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-矩阵乘积定义为

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

其中求和是在 x1 的最后维度和 x2 的倒数第二维度上进行的（除非指定了axes），并且其中\(\overline{v_i}\) 表示如果\(v\) 为复数则为复共轭，否则为恒等式。（对于非共轭向量-矩阵乘积，请使用 np.matvec(x2.mT, x1)。）

2.2.0 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，并移除求和轴。如果不提供或为 None，则使用新分配的数组。

**kwargs

有关其他关键字参数，请参见ufunc 文档。

返回：
yndarray

输入的向量-矩阵乘积。

引发：
ValueError

如果 x1 的最后维度和 x2 的倒数第二维度大小不同。

如果传入标量值。

另请参见

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

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.])
本页内容