numpy.dot(vector_a, vector_b, fora = Cap) retorna el producte escalat dels vectors a i b. Pot manejar matrius 2D, però les considera com a matrius i realitzarà la multiplicació de matrius. Per a N dimensions és un producte suma sobre l'últim eix de a i l'avant-últim de b:
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])>
Paràmetres
- vector_a : [array_like] si a és complex, el seu complex conjugat s'utilitza per al càlcul del producte escalat. vector_b : [array_like] si b és complex, el seu complex conjugat s'utilitza per al càlcul del producte escalat. out : [matriu, opcional] l'argument de sortida ha de ser contigu a C i el seu dtype ha de ser el dtype que es retornaria per a dot(a,b).
Producte escalat dels vectors a i b. si vector_a i vector_b són 1D, es retorna escalar
crear fil java
Codi 1:
Python
# 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)> |
arbre de cerca binari]
>
>
Sortida:
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>
Codi 2:
Python
convertir int en cadena 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++
>
>
Sortida:
Dot Product : [[22 12] [40 32]] Dot Product : [[22 32] [15 32]]>