You need to enable JavaScript to run this app. 如何用Python的SymPy库实现矩阵多项式p(M)的计算功能
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.11 18:48:00