numpy.cross¶

numpy.cross(a, b, axisa=- 1, axisb=- 1, axisc=- 1, axis=None)[源代码]¶

返回两个（数组）向量的叉积。

的叉积 a 和 b 在里面 $R^3$ 是垂直于两者的向量 a 和 b . 如果 a 和 b 是向量数组，向量由 a 和 b 默认情况下，这些轴的尺寸可以是2或3。其中任何一个的尺寸 a 或 b 为2，假设输入向量的第三个分量为零，并相应地计算出叉积。如果两个输入向量都有维数2，则返回交叉积的z分量。

参数

aarray_like: 第一个矢量的分量。
barray_like: 第二个矢量的分量。
axisa可选的: 轴线 a 它定义了向量。默认情况下，最后一个轴。
axisb可选的: 轴线 b 它定义了向量。默认情况下，最后一个轴。
axisc可选的: 轴线 c 包含交叉积向量。如果两个输入向量都有维度2，则忽略，因为返回是标量。默认情况下，最后一个轴。
axis可选的: 如果定义，则 a ， b 和 c 它定义了向量和叉积。重写 axisa ， axisb 和 axisc .

返回

c恩达雷: 矢量交叉积。

加薪

ValueError: 当矢量的维数 a 和/或 b 不等于2或3。

参见

inner: 内积
outer: 外部产品。
ix_: 构造索引数组。

笔记

1.9.0 新版功能.

支持输入的完全广播。

实例

矢量交叉积。

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

一个维数为2的向量。

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

Equivalently：

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

两个向量的维数都是2。

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

多向量交叉积。注意，交叉积向量的方向由 right-hand rule .

>>> 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]])

的方向 c 可以使用 axisc 关键字。

>>> np.cross(x, y, axisc=0)
array([[-3,  3],
       [ 6, -6],
       [-3,  3]])

更改的矢量定义 x 和 y 使用 axisa 和 axisb .

>>> 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]])

numpy.gradient numpy.trapz