Question

我有一个N x 2 x 2 numpy矩阵A。对于{0 ...，N-1}中的所有i，我想计算：

solve（Ai，b）

其中B是2 x 2且Ai = A [i，：，：]。我尝试使用np.linalg.solve在numpy中执行此操作，使用以下代码中我认为是正确的广播操作（下面的A和b只是用于演示目的，实际矩阵A大得多）：

import numpy as np
A = np.array([[[1,2],[3,4]],[[2,3],[5,6]],[[3,4],[5,6]]])
b = np.eye(2)
np.linalg.solve(A, b)

但是出现以下错误：

ValueError: operands could not be broadcast together with remapped shapes [original->remapped]: (3,2,2)->(3,newaxis) (2,2)->(2,newaxis) and requested shape (2)

我有点困惑...以前我使用过numpy广播，过去从未进行过这种操作的问题...有人知道我在这里做错了吗？

Answer 1

您试图求解N个不同的方程组，实际上您正在传递N×2×2矩阵A，但仅传递2×2矩阵b。这就是说不能一起广播的操作数时的错误。

如果您要求解从{0}到N-1的所有i的Ai x = b，其中Ai是2×2，那么还需要b的形状为N×2×K（N×2 ×2）。

假设您一直想要b = eye(2)，类似的事情将起作用：

>>> A = np.array([[[1,2],[3,4]],[[2,3],[5,6]],[[3,4],[5,6]]])
>>> b = np.array([np.eye(2),np.eye(2),np.eye(2)])
>>> np.linalg.solve(A, b)

这是输出：

array([[[-2.        ,  1.        ],
        [ 1.5       , -0.5       ]],

       [[-2.        ,  1.        ],
        [ 1.66666667, -0.66666667]],

       [[-3.        ,  2.        ],
        [ 2.5       , -1.5       ]]])

Numpy Linalg解决广播问题

1 个答案: