Python中的矩阵求幂

我试图在Python中取代复杂的矩阵,并且遇到了一些麻烦。 我使用scipy.linalg.expm函数,当我尝试下面的代码时,出现了一个相当奇怪的错误消息:

import numpy as np
from scipy import linalg

hamiltonian = np.mat('[1,0,0,0;0,-1,0,0;0,0,-1,0;0,0,0,1]')

# This works
t_list = np.linspace(0,1,10)
unitary = [linalg.expm(-(1j)*t*hamiltonian) for t in t_list]

# This doesn't
t_list = np.linspace(0,10,100)
unitary = [linalg.expm(-(1j)*t*hamiltonian) for t in t_list]

第二个实验运行时的错误是:

This works!
Traceback (most recent call last):
  File "matrix_exp.py", line 11, in <module>
    unitary_t = [linalg.expm(-1*t*(1j)*hamiltonian) for t in t_list]
  File "/usr/lib/python2.7/dist-packages/scipy/linalg/matfuncs.py",     line 105, in expm
    return scipy.sparse.linalg.expm(A)
  File "/usr/lib/python2.7/dist- packages/scipy/sparse/linalg/matfuncs.py", line 344, in expm
    X = _fragment_2_1(X, A, s)
  File "/usr/lib/python2.7/dist-  packages/scipy/sparse/linalg/matfuncs.py", line 462, in _fragment_2_1
    X[k, k] = exp_diag[k]
TypeError: only length-1 arrays can be converted to Python scalars

这似乎是很奇怪的,因为所有我改变是的范围t我所用。 这是因为哈密顿量是对角的吗? 一般来说,汉密尔顿主义者不会,但我也希望它能用于对角线。 我真的不知道expm ,所以任何帮助将不胜感激。


这太有趣了。 我可以说的一件事是,问题是特定于np.matrix子类。 例如,以下工作正常:

h = np.array(hamiltonian)
unitary = [linalg.expm(-(1j)*t*h) for t in t_list]

深入挖掘回溯, _fragment_2_1中的scipy.sparse.linalg.matfuncs.py引发了异常,具体如下:

n = X.shape[0]
diag_T = T.diagonal().copy()

# Replace diag(X) by exp(2^-s diag(T)).
scale = 2 ** -s
exp_diag = np.exp(scale * diag_T)
for k in range(n):
    X[k, k] = exp_diag[k]

错误消息

    X[k, k] = exp_diag[k]
TypeError: only length-1 arrays can be converted to Python scalars

向我暗示, exp_diag[k]应该是一个标量,而是返回一个向量(并且你不能将向量赋给X[k, k] ,这是一个标量)。

设置断点并检查这些变量的形状证实了这一点:

ipdb> l
    751     # Replace diag(X) by exp(2^-s diag(T)).
    752     scale = 2 ** -s
    753     exp_diag = np.exp(scale * diag_T)
    754     for k in range(n):
    755         import ipdb; ipdb.set_trace()  # breakpoint e86ebbd4 //
--> 756         X[k, k] = exp_diag[k]
    757 
    758     for i in range(s-1, -1, -1):
    759         X = X.dot(X)
    760 
    761         # Replace diag(X) by exp(2^-i diag(T)).

ipdb> exp_diag.shape
(1, 4)
ipdb> exp_diag[k].shape
(1, 4)
ipdb> X[k, k].shape
()

根本问题是假设exp_diag是1D或列向量,但np.matrix对象的对角线是行向量。 这凸显了一个更普遍的观点,即np.matrix通常不如np.ndarray支持np.ndarray ,所以在大多数情况下最好使用后者。

一种可能的解决方案是使用np.ravel()diag_T成一维np.ndarray

diag_T = np.ravel(T.diagonal().copy())

这似乎解决了你遇到的问题,尽管可能还有其他与np.matrix有关的问题,我还没有发现。


我在这里打开了拉取请求。

链接地址: http://www.djcxy.com/p/32173.html

上一篇: Matrix exponentiation in Python

下一篇: Where has json.org java library gone?