numpy.dot(vettore_a, vettore_b, out = None) restituisce il prodotto scalare dei vettori a e b. Può gestire array 2D ma li considera come matrici ed eseguirà la moltiplicazione di matrici. Per N dimensioni è un prodotto somma sull'ultimo asse di a e sul penultimo di b :
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])>
Parametri
- vettore_a: [array_like] se a è complesso il suo complesso coniugato viene utilizzato per il calcolo del prodotto scalare. vettore_b: [array_like] se b è complesso il suo complesso coniugato viene utilizzato per il calcolo del prodotto scalare. out: l'argomento di output [array, opzionale] deve essere contiguo al C e il suo dtype deve essere il dtype che verrebbe restituito per dot(a,b).
Prodotto scalare dei vettori a e b. se vettore_a e vettore_b sono 1D, viene restituito scalare
come recuperare app nascoste
Codice 1:
Pitone
# 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)> |
attraversamento postordine di un albero binario
>
>
Produzione:
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>
Codice 2:
Pitone
converti int in stringa 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 contro C++
>
>
Produzione:
Dot Product : [[22 12] [40 32]] Dot Product : [[22 32] [15 32]]>