numpy.dot(vector_a, wektor_b, out = None) zwraca iloczyn skalarny wektorów aib. Może obsługiwać tablice 2D, ale traktuje je jako macierz i wykonuje mnożenie macierzy. Dla N wymiarów jest to iloczyn sumy ostatniej osi a i przedostatniej osi b :
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])>
Parametry
- wektor_a : [array_like] jeśli a jest złożone, jego złożony koniugat jest używany do obliczenia iloczynu skalarnego. wektor_b : [array_like] jeśli b jest złożone, jego złożony koniugat jest używany do obliczenia iloczynu skalarnego. out : [tablica, opcjonalny] argument wyjściowy musi być ciągły z C, a jego typ d musi być typem d, który zostanie zwrócony dla kropki (a, b).
Kropka Iloczyn wektorów aib. jeśli wektor_a i wektor_b mają wartość 1D, zwracany jest skalar
przykłady drzew binarnych
Kod 1:
Pyton
śpij spokojnie
# Python Program illustrating> # numpy.dot() method> import> numpy as geek> # Scalars> product>=> geek.dot(>5>,>4>)> print>(>'Dot Product of scalar values : '>, product)> # 1D array> vector_a>=> 2> +> 3j> vector_b>=> 4> +> 5j> product>=> geek.dot(vector_a, vector_b)> print>(>'Dot Product : '>, product)> |
>
>
Wyjście:
Dot Product of scalar values : 20 Dot Product : (-7+22j)>
How Code1 works ? vector_a = 2 + 3j vector_b = 4 + 5j now dot product = 2(4 + 5j) + 3j(4 +5j) = 8 + 10j + 12j - 15 = -7 + 22j>
Kod 2:
Pyton
przekonwertuj na ciąg Java
# Python Program illustrating> # numpy.dot() method> import> numpy as geek> # 1D array> vector_a>=> geek.array([[>1>,>4>], [>5>,>6>]])> vector_b>=> geek.array([[>2>,>4>], [>5>,>2>]])> product>=> geek.dot(vector_a, vector_b)> print>(>'Dot Product :
'>, product)> product>=> geek.dot(vector_b, vector_a)> print>(>'
Dot Product :
'>, product)> '''> Code 2 : as normal matrix multiplication> '''> |
Java vs C++
>
>
Wyjście:
Dot Product : [[22 12] [40 32]] Dot Product : [[22 32] [15 32]]>