Question

我有一组很多矩阵，每个矩阵对应一个向量。我想巧妙地将每个矩阵乘以它的向量。我知道我可以将所有矩阵推成大块对角线形式，然后将它乘以一个大的组合向量。

我想知道是否有办法使用numpy.dot以有效的方式将所有这些方法相乘。

我尝试使用numpy.stack和numpy.dot，但我不能只获得想要的矢量。

更具体一点。我的矩阵看起来像：

R_stack = np.stack((R, R2, R3))

是

array([[[-0.60653066,  1.64872127],
    [ 0.60653066, -1.64872127]],

   [[-0.36787944,  2.71828183],
    [ 0.36787944, -2.71828183]],

   [[-0.22313016,  4.48168907],
    [ 0.22313016, -4.48168907]]])

我的矢量看起来像：

p_stack = np.stack((p0, p0_2, p0_3))

是

array([[[0.73105858],
    [0.26894142]],

   [[0.88079708],
    [0.11920292]],

   [[0.95257413],
    [0.04742587]]])

我想要乘以以下内容：R*p0, R2*p0_2, R3*p0_3。

当我执行dot：

时

np.dot(R_stack, p_stack)[:,:,:,0]

我得到了

array([[[ 0.        , -0.33769804, -0.49957337],
    [ 0.        ,  0.33769804,  0.49957337]],

   [[ 0.46211716,  0.        , -0.22151555],
    [-0.46211716,  0.        ,  0.22151555]],

   [[ 1.04219061,  0.33769804,  0.        ],
    [-1.04219061, -0.33769804,  0.        ]]])

我感兴趣的3个向量是对角线上的3个[0,0]向量。我怎么能得到它们？

Answer 1

你快到了。您需要在第一维和第三维上添加对角线索引，如下所示：

np.dot(R_stack, p_stack)[np.arange(3),:,np.arange(3),0]

结果中的每一行都对应一个您想要的向量：

array([[-3.48805945e-09,  3.48805945e-09],
       [-5.02509157e-09,  5.02509157e-09],
       [-1.48245199e-08,  1.48245199e-08]])

Answer 2

我找到的另一种方法是使用numpy.diagonal

np.diagonal(np.dot(R_stack, p_stack)[:,:,:,0], axis1=0, axis2=2)

在每列中给出一个向量：

array([[0., 0., 0.],
   [0., 0., 0.]])

python - numpy - 许多矩阵乘以许多向量

2 个答案: