numpy.vecdot#

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

兩個陣列的向量點積。

令 \(\mathbf{a}\) 為 x1 中的向量，且 \(\mathbf{b}\) 為 x2 中對應的向量。點積定義為

\[\mathbf{a} \cdot \mathbf{b} = \sum_{i=0}^{n-1} \overline{a_i}b_i\]

其中總和遍及最後一個維度（除非指定 axis），且 \(\overline{a_i}\) 表示複共軛，如果 \(a_i\) 是複數，否則為單位矩陣。

版本 2.0.0 新增。

參數:

x1, x2array_like: 輸入陣列，不允許純量。
outndarray, optional: 結果儲存的位置。如果提供，則它必須具有 x1 和 x2 的廣播形狀，並移除最後一個軸。如果未提供或為 None，則會使用新配置的陣列。
**kwargs: 對於其他僅限關鍵字引數，請參閱 ufunc 文件。

傳回值:

yndarray: 輸入的向量點積。只有當 x1、x2 都是 1 維向量時，這才是純量。

引發:

ValueError

如果 x1 的最後一個維度大小與 x2 的最後一個維度大小不同。

如果傳入純量值。

另請參閱

vdot: 相同，但先展平引數
matmul: 矩陣-矩陣乘積。
vecmat: 向量-矩陣乘積。
matvec: 矩陣-向量乘積。
einsum: 愛因斯坦求和約定。

範例

>>> import numpy as np

取得向量陣列沿著給定法線的投影大小。

>>> v = np.array([[0., 5., 0.], [0., 0., 10.], [0., 6., 8.]])
>>> n = np.array([0., 0.6, 0.8])
>>> np.vecdot(v, n)
array([ 3.,  8., 10.])