numpy.vecmat

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

两个数组的向量-矩阵点积.

给定 x1 中的向量(或向量堆栈) \(\mathbf{v}\) 和 x2 中的矩阵(或矩阵堆栈) \(\mathbf{A}\) ,向量-矩阵积定义为:

\[\mathbf{b} \cdot \mathbf{A} = \sum_{i=0}^{n-1} \overline{v_i}A_{ij}\]

其中总和是在 x1 的最后一个维度和 x2 中倒数第二个维度上(除非指定了 axes ),其中 \(\overline{v_i}\) 表示如果 \(v\) 是复数时的复共轭,否则表示单位. (对于非共轭向量-矩阵积,请使用 np.matvec(x2.mT, x1) .)

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

用于存储结果的位置.如果提供,则它必须具有 x1 和 x2 的广播形状,并删除求和轴.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,请参见 ufunc docs .

返回:

yndarray

输入的向量-矩阵积.

Raises:

ValueError

如果 x1 的最后一个维度和 x2 的倒数第二个维度的大小不同.

如果传入的是标量值.

参见

vecdot

向量-向量积.

matvec

矩阵-向量积.

matmul

矩阵-矩阵积.

einsum

爱因斯坦求和约定.

示例

Try it in your browser!

沿 X 和 Y 投影向量.

>>> v = np.array([0., 4., 2.])
>>> a = np.array([[1., 0., 0.],
...               [0., 1., 0.],
...               [0., 0., 0.]])
>>> np.vecmat(v, a)
array([ 0.,  4., 0.])

Go BackOpen In Tab