numpy.matvec#

numpy.matvec(x1, x2, /, out=None, *, casting='same_kind', order='K', dtype=None, subok=True[, signature, axes, axis]) = <ufunc 'matvec'>#

兩個陣列的矩陣向量點積。

給定 x1 中的矩陣（或矩陣堆疊）\(\mathbf{A}\) 和 x2 中的向量（或向量堆疊）\(\mathbf{v}\)，矩陣向量積定義為

\[\mathbf{A} \cdot \mathbf{b} = \sum_{j=0}^{n-1} A_{ij} v_j\]

其中總和遍及 x1 和 x2 中的最後維度（除非指定 axes）。（對於向量共軛的矩陣向量積，請使用 np.vecmat(x2, x1.mT)。）

2.2.0 版本新增。

參數:

x1, x2array_like: 輸入陣列，不允許純量。
outndarray，可選: 結果儲存的位置。如果提供，它必須具有 x1 和 x2 的廣播形狀，並移除加總軸。如果未提供或為 None，則會使用新分配的陣列。
**kwargs: 對於其他僅限關鍵字引數，請參閱 ufunc 文件。

返回:

yndarray: 輸入的矩陣向量積。

引發:

ValueError

如果 x1 和 x2 的最後維度大小不同。

如果傳入純量值。

參見

vecdot: 向量向量積。
vecmat: 向量矩陣積。
matmul: 矩陣矩陣積。
einsum: 愛因斯坦求和約定。

範例

沿 Z 軸將一組向量從 Y 旋轉到 X。

>>> a = np.array([[0., 1., 0.],
...               [-1., 0., 0.],
...               [0., 0., 1.]])
>>> v = np.array([[1., 0., 0.],
...               [0., 1., 0.],
...               [0., 0., 1.],
...               [0., 6., 8.]])
>>> np.matvec(a, v)
array([[ 0., -1.,  0.],
       [ 1.,  0.,  0.],
       [ 0.,  0.,  1.],
       [ 6.,  0.,  8.]])