numpy.dot(vector_a, vector_b, out = Geen) retourneert het puntproduct van de vectoren a en b. Het kan 2D-arrays verwerken, maar beschouwt ze als matrix en zal matrixvermenigvuldiging uitvoeren. Voor N-dimensies is het een somproduct over de laatste as van a en de voorlaatste van b:
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])>
Parameters
- vector_a: [array_like] als a complex is, wordt zijn complexe conjugaat gebruikt voor de berekening van het puntproduct. vector_b: [array_like] als b complex is, wordt zijn complexe conjugaat gebruikt voor de berekening van het puntproduct. out : [array, optioneel] uitvoerargument moet C-aangrenzend zijn, en het dtype ervan moet het dtype zijn dat zou worden geretourneerd voor punt(a,b).
Puntproduct van vectoren a en b. als vector_a en vector_b 1D zijn, wordt scalair geretourneerd
strep
Code1:
Python
modem versus router
# 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)> |
>
>
Uitgang:
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>
Code2:
Python
converteer naar string-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 versus c++
>
>
Uitgang:
Dot Product : [[22 12] [40 32]] Dot Product : [[22 32] [15 32]]>