我有2个矩阵,首先是稀疏的整数系数。
import sympy
A = sympy.eye(2)
A.row_op(1, lambda v, j: v + 2*A[0, j])
第二个是象征性的,我在它们之间执行一个操作:
M = MatrixSymbol('M', 2, 1)
X = A * M + A.col(1)
现在,我想要的是获取元素明智的方程式:
X_{0,0} = A_{0,0}
X_{0,1} = 2*A_{0,0} + A_{0,1}
一种方法是指定一个矩阵,sympy
其中每个元素都是一个单独的符号:
rows = []
for i in range(shape[0]):
col = []
for j in range(shape[1]):
col.append(Symbol('%s_{%s,%d}' % (name,i,j)))
rows.append(col)
M = sympy.Matrix(rows)
有没有办法用MatrixSymbol
上面的方法做到这一点,然后得到结果为元素的方程式?
原来,这个问题有一个非常明显的答案:
MatrixSymbol
sympy中的s可以像矩阵一样被索引,即:
X[i,j]
给出了按元素的方程式。
如果要对一个以上的元素进行子集化,则MatrixSymbol
必须首先将其转换为一sympy.Matrix
类:
X = sympy.Matrix(X)
X # lists all indices as `X[i, j]`
X[3:4,2] # arbitrary subsets are supported
请注意,这不允许对numpy
数组/矩阵进行所有操作(例如使用布尔等效项进行索引),因此创建numpy
带有sympy
符号的数组可能会更好:
ijstr = lambda i,j: sympy.Symbol(name+"_{"+str(int(i))+","+str(int(j))+"}")
matrix = np.matrix(np.fromfunction(np.vectorize(ijstr), shape))
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句