numpy.cross#

numpy.cross(a, b, axisa=-1, axisb=-1, axisc=-1, axis=None)[source]#

返回两个(数组)向量的叉积。

\(R^3\) 中,ab 的叉积是一个垂直于 ab 的向量。如果 ab 是向量数组,则向量默认由 ab 的最后一个轴定义,并且这些轴可以具有 2 或 3 的维度。当 ab 的维度为 2 时,输入向量的第三个分量假定为零,并据此计算叉积。在两个输入向量都具有 2 维的情况中,返回叉积的 z 分量。

参数:
aarray_like

第一个向量(或向量)的分量。

barray_like

第二个向量(或向量)的分量。

axisaint,可选

定义向量(或向量)的 a 的轴。默认情况下为最后一个轴。

axisbint,可选

定义向量(或向量)的 b 的轴。默认情况下为最后一个轴。

axiscint,可选

包含叉积向量(或向量)的 c 的轴。如果两个输入向量都具有 2 维,则忽略此参数,因为返回值为标量。默认情况下为最后一个轴。

axisint,可选

如果定义,则为定义向量(或向量)和叉积(或叉积)的 abc 的轴。覆盖 axisaaxisbaxisc

返回:
cndarray

向量叉积(或叉积)。

引发:
ValueError

a 和/或 b 中向量(或向量)的维度不等于 2 或 3 时。

另请参阅

inner

内积

outer

外积。

linalg.cross

np.cross 的 Array API 兼容变体,它只接受(数组)3 元素向量。

ix_

构建索引数组。

备注

版本 1.9.0 中的新功能。

支持输入的完全广播。

2.0.0 中弃用了维度 2 的输入数组。如果您确实需要此功能,可以使用

def cross2d(x, y):
    return x[..., 0] * y[..., 1] - x[..., 1] * y[..., 0]

示例

向量叉积。

>>> import numpy as np
>>> x = [1, 2, 3]
>>> y = [4, 5, 6]
>>> np.cross(x, y)
array([-3,  6, -3])

一个维度为 2 的向量。

>>> x = [1, 2]
>>> y = [4, 5, 6]
>>> np.cross(x, y)
array([12, -6, -3])

等效地

>>> x = [1, 2, 0]
>>> y = [4, 5, 6]
>>> np.cross(x, y)
array([12, -6, -3])

两个维度为 2 的向量。

>>> x = [1,2]
>>> y = [4,5]
>>> np.cross(x, y)
array(-3)

多个向量叉积。请注意,叉积向量的方向由右手定则定义。

>>> x = np.array([[1,2,3], [4,5,6]])
>>> y = np.array([[4,5,6], [1,2,3]])
>>> np.cross(x, y)
array([[-3,  6, -3],
       [ 3, -6,  3]])

可以使用 axisc 关键字更改 c 的方向。

>>> np.cross(x, y, axisc=0)
array([[-3,  3],
       [ 6, -6],
       [-3,  3]])

使用 axisaaxisb 更改 xy 的向量定义。

>>> x = np.array([[1,2,3], [4,5,6], [7, 8, 9]])
>>> y = np.array([[7, 8, 9], [4,5,6], [1,2,3]])
>>> np.cross(x, y)
array([[ -6,  12,  -6],
       [  0,   0,   0],
       [  6, -12,   6]])
>>> np.cross(x, y, axisa=0, axisb=0)
array([[-24,  48, -24],
       [-30,  60, -30],
       [-36,  72, -36]])