Sympy普通符号表达式中替换逐元素乘法为矩阵乘法的方案咨询

安全阿岳

2026-9-26

你提出的先用普通符号完成表达式计算操作，最后替换乘法运算符为numpy.matmul的方案完全可行，同时也有更轻量的实现方案，具体如下：

方案1：直接修改lambdify的运算映射（推荐，无侵入）

不用修改任何表达式构建逻辑，只需要在生成函数时通过modules参数覆盖SymPy默认的乘法映射规则即可：

import numpy as np
import sympy

# 原有表达式构建逻辑完全不变
a = sympy.symbols("a")
ad = sympy.symbols("ad")
x = sympy.symbols("x")
c = sympy.symbols("c")
f = (ad*a)*c + x

# 生成函数时指定乘法映射为矩阵乘法
func = sympy.lambdify(
    (a, ad, x, c), 
    f, 
    modules=[{'Mul': np.matmul}, 'numpy']
)

调用func(M_A, M_B, 0, 1)时，原本的逐元素乘法会自动替换为矩阵乘法，你之前用普通符号实现的trans_mat.dot(x_vars)这类操作完全不受影响。

方案2：主动替换表达式中的乘法节点

如果你需要区分部分逐元素乘法和矩阵乘法，可以先遍历表达式树替换指定乘法节点，再生成函数：

from sympy import Function, Mul

# 自定义矩阵乘法符号
mat_mul = Function('mat_mul')

# 替换所有乘法节点为自定义矩阵乘法（可自定义匹配规则只替换需要的部分）
f_mat = f.replace(
    lambda expr: isinstance(expr, Mul), # 匹配所有乘法节点，可修改规则过滤
    lambda expr: mat_mul(*expr.args)
)

# 生成函数时绑定自定义符号的实现
func = sympy.lambdify(
    (a, ad, x, c), 
    f_mat, 
    modules=[{'mat_mul': np.matmul}, 'numpy']
)

注意：该方案灵活性更高，你可以修改匹配规则，只替换包含矩阵变量的乘法节点，避免标量运算受到影响。