python实现矢量积、叉积、外积、张量积

张量积 一般指的是Kronecker product a⊗b

很显然，该运算不遵守交换律。

import numpy as np
a = np.eye(3)
b = np.ones((3,2,3))
c = np.kron(a,b)

a

array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])

b

array([[[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]]])

c

array([[[ 1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
        [ 1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  1.,  1.],
        [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  1.,  1.]],

       [[ 1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
        [ 1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  1.,  1.],
        [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  1.,  1.]],

       [[ 1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
        [ 1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  1.,  1.,  1.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  1.,  1.],
        [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  1.,  1.]]])

叉积 cross product，一般是两个向量之间的计算，得到一个垂直这两个向量的向量。向量必须是3维，2维向量则广播成3维（注意这里向量维不是空间维）。如果是矩阵，则是矩阵的行向量或列向量之间的运算。

import numpy as np
a = np.array([1,2,0])
b = np.array([1,0,0])
c = np.cross(a,b)

外积是Kronecker product的一种特殊形式，是两个一维向量之间的运算。

import numpy as np
a = np.array([1,2,3,4])
b = np.ones([3,1])

c = np.outer(a,b)
d = np.kron(a,b)

c

array([[ 1.,  1.,  1.],
       [ 2.,  2.,  2.],
       [ 3.,  3.,  3.],
       [ 4.,  4.,  4.]])

d

array([[ 1.,  2.,  3.,  4.],
       [ 1.,  2.,  3.,  4.],
       [ 1.,  2.,  3.,  4.]])

如果b改成1×3，那么该例d为1×12：

array([[ 1.,  1.,  1.,  2.,  2.,  2.,  3.,  3.,  3.,  4.,  4.,  4.]])

内积没什么好说的，大家最熟悉了。

最后提一下，python(numpy)的矩阵元素相乘（elementwise）只有numpy.multiply()和*。其他np.dot()，np.matmul()均是矩阵乘。

Hadamard product (also known as the Schur product）

The Hadamard product is also often denoted using the  symbol instead of .