Python 用矩阵代换矩阵
我正在使用pythTB研究石墨烯的紧束缚模型。我想在计算中加入完整的元素。rashba跳跃项的哈密顿量有泡利自旋矩阵向量与站点跳跃向量交叉 最初,我创建了一个矩阵列表,并将其与向量进行了交叉,不幸的是,这并没有产生正确的结果(我认为在向量交叉积被取下之后,矩阵的交叉积被取下) 接下来,我声明了3个符号‘s_x’、‘s_y’和‘s_z’,并用它们代替泡利自旋矩阵向量中的矩阵。取叉积后,我得到了正确的结果。我遇到的问题是,我无法将矩阵替换为我添加的变量符号。有可能这样做吗?或者我需要手动获取交叉积吗 以下是我的一些代码:Python 用矩阵代换矩阵,python,numpy,matrix,sympy,numpy-ndarray,Python,Numpy,Matrix,Sympy,Numpy Ndarray,我正在使用pythTB研究石墨烯的紧束缚模型。我想在计算中加入完整的元素。rashba跳跃项的哈密顿量有泡利自旋矩阵向量与站点跳跃向量交叉 最初,我创建了一个矩阵列表,并将其与向量进行了交叉,不幸的是,这并没有产生正确的结果(我认为在向量交叉积被取下之后,矩阵的交叉积被取下) 接下来,我声明了3个符号‘s_x’、‘s_y’和‘s_z’,并用它们代替泡利自旋矩阵向量中的矩阵。取叉积后,我得到了正确的结果。我遇到的问题是,我无法将矩阵替换为我添加的变量符号。有可能这样做吗?或者我需要手动获取交叉积吗
from __future__ import print_function
from pythtb import * # import TB model class
from sympy import symbols
import numpy as np
import matplotlib.pyplot as plt
# create list of pauli spin matrices
sx = [[0., 1.],[1., 0.]]
sy = [[0., -1.j],[1.j, 0.]]
sz = [[1., 0.],[0., -1.]]
Id = [[1., 0.], [0., 1.]]
s_pauli = np.zeros((4, 2, 2), dtype=complex)
s_pauli = [Id, sx, sy, sz]
# create s_pauli without identity matrix
s_pau = np.zeros((3, 2, 2), dtype=complex)
s_pau = [ s_x, s_y, s_z]
ab00 = [ 0.5, 0.28867513, 0.]
sig_x_ab00 = np.cross( s_pau, ab00)
如果我打印sig_x_ab00[2]
(这是我目前唯一感兴趣的),那么我会得到:
0.288675134594813*s_x - 0.5*s_y
在获得这些信息之后,我想通过执行以下命令,用s_pauli[1]
替换s_x
,用s_pauli[2]
替换s_y
:
sig_x_ab00_ = sig_x_ab00.subs(s_x, s_pauli[1])
我得到以下错误输出:
AttributeError: 'numpy.ndarray' object has no attribute 'subs'
我所做的一切都是正确的吗?还是有更好的办法
非常感谢您的任何意见!
谢谢 让我们运行您的代码,但看看每个步骤。不要做假设 我使用的是
isympy
交互式环境;带有增强功能的ipython
。我还导入了np
In [4]: ab00 = [ 0.5, 0.28867513, 0.]
In [5]: s_pauli
Out[5]:
[[[1.0, 0.0], [0.0, 1.0]],
[[0.0, 1.0], [1.0, 0.0]],
[[0.0, (-0-1j)], [1j, 0.0]],
[[1.0, 0.0], [0.0, -1.0]]]
这是一份清单。前面的np.zeros(…)
表达式不执行任何操作。在Python中,我们不设置变量的“类型”
我们可以从以下列表中创建一个数组:
In [6]: np.array(s_pauli)
s_pauli[1]
之所以有效,是因为它只是列表索引
以及添加的符号:
In [11]: s_x, s_y, s_z = symbols('s_x s_y s_z')
In [12]: s_x
Out[12]: sₓ
In [13]: s_pau = [ s_x, s_y, s_z]
同样,s_pau
是一个列表,而不是数组。在cross
中使用时,它将变成一个数组:
In [14]: np.array(s_pau)
Out[14]: array([s_x, s_y, s_z], dtype=object)
请注意,这是一个对象数据类型数组,它仍然非常类似于列表。一些基本的数学是有效的,因为像乘法和加法这样的数学是为符号定义的。但是像np.log
和np.sin
这样的超验函数不适用于这样的数组
cross
仅使用乘法和加法,因此它可用于以下对象数组:
In [15]: sig = np.cross( s_pau, ab00)
In [16]: sig
Out[16]: array([-0.28867513*s_z, 0.5*s_z, 0.28867513*s_x - 0.5*s_y], dtype=object)
sig
是一个numpy数组。它不是sympy表达式,也没有subs
方法。同样,密切关注正在发生的事情是值得的
数组的元素是symphy表达式:
In [17]: sig[2]
Out[17]: 0.28867513⋅sₓ - 0.5⋅s_y
In [20]: s2 = sig[2]
具有标量值的SUB起作用:
In [22]: s2.subs(s_x, 1)
Out[22]: 0.28867513 - 0.5⋅s_y
但没有一份清单
In [23]: s2.subs(s_x, s_pauli[1])
Out[23]: 0.28867513⋅sₓ - 0.5⋅s_y
但是,如果我从它生成Symphy矩阵:
In [24]: s_pauli[1]
Out[24]: [[0.0, 1.0], [1.0, 0.0]]
In [25]: Matrix(s_pauli[1])
Out[25]:
⎡0.0 1.0⎤
⎢ ⎥
⎣1.0 0.0⎦
In [26]: s2.subs(s_x, Out[25])
Out[26]:
⎡ 0 0.28867513⎤
-0.5⋅s_y + ⎢ ⎥
⎣0.28867513 0 ⎦
替代确实有效
通常,混合sympy
和numpy
是命中或未命中的;有些东西起作用了,几乎更多的是出于偶然,而不是出于设计。其他人则不然sympy.lambdify
是制作可与numpy阵列一起使用的函数的最可靠的方法
在这种情况下,我怀疑您最好使用sympy版本的
cross
,并执行sympy.Matrix
替换。numpy
不知道sympy
cross
之所以有效,是因为np.array(s_pau)
是一个对象数据类型arrray,简单的数学被委托给元素自己的数学方法。但是sig_x_ab00
是一个对象数组,而不是一个sympy表达式。混合numpy和sympy是一个命中或未命中的任务;有时有效,有时无效。最好坚持使用其中一种,而不是混合使用它们。在Python中,您不为变量定义类型。那些np.zero(…)
行对您没有任何帮助。看看supauli
和supau
;它们是什么?