mindspore.numpy.cross

mindspore.numpy.cross(a, b, axisa=-1, axisb=-1, axisc=-1, axis=None)

返回两个向量(数组)的叉积。

在 \(R^3\) 中，叉积是垂直于 a 和 b 的一个向量。 如果 a 和 b 是向量数组，向量默认由 a 和 b 的最后一个轴定义，这些轴可以为二或三维。 当 a 和 b 其中任意一个为二维时，输入向量的第三个分量将被假设为零，并相应计算叉积。 在两个输入向量都为二维的情况下，返回叉积的z-分量。

参数：

• a (Union[list, tuple, Tensor]) - 第一个向量的分量。

• b (Union[list, tuple, Tensor]) - 第二个向量的分量。

• axisa (int, 可选) - 定义 a 中用于计算的向量的轴。默认为最后一个轴。默认值： -1 。

• axisb (int, 可选) - 定义 b 中用于计算的向量的轴。默认为最后一个轴。默认值： -1 。

• axisc (int, 可选) - 定义 c 中包含叉积结果的轴。如果两个输入向量都为二维，此项被忽略。默认为最后一个轴。默认值： -1 。

• axis (int, 可选) - 如果定义该参数， axis 将定义 a 和 b 中用于计算的向量的轴，以及 c 中包含叉积结果的轴。 即覆盖 axisa 、 axisb 和 axisc 。默认值： None 。

返回：

Tensor，向量叉积。

异常：

• ValueError - 当向量的维数不是2或3时。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore.numpy as np
>>> x = np.array([[1,2,3], [4,5,6]])
>>> y = np.array([[4,5,6], [1,2,3]])
>>> output = np.cross(x, y)
>>> print(output)
[[-3  6 -3]
[ 3 -6  3]]
>>> output = np.cross(x, y, axisc=0)
>>> print(output)
[[-3  3]
[ 6 -6]
[-3  3]]