Python中预定义符号变量数组的求值方法及MATLAB代码转换

一、修正后的Python完整代码 #

你原有代码的核心问题在于符号求值逻辑错误、矩阵乘法规则不匹配、变量名冲突三个点，修正后可直接运行的代码如下：

from sympy import symbols, lambdify
import numpy as np

# 数值输入：避免使用Python内置关键字input作为变量名
input_val = np.array([[10, 20, 30],
                      [15, 25, 20],
                      [20, 20, 10]])

# 直接生成3x3符号数组，命名规则和MATLAB完全对齐
symbolic_eq = np.array([[symbols(f'x_{i+1}_{j+1}') for j in range(3)] for i in range(3)])

# 系数矩阵
m = np.array([[-1,  0,  0 ],
              [ 0, -1,  0 ],
              [ 0,  1, -1 ]])

# 矩阵乘法：@运算符对应MATLAB的*矩阵运算，不要用*（逐元素相乘）
multp_eq = m @ symbolic_eq

# 方法1：小数据量直接用subs批量替换求值
replace_dict = {symbolic_eq[i,j]: input_val[i,j] for i in range(3) for j in range(3)}
results = np.array([[expr.subs(replace_dict) for expr in row] for row in multp_eq], dtype=float)

# 方法2：大数据量用lambdify转数值函数，性能提升明显
# calc_func = lambdify(symbolic_eq.flatten(), multp_eq.flatten(), 'numpy')
# results = calc_func(*input_val.flatten(order='F')).reshape(3,3)

关键修改说明：

• 变量名修正：避免使用Python内置函数名input作为变量，防止命名冲突
• 符号数组定义：直接生成3x3符号数组，无需先生成4x4数组再裁剪
• 运算规则对齐：用@实现矩阵乘法，和MATLAB的*运算逻辑完全一致
• 求值逻辑替换：Python内置eval不支持SymPy表达式直接求值，改用SymPy原生的subs/lambdify方案，更安全也符合符号计算规范

二、input变量便捷定义方法 #

MATLAB端 #

MATLAB默认列优先索引，你需要的x_i_j对应input矩阵的列向展开值，可通过reshape一行定义，无需手动分行写：

% 按列优先顺序输入数值，直接reshape为3x3矩阵
input = reshape([10,15,20,20,25,20,30,20,10],3,3);

如果需要批量生成x_1_1这类变量，无需逐个赋值，用循环+assignin实现：

for i = 1:3
    for j = 1:3
        assignin('base', sprintf('x_%d_%d',i,j), input(i,j))
    end
end

Python端 #

Numpy默认行优先索引，要和MATLAB索引逻辑对齐，reshape时指定order='F'即可：

# 列优先reshape，和MATLAB索引逻辑完全一致
input_val = np.array([10,15,20,20,25,20,30,20,10]).reshape((3,3), order='F')

无需单独定义一堆x_*变量，直接用字典存储变量映射关系，给符号计算传参更方便：

var_dict = {f'x_{i+1}_{j+1}': input_val[i,j] for i in range(3) for j in range(3)}

内容的提问来源于stack exchange，提问作者max