Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment calculer un produit croisé en Python



En supposant que nous ayons le vecteur A avec des éléments (A 1 , A 2 , A 3 ) et un vecteur B avec des éléments (B 1 , B 2 , B 3 ), nous pouvons calculer le produit vectoriel de ces deux vecteurs comme suit :

Produit croisé = [(A 2 *B 3 ) – (A 3 *B 2 ), (A 3 *B 1 ) – (A 1 *B 3 ), (A 1 *B 2 ) – (A 2 *B 1 )]

Par exemple, supposons que nous ayons les vecteurs suivants :

  • Vecteur A : (1, 2, 3)
  • Vecteur B : (4, 5, 6)

Nous pourrions calculer le produit vectoriel de ces vecteurs comme suit :

  • Produit croisé = [(A 2 *B 3 ) – (A 3 *B 2 ), (A 3 *B 1 ) – (A 1 *B 3 ), (A 1 *B 2 ) – (A 2 *B 1 )]
  • Produit croisé = [(2*6) – (3*5), (3*4) – (1*6), (1*5) – (2*4)]
  • Produit croisé = (-3, 6, -3)

Vous pouvez utiliser l’une des deux méthodes suivantes pour calculer le produit vectoriel de deux vecteurs en Python :

Méthode 1 : utiliser la fonction cross() de NumPy

import numpy as np
  
#calculate cross product of vectors A and B
np.cross(A, B)

Méthode 2 : définissez votre propre fonction

#define function to calculate cross product 
def cross_prod(a, b):
    result = [a[1]*b[2] - a[2]*b[1],
            a[2]*b[0] - a[0]*b[2],
            a[0]*b[1] - a[1]*b[0]]

    return result

#calculate cross product
cross_prod(A, B)

Les exemples suivants montrent comment utiliser chaque méthode dans la pratique.

Exemple 1 : utiliser la fonction cross() de NumPy

Le code suivant montre comment utiliser la fonction cross() de NumPy pour calculer le produit vectoriel entre deux vecteurs :

import numpy as np

#define vectors
A = np.array([1, 2, 3])
B = np.array([4, 5, 6])
  
#calculate cross product of vectors A and B
np.cross(A, B)

[-3, 6, -3]

Le produit vectoriel s’avère être (-3, 6, -3) .

Cela correspond au produit croisé que nous avons calculé manuellement plus tôt.

Exemple 2 : définissez votre propre fonction

Le code suivant montre comment définir votre propre fonction pour calculer le produit vectoriel entre deux vecteurs :

#define function to calculate cross product 
def cross_prod(a, b):
    result = [a[1]*b[2] - a[2]*b[1],
            a[2]*b[0] - a[0]*b[2],
            a[0]*b[1] - a[1]*b[0]]

    return result

#define vectors
A = np.array([1, 2, 3])
B = np.array([4, 5, 6])

#calculate cross product
cross_prod(A, B)

[-3, 6, -3]

Le produit vectoriel s’avère être (-3, 6, -3) .

Cela correspond au produit vectoriel que nous avons calculé dans l’exemple précédent.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes en Python :

Comment calculer le produit scalaire à l’aide de NumPy
Comment normaliser une matrice NumPy
Comment ajouter une ligne à la matrice dans NumPy

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *