如何用Python的SymPy库实现矩阵多项式p(M)的计算功能
SymPy 矩阵多项式求值实现方案
SymPy 本身原生支持矩阵多项式的求值运算,不需要手动实现底层矩阵幂和加法逻辑,具体实现方式如下:
基础实现(直接替换法)
直接对多项式的符号变量做矩阵替换即可,SymPy 会自动按矩阵运算规则完成计算:
import sympy as sp def matrix_poly_eval(p, M): # 校验多项式为单变量 vars_in_p = sp.free_symbols(p) if len(vars_in_p) != 1: raise ValueError("输入多项式必须为单变量多项式") # 校验输入为方阵 if not M.is_square: raise ValueError("输入矩阵必须为方阵") x = next(iter(vars_in_p)) # 替换变量为矩阵并展开计算 return sp.expand(p.subs(x, M))
示例测试
# 定义符号变量、多项式、测试矩阵 x = sp.symbols('x') p = x**2 + 2*x + 1 # 等效于 (x+1)^2 M = sp.Matrix([[1, 2], [3, 4]]) # 调用函数计算 res = matrix_poly_eval(p, M) print(res) # 输出结果:Matrix([[10, 14], [21, 31]])
高性能实现(霍纳法则优化)
如果多项式次数较高,推荐使用 SymPy 内置的 MatrixPolynomial 类,它默认使用霍纳法则减少矩阵乘法次数,计算效率更高:
def matrix_poly_eval_high_perf(p, M): vars_in_p = sp.free_symbols(p) if len(vars_in_p) != 1: raise ValueError("输入多项式必须为单变量多项式") if not M.is_square: raise ValueError("输入矩阵必须为方阵") x = next(iter(vars_in_p)) # 转为Poly对象后构造矩阵多项式 poly_obj = sp.Poly(p, x) matrix_poly = sp.MatrixPolynomial(poly_obj, M) return matrix_poly.eval()
两种实现都和「元素为多项式的矩阵」完全无关,最终输出的是多项式代入矩阵运算后得到的常量矩阵,完全符合需求。
内容的提问来源于stack exchange,提问作者Karthik C
相关产品推荐
相关产品推荐

