在矩阵运算中，内积是一个基本的概念。假设我们有两个向量a和b，如果a和b都是列向量，那么我们可以通过转置操作来求它们的内积。具体地，我们定义内积c为a的转置乘以b，即c=aT*b。这里，aT表示a的转置，即原来的列向量变成了行向量。

值得注意的是，求内积时，a和b的维度必须相同。只有当a和b的维度相同时，我们才能进行这种运算。这是因为，在矩阵乘法中，左边的矩阵的列数必须与右边的矩阵的行数相同。在这个例子中，a的转置变成了行向量，而b仍然是列向量，所以它们的维度必须匹配。

通过这种方式，我们能够计算出两个向量之间的内积。例如，假设a=[1;2;3]，b=[4;5;6]，那么a的转置为[123]，b保持为[4;5;6]。这时，内积c=aT*b=[123]*[4;5;6]=1*4+2*5+3*6=32。

这种操作在许多领域都有广泛应用，包括但不限于线性代数、机器学习和物理学。在机器学习中，内积常常用于衡量两个向量之间的相似性，而在物理学中，它则用于计算能量、力矩等物理量。

综上所述，当两个列向量a和b的维度相同时，我们可以使用a的转置乘以b来计算它们的内积。这不仅是一个重要的数学工具，也是理解和应用多种复杂概念的基础。