numpy.matvec#

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

两个数组的矩阵-向量点积.

给定一个矩阵(或矩阵堆栈) \(\mathbf{A}\) 在 x1 中,以及一个向量(或向量堆栈) \(\mathbf{v}\) 在 x2 中,则矩阵-向量积定义为:

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

其中,求和是对 x1 和 x2 的最后一个维度进行的(除非指定了 axes ).(对于与共轭向量的矩阵-向量乘积,请使用 np.vecmat(x2, x1.mT) .)

在 2.2.0 版本加入.

参数:
x1, x2array_like

输入数组,不允许使用标量.

outndarray, 可选

存储结果的位置.如果提供,它必须具有删除求和轴后的 x1 和 x2 的广播形状.如果未提供或为 None,则使用新分配的数组.

\kwargs

对于其他仅限关键字的参数,请参阅 ufunc docs .

返回:
yndarray

输入的矩阵-向量积.

提出:
ValueError

如果 x1 和 x2 的最后一个维度的大小不相同.

如果传递了标量值.

参见

vecdot

向量-向量积.

vecmat

向量-矩阵积.

matmul

矩阵-矩阵积.

einsum

爱因斯坦求和约定.

示例

沿 Z 轴将一组向量从 Y 旋转到 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.]])
当前页面