Differences

This shows you the differences between two versions of the page.

--- appunti3s:numpy [2020/07/17 06:50] – profpro
+++ appunti3s:numpy [2020/08/02 17:27] (current) – profpro
@@ Line 25: / Line 25: @@
 e = np.ones((3, 4))
 del e    # libera la memoria
 </file>
@@ Line 37: / Line 38: @@
   c[0:2, 1]
   c[:,1]     # equivalente
+(Per una matrice 2D, quando si richiama un elemento, è del tipo nome[riga,colonna])
 ==Iterazione==
@@ Line 63: / Line 68: @@
 </file>
-==Esempio di operatori==
+====Esempio di operatori====
 == matrix product ==
@@ Line 77: / Line 82: @@
 ==Prodotto vettoriale o cross product==
+Di solito si moltiplicano due array 1 D e si ottiene un terzo array 1 D, ortogonale.
 <code python>
-  numpy.cross(a, b, axisa=-1, axisb=-1, axisc=-1, axis=None)[source]¶
+  numpy.cross(a, b, axisa=-1, axisb=-1, axisc=-1, axis=None)
 </code>
 ==Prodotto scalare o dot product==
-(in realtà non fa il prodotto scalare?)
+Ha un comportamento diverso, a seconda dei fattori utilizzati
+  * usando il tipo scalare 0 D, equivale a fare il prodotto con asterisco *
+  * usando il tipo array 1 D, equivale a fare il prodotto scalare, o somma dei prodotti
+  * usando il tipo array 2 D, .........
+<code>
+   fare un esempio....
+</code>
 Quando gli array sono 2D è preferibile usare @