[英]Numpy : matrix of vectors, inversion
我有一个维度为 N x N 的矩阵 A,每个矩阵元素都是一个大小为 M 的向量。我想对 A 矩阵求逆。 换句话说,我想计算 A^-1,它是由大小为 M 的 NxN 个向量组成的倒 A 矩阵。
这是实现我想做的代码,我只是计算 M 次逆矩阵来计算 C = A^-1 x B 然后我检查 A x C = B。但每次我迭代对A、B元素的M个元素做矩阵求逆。 我很确定我的代码可以满足我的需要,但不是以一种聪明的方式...
a = np.array([[[3, 4, 8], [1,8,3]],
[[2, 1, 2], [6, 5, 0]]])
b = np.array([[2, 0, 6],
[5, 2, 5]])
c = []
# compute c = a^-1 x b
for i in range(a.shape[-1]):
c.append(np.linalg.inv(a[:,:,i])@b[:,i])
c = np.asarray(c)
# check inversion compute a x c and checks a x c = b
for i in range(a.shape[-1]):
if not np.allclose(a[:,:,i]@c[i,:], b[:,i]):
raise Exception('Inversion ko')
break
print('inversion ok')
我需要矩阵运算和元素运算的混合。 但我不喜欢我的实现。 我是一个非常简单的实现,存在的代码更少。 让我知道你的建议。
在将最后一个轴推到前面后,我们可以在 3D 阵列a
上使用np.linalg.inv
。 然后,我们可以将einsum
用于最终的 output 以采用矢量化方式 -
p = np.linalg.inv(a.transpose(2,0,1))
c = np.einsum('ijk,kli->ij',p,b)[...,None]
获得最终 output c
的更简单的替代方法是使用np.matmul/@-operator
-
c = p@b.transpose(2,0,1)
因此,整个过程可以转换为单行 -
c = np.linalg.inv(a.transpose(2,0,1))@b.transpose(2,0,1)
如果您沿第一个维度而不是最后一个维度堆叠矩阵,则可以在一个np.linalg.pinv()
调用中将它们全部反转。 然后使用np.einsum()
在一个 go 中做所有点积:
a = a.transpose(2, 0, 1)
b = b.transpose()
np.einsum('fmn,fm->fn', np.linalg.inv(a), b)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.