Python

2つのベクトルa=[a0、a1、...、aM]とb =[b0、b1、...、bN]が与えられた場合、外積は-です。 [[a0*b0 a0*b1 ... a0*bN ] [a1*b0 . [ ... . [aM*b0 aM*bN ]] 文字のベクトルを含む配列の外積を取得するには、Pythonでnumpy.outer（）メソッドを使用します。最初のパラメーターaは、最初の入力ベクトルです。まだ1次元でない場合、入力はフラット化されます。 2番目のパラメーターbは、2番目の入力ベクトルです。まだ1次元でない場合、入力はフラット化されます。 3番目のパラメータoutは、結果が保存される場所

配列とスカラーの外積を取得するには、Pythonでnumpy.outer（）メソッドを使用します。 1番目のパラメーターaは、最初の入力ベクトルです。まだ1次元でない場合、入力はフラット化されます。 2番目のパラメーターbは、2番目の入力ベクトルです。まだ1次元でない場合、入力はフラット化されます。 3番目のパラメータoutは、結果が保存される場所です。 2つのベクトルa=[a0、a1、...、aM]とb =[b0、b1、...、bN]が与えられた場合、外積は-です。 [[a0*b0 a0*b1 ... a0*bN ] [a1*b0 . [ ... . [aM*b0 aM*bN ]]

2つの配列の内積を取得するには、Pythonでnumpy.inner（）メソッドを使用します。 1次元配列のベクトルの通常の内積。高次元では、最後の軸の合計積。パラメータは1とb、2つのベクトルです。 aとbが非スカラーの場合、それらの最後の寸法は一致する必要があります。 ステップ まず、必要なライブラリをインポートします- import numpy as np array（）メソッドを使用して2つのnumpy1次元配列を作成する- arr1 = np.arange(2).reshape((1,1,2)) arr2 = np.arange(6).reshape((3,2)) 配列を表示す

2つのテンソルaとb、および2つのarray_likeオブジェクト（a_axes、b_axes）を含むarray_likeオブジェクトが与えられた場合、a_axesとb_axesで指定された軸上のaとbの要素（コンポーネント）の積を合計します。 3番目の引数は、単一の非負のinteger_likeスカラーNにすることができます。そのような場合、aの最後のN次元とbの最初のN次元が合計されます。 テンソル内積を計算するには、Pythonでnumpy.tensordot（）メソッドを使用します。 a、bparametersは「ドット」へのテンソルです。軸パラメーター、integer_like i

2つのテンソルaとb、および2つのarray_likeオブジェクト（a_axes、b_axes）を含むarray_likeオブジェクトが与えられた場合、a_axesとb_axesで指定された軸上のaとbの要素（コンポーネント）の積を合計します。 3番目の引数は、単一の非負のinteger_likeスカラーNにすることができます。そのような場合、aの最後のN次元とbの最初のN次元が合計されます。 異なる次元の配列のテンソル内積を計算するには、numpy.tensordot（）メソッドを使用します。 a、bパラメ​​ータは、「ドット」へのテンソルです。 axisパラメーターinteger_lik

NaNを1つとして扱う、特定の軸上の配列要素の累積積を返すには、nancumprod（）メソッドを使用します。 NaNが検出され、主要なNaNが1に置き換えられても、累積積は変化しません。 all-NaNまたは空のスライスの場合は1が返されます。このメソッドは、outが指定されていない限り、結果が返されることを保持する新しい配列を返します。指定されていない場合は、返されます。 累積は、5、5 * 10、5 * 10 * 15、5 * 10 * 15*20のように機能します。最初のパラメーターは入力配列です。 2番目のパラメーターは、累積積が計算される軸です。デフォルトでは、入力はフラット化さ

NaNを1つとして扱う、特定の軸上の配列要素の累積積を返すには、nancumprod（）メソッドを使用します。 NaNが検出され、主要なNaNが1に置き換えられても、累積積は変化しません。 all-NaNまたは空のスライスの場合は1つが返されます。 このメソッドは、outが指定されていない限り、結果が返されることを保持する新しい配列を返します。指定されている場合は、それが返されます。累積は、5、5 * 10、5 * 10 * 15、5 * 10 * 15*20のように機能します。最初のパラメーターは入力配列です。 2番目のパラメーターは、累積積が計算される軸です。デフォルトでは、入力はフラッ

特異値分解メソッドを使用して配列の行列ランクを返すには、Pythonのthenumpy.linalg.matrix_rank（）メソッドを使用します。配列のランクは、tolより大きい配列の特異値の数です。最初のパラメーターAは、入力ベクトルまたは行列のスタックです。 2番目のパラメーターtolは、SVD値がゼロと見なされるしきい値です。 tolがNoneで、SがMの特異値を持つ配列であり、epsがSのデータ型のイプシロン値である場合、tolはS.max（）* max（M、N）*epsに設定されます。 3番目のパラメーターであるエルミート。Trueの場合、Aはエルミートであると見なされ、特異値

2つのテンソルaとb、および2つのarray_likeオブジェクト（a_axes、b_axes）を含むarray_likeオブジェクトが与えられた場合、a_axesとb_axesで指定された軸上のaとbの要素（コンポーネント）の積を合計します。 3番目の引数は、単一の非負のinteger_likeスカラーNにすることができます。そのような場合、aの最後のN次元とbの最初のN次元が合計されます。 異なる次元の配列のテンソル内積を計算するには、Pythonのnumpy.tensordot（）メソッドを使用します。 a、bパラメ​​ータは「ドット」へのテンソルです。 axisパラメーターinte

2つのテンソルaとb、および2つのarray_likeオブジェクト（a_axes、b_axes）を含むarray_likeオブジェクトが与えられた場合、a_axesとb_axesで指定された軸上のaとbの要素（コンポーネント）の積を合計します。 3番目の引数は、単一の非負のinteger_likeスカラーNにすることができます。そのような場合、aの最後のN次元とbの最初のN次元が合計されます。 異なる次元の配列のテンソル内積を計算するには、Pythonのnumpy.tensordot（）メソッドを使用します。 a、bパラメ​​ータは、「ドット」へのテンソルです。 axisパラメーターinte

2つのテンソルaとb、および2つのarray_likeオブジェクト（a_axes、b_axes）を含むarray_likeオブジェクトが与えられた場合、a_axesとb_axesで指定された軸上のaとbの要素（コンポーネント）の積を合計します。 3番目の引数は、単一の非負のinteger_likeスカラーNにすることができます。そのような場合、aの最後のN次元とbの最初のN次元が合計されます。 ステップ まず、必要なライブラリをインポートします- import numpy as np array（）メソッドを使用して次元の異なる2つのnumpy配列を作成する- arr1 = np.arra

アインシュタインの縮約記法を使用してベクトルの内積を計算するには、Pythonでnumpy.einsum（）メソッドを使用します。最初のパラメーターは添え字です。これは、添え字ラベルの合計ascomma区切りリストの添え字を指定します。 2番目のパラメーターはオペランドです。これらは操作用の配列です。 einsum（）メソッドは、オペランドのアインシュタインの縮約記法を評価します。アインシュタインの縮約記法を使用すると、多くの一般的な多次元線形代数配列演算を簡単な方法で表すことができます。暗黙モードでは、einsumはこれらの値を計算します。 明示的モードでは、einsumは、指定された添

アインシュタインの縮約記法を使用した行列ベクトルの乗算には、Pythonのnumpy.einsum（）メソッドを使用します。最初のパラメーターは添え字です。これは、添え字ラベルの合計ascomma区切りリストの添え字を指定します。 2番目のパラメーターはオペランドです。これらは操作用の配列です。 einsum（）メソッドは、オペランドのアインシュタインの縮約記法を評価します。アインシュタインの縮約記法を使用すると、多くの一般的な多次元線形代数配列演算を簡単な方法で表すことができます。暗黙モードでは、einsumはこれらの値を計算します。 明示的モードでは、einsumは、指定された添え字ラ

アインシュタインの縮約記法でスカラー乗法を実行するには、Pythonでnumpy.einsum（）メソッドを使用します。最初のパラメーターは添え字です。これは、添え字ラベルの合計ascomma区切りリストの添え字を指定します。 2番目のパラメーターはオペランドです。これらは操作用の配列です。 einsum（）メソッドは、オペランドのアインシュタインの縮約記法を評価します。アインシュタインの縮約記法を使用すると、多くの一般的な多次元線形代数配列演算を簡単な方法で表すことができます。暗黙モードでは、einsumはこれらの値を計算します。明示モードでは、einsumは、指定された添え字ラベルに対し

アインシュタインの縮約記法を使用してベクトルの外積を計算するには、Pythonでnumpy.einsum（）メソッドを使用します。最初のパラメーターは添え字です。これは、添え字ラベルの合計ascomma区切りリストの添え字を指定します。 2番目のパラメーターはオペランドです。これらは操作用の配列です。 einsum（）メソッドは、オペランドのアインシュタインの縮約記法を評価します。アインシュタインの縮約記法を使用すると、多くの一般的な多次元線形代数配列演算を簡単な方法で表すことができます。暗黙モードでは、einsumはこれらの値を計算します。 明示的モードでは、einsumは、指定された添

アインシュタインの縮約記法によるテンソルの縮約には、Pythonのnumpy.einsum（）メソッドを使用します。最初のパラメーターは添え字です。これは、合計の添え字を添え字ラベルの連結リストとして指定します。 2番目のパラメーターはオペランドです。これらは操作用の配列です。 einsum（）メソッドは、オペランドのアインシュタインの縮約記法を評価します。アインシュタインの縮約記法を使用すると、多くの一般的な多次元線形代数配列演算を簡単な方法で表すことができます。暗黙モードでは、einsumはこれらの値を計算します。 明示的モードでは、einsumは、指定された添え字ラベルに対して合計を

einsum式の最小コストの縮小順序を取得するには、Pythonでnumpy.einsum + path（）メソッドを使用します。最初のパラメーターである添え字は、合計の添え字を指定します。 2番目のパラメーターであるオペランドは、操作の配列です。 アインシュタインの縮約記法を使用すると、多くの一般的な多次元の線形代数配列演算を簡単な方法で表すことができます。暗黙モードでは、einsumはこれらの値を計算します。 明示的モードでは、einsumは、指定された添え字ラベルに対して合計を無効にするか、強制することにより、従来のEinstein合計操作とは見なされない可能性のある他の配列操作を計

線形代数で正方行列をn乗するには、Pythonでnumpy.linalg.matrix_power（）を使用します。正の整数nの場合、累乗は行列の2乗と行列の乗算を繰り返すことによって計算されます。 n ==0の場合、Mと同じ形状の単位行列が返されます。 n <0の場合、逆数が計算されてからabs（n）に引き上げられます。 戻り値はMと同じ形状とタイプです。指数が正またはゼロの場合、要素のタイプはMのタイプと同じです。指数が負の場合、要素は浮動小数点です。最初のパラメーターであるaは、「累乗」される行列です。 2番目のパラメーターnは、任意の整数または長整数、正、負、またはゼロの指数です。

2つの配列のクロネッカー積を取得するには、Python Numpyのnumpy.kron（）メソッドを使用します。最初の配列によってスケーリングされた2番目の配列のブロックで構成される複合配列であるクロネッカー積を計算します。 この関数は、aとbの次元数が同じであると想定し、必要に応じて、最小の次元の前に1を追加します。 a.shape =（r0、r1、..、rN）およびb.shape =（s0、s1、...、sN）の場合、Kronecker製品の形状は（r0 * s0、r1 * s1、...、rN）になります。 * SN）。要素は、要素fromaとbの積であり、-によって明示的に編成されて

線形代数で行列またはベクトルのノルムを返すには、PythonNumpyのLA.norm（）メソッドを使用します。最初のパラメーターxは入力配列です。軸がNoneの場合、ordがNoneでない限り、xは1-Dまたは2-Dである必要があります。 axisとordの両方がNoneの場合、x.ravelの2ノルムが返されます。 2番目のパラメーター、またはノルムの順序。 infは、numpyのinfオブジェクトを意味します。デフォルトはNoneです。 3番目のパラメーター軸は、整数の場合、ベクトルノルムを計算するためのxの軸を指定します。 axisが2タプルの場合、2次元行列を保持する軸を指定し、こ