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。

令 \(\mathbf{a}\) 为 x1 中的向量，\(\mathbf{b}\) 为 x2 中对应的向量。点积定义为

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

其中求和是对最后一个维度进行的（除非指定了 axis），并且 \(\overline{a_i}\) 表示 \(a_i\) 的复共轭（如果 \(a_i\) 是复数），否则表示其本身。

2.0.0 版本新增。

参数:

x1, x2类数组对象: 输入数组，不允许标量。
outndarray，可选: 存储结果的位置。如果提供，它必须是 x1 和 x2 广播后的形状，并移除最后一个轴。如果未提供或为 None，则使用新分配的数组。
**kwargs: 有关其他仅限关键字参数，请参阅 ufunc 文档。

返回:

yndarray: 输入的向量点积。仅当 x1 和 x2 都是一维向量时，这才是标量。

引发:

ValueError

如果 x1 的最后一个维度与 x2 的最后一个维度大小不同。

如果传入的是标量值。

另请参阅

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

获取沿给定法线方向的向量数组的投影大小。

>>> 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.])