Numpy解决没有循环的3d线性方程-Java 学习之路

我想解决线性方程Ax = b，每个A包含在3d矩阵中 . 例如，

在Ax = B中，假设A.shape是（2,3,3）

ie = [[[1,2,3]，[1,2,3]，[1,2,3]] [[1,2,3]，[1,2,3]，[1,2， 3]]]

和B.shape是（3,1），即[1,2,3] ^ T.

我想知道Ax = B的每个3向量 x ，即（x_1，x_2，x_3） .

我想到的是将B与np.ones（2,3）相乘，并使用函数dot和每个A元素的倒数 . 但它需要循环才能做到这一点 . （当矩阵大小上升时，这会花费大量时间）（例如A [：] [：] = [1,2,3]）如何在没有Ax = B方程的情况下解决环？

我使A和B的元素相同，但你可能知道，这只是一个例子 .

1 回答

对于可逆矩阵，我们可以在 3D 数组 A 上使用np.linalg.inv然后使用张量矩阵乘法与 B ，这样我们分别丢失这两个数组的最后一个和第一个轴，如下所示 -

np.tensordot( np.linalg.inv(A), B, axes=((-1),(0)))

样品运行 -

In [150]: A
Out[150]: 
array([[[ 0.70454189,  0.17544101,  0.24642533],
        [ 0.66660371,  0.54608536,  0.37250876],
        [ 0.18187631,  0.91397945,  0.55685133]],

       [[ 0.81022308,  0.07672197,  0.7427768 ],
        [ 0.08990586,  0.93887203,  0.01665071],
        [ 0.55230314,  0.54835133,  0.30756205]]])

In [151]: B = np.array([[1],[2],[3]])

In [152]: np.linalg.solve(A[0], B)
Out[152]: 
array([[ 0.23594665],
       [ 2.07332454],
       [ 1.90735086]])

In [153]: np.linalg.solve(A[1], B)
Out[153]: 
array([[ 8.43831557],
       [ 1.46421396],
       [-8.00947932]])

In [154]: np.tensordot( np.linalg.inv(A), B, axes=((-1),(0)))
Out[154]: 
array([[[ 0.23594665],
        [ 2.07332454],
        [ 1.90735086]],

       [[ 8.43831557],
        [ 1.46421396],
        [-8.00947932]]])

或者，张量矩阵乘法可以被np.matmul替换，就像这样 -

np.matmul(np.linalg.inv(A), B)

在Python 3.x上，我们可以使用@ operator来实现相同的功能 -

np.linalg.inv(A) @ B

回复于 2024-04-29T11:53:12+08:00

Numpy解决没有循环的3d线性方程

1 回答

相关问题