, 0.0]])
    return b

До сих пор я использовал вложенные циклы for, чтобы попытаться произвести умножение:

for j in range(len(evaluate_propensity)):
    for i in range(len(popul_num)):
        denominator[j] += (exptd_state_array[i]*b[j, i]) # TypeError: Cant multiply sequence by non-int type "numpy.float64"

Но получите TypeError: can't multiply sequence by non-int of type 'numpy.float64'

Я просмотрел некоторые другие сообщения, в которых говорится, что такие вещи происходят при попытке умножить индексы списка на нецелые числа, потому что индексы списка не могут иметь частичные числа. Что я понимаю, но элементы моих массивов должны быть плавающими, поэтому я не слишком уверен, как это преодолеть.

Затем, прочитав еще немного, я обнаружил, что ошибка возникла, когда программа пыталась произвести умножение элемента [stoch_rate[1]*(2*(popul_num[0]) - 1)/2] из массива b, и мне было интересно, будет ли TypeError происходить из этого элемент массива, производный от формулы, и если да, то как это можно исправить?

Ура

РЕДАКТИРОВАТЬ:

popul_num = np.array([1.0E5, 0, 0]) # array of molecule numbers for 3 species in model
stoch_rate = np.array([1.0, 0.002, 0.5, 0.04]) # rates of the 4 reactions in the model 
evaluate_propensity = np.array(a, b, c, d) # An array of the probability of each  reaction occuring, is dynamically calculated on each iteration so isn't hard coded.  

exptd_state_array and expected_state are the same thing sorry forgot to change the short hand