上一主题

numpy.gradient

下一主题

numpy.trapz

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中的ab的叉积是垂直于ab的向量。如果ab是向量的数组,则向量由ab的最后一个轴定义默认值,这些轴可以具有尺寸2或3。ab的维度为2时,输入向量的第三个分量假定为零,并相应地计算叉积。在两个输入向量都具有维度2的情况下,返回叉积的z分量。

参数:

a:array_like

第一向量的分量。

b:array_like

第二向量的分量。

axisa:int,可选

定义向量的a轴。默认情况下,最后一根轴。

axisb:int,可选

定义向量的b轴。默认情况下,最后一根轴。

axisc:int,可选

包含交叉乘积向量的c轴。如果两个输入向量都具有维数2,则忽略,因为返回是标量的。默认情况下,最后一根轴。

axis:int,可选

如果定义,定义向量和交叉乘积的abc的轴。覆盖axisaaxisbaxisc

返回:

c:ndarray

矢量交叉产品。

上升:

ValueError

a和/或b中的向量的维数不等于2或3时。

也可以看看

inner
內积
outer
外积
ix_
构造索引数组。

笔记

版本1.9.0中的新功能。

支持输入的完全广播。

例子

矢量交叉产品。

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

一个向量与维度2。

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

等同地:

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

两个向量与维度2。

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

多向量叉积。注意,叉积矢量的方向由右手规则定义。

>>> 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]])