我有两个同情矩阵,U
和B
:
>> U
<< Matrix([
[1.0, 0, 0, 0],
[ 0, 1.0, 0, 0],
[ 0, 0, 1.0, 0],
[ 0, 0, 0, 1.0]])
>> B
<< Matrix([
[sqrt(2)/2, 0.5*sqrt(2)*I, 0, 0],
[ 0, 0, 0.5*sqrt(2)*I, sqrt(2)/2],
[ 0, 0, 0.5*sqrt(2)*I, -sqrt(2)/2],
[sqrt(2)/2, -0.5*sqrt(2)*I, 0, 0]])
将点积应用于它们会产生一个列表,而不是4x4矩阵:
>> U.dot(B)
<< [0.5*sqrt(2),
0,
0,
0.5*sqrt(2),
0.5*sqrt(2)*I,
0,
0,
-0.5*sqrt(2)*I,
0,
0.5*sqrt(2)*I,
0.5*sqrt(2)*I,
0,
0,
0.5*sqrt(2),
-0.5*sqrt(2),
0]
相比之下,numpy看起来像做正确的事:
>> numpy.dot(sympy.matrix2numpy(U),sympy.matrix2numpy(B))
<< array([[0.5*sqrt(2), 0.5*sqrt(2)*I, 0, 0],
[0, 0, 0.5*sqrt(2)*I, 0.5*sqrt(2)],
[0, 0, 0.5*sqrt(2)*I, -0.5*sqrt(2)],
[0.5*sqrt(2), -0.5*sqrt(2)*I, 0, 0]], dtype=object)
我究竟做错了什么?这是预期的行为吗?
与NumPy不同,在SymPy中,dot
表示向量的点积。它的设计使你可以得到两个行或列向量的点积,而不必担心使用.T
,但也许这里的形状松弛有点多,因为它实际上采用了list(U)
和list(B)
的点积。
这可能太松懈了。我为此打开了一个SymPy issue。在这种情况下,SymPy提出异常更为正确。
正如@Wrzlprmft正确指出的那样,SymPy使用*
来乘以矩阵(如果使用的是Python 3.5或更高版本,则使用@
)。
SymPy使用*
操作来进行矩阵的乘法运算,即你想要使用:
U*B
# Matrix([
# [0.5*sqrt(2), 0.5*sqrt(2)*I, 0, 0],
# [ 0, 0, 0.5*sqrt(2)*I, 0.5*sqrt(2)],
# [ 0, 0, 0.5*sqrt(2)*I, -0.5*sqrt(2)],
# [0.5*sqrt(2), -0.5*sqrt(2)*I, 0, 0]])
如您所见,元素与列表相同,但具有所需的结构。