numpy.vecdot#

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

两个数组的向量点积。

设 \(\mathbf{a}\) 为 x1 中的向量，\(\mathbf{b}\) 为 x2 中的对应向量。点积定义为

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

其中求和是在最后一维上进行的（除非指定了 axis），并且 \(\overline{a_i}\) 表示如果 \(a_i\) 是复数则为其复共轭，否则为其自身。

2.0.0 版中的新功能。

参数：

x1, x2array_like: 输入数组，不允许标量。
outndarray, 可选: 存储结果的位置。如果提供，它必须具有 x1 和 x2 的广播形状，并且最后一维被移除。如果没有提供或为 None，则使用新分配的数组。
**kwargs**: 对于其他关键字参数，请参见 ufunc 文档。

返回：

yndarray: 输入的向量点积。只有当 x1、x2 都是一维向量时，它才是标量。

引发：

ValueError

如果 x1 的最后一维大小与 x2 的最后一维大小不同。

如果传入标量值。

参见

vdot: 相同，但首先展平参数
matmul: 矩阵-矩阵乘积。
vecmat: 向量-矩阵乘积。
matvec: 矩阵-向量乘积。
einsum: 爱因斯坦求和约定。

示例

>>> import numpy as np

获取向量数组沿给定法向量的投影大小。

>>> 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.])