Python 矩阵逆的辛密矩阵显示
我正在使用一个基本的回归例子,希望它能成为分解更复杂估计量的有效工具。然而,我不知道如何为流程中的每个步骤显示密集矩阵。特别是,我在尝试表示最小二乘估计值时遇到了麻烦: 以下是仅5次观察的设置Python 矩阵逆的辛密矩阵显示,python,sympy,matrix-inverse,Python,Sympy,Matrix Inverse,我正在使用一个基本的回归例子,希望它能成为分解更复杂估计量的有效工具。然而,我不知道如何为流程中的每个步骤显示密集矩阵。特别是,我在尝试表示最小二乘估计值时遇到了麻烦: 以下是仅5次观察的设置 from sympy import * y=MatrixSymbol('y',5,1) x=MatrixSymbol('x',5,2) b=MatrixSymbol('b',2,1) 我可以表示基本组件: (x.T*x).as_explicit() 我甚至可以象征性地表示第一分量的倒数 (x.T*x
from sympy import *
y=MatrixSymbol('y',5,1)
x=MatrixSymbol('x',5,2)
b=MatrixSymbol('b',2,1)
我可以表示基本组件:
(x.T*x).as_explicit()
我甚至可以象征性地表示第一分量的倒数
(x.T*x).I
然而,当我试图展开第一个分量的倒数时,我被一个索引器击中
(x.T*x).I.as_explicit()
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
<ipython-input-182-93739c34be6e> in <module>()
----> 1 (x.T*x).I.as_explicit()
/home/choct155/analysis/Anaconda/lib/python2.7/site-packages/sympy/matrices/expressions/matexpr.pyc in as_explicit(self)
230 return ImmutableMatrix([[ self[i, j]
231 for j in range(self.cols)]
--> 232 for i in range(self.rows)])
233
234 def as_mutable(self):
/home/choct155/analysis/Anaconda/lib/python2.7/site-packages/sympy/matrices/expressions/matexpr.pyc in __getitem__(self, key)
198 i, j = sympify(i), sympify(j)
199 if self.valid_index(i, j) is not False:
--> 200 return self._entry(i, j)
201 else:
202 raise IndexError("Invalid indices (%s, %s)" % (i, j))
/home/choct155/analysis/Anaconda/lib/python2.7/site-packages/sympy/matrices/expressions/matpow.pyc in _entry(self, i, j)
27 if self.exp.is_Integer:
28 # Make an explicity MatMul out of the MatPow
---> 29 return MatMul(*[self.base for k in range(self.exp)])._entry(i, j)
30
31 from matmul import MatMul
/home/choct155/analysis/Anaconda/lib/python2.7/site-packages/sympy/matrices/expressions/matmul.pyc in _entry(self, i, j, expand)
45 return coeff * matrices[0][i, j]
46
---> 47 head, tail = matrices[0], matrices[1:]
48 assert len(tail) != 0
49
IndexError: list index out of range
相反的情况存在,所以我只是要求Sympy做一些它做不到的事情?这里的目标是通过IPython笔记本中的矩阵表示和数据处理,明确地逐步完成估算过程的每个组成部分。我一直无法找到解决方案,因此在此方面的任何帮助都将不胜感激。我怀疑显式方法是否支持矩阵求逆中的变量表达式。由于执行反向操作需要更多的空间,因此可能会导致数组索引超出范围。但是,如果指定了矩阵,则它可以工作:
I = Identity(3)
I.as_explicit()
1 0 0
0 1 0
0 0 1
I.I.as_explicit()
1 0 0
0 1 0
0 0 1
这是一个错误。我打开了它。解决方法是x.T*x.as_explicit.I,但这似乎引发了它自己的异常。所以,在其中一个问题解决之前,很遗憾,我没有一个好的解决方案,除了使用.det和2x2矩阵的常用公式手动计算逆矩阵 谢谢你的评论,但我不清楚第二次调用在概念上与我抛出索引器的调用有何不同。您介意详细说明一下吗?如果您想尝试解决其中一个bug,我们欢迎您提出拉取请求。
I = Identity(3)
I.as_explicit()
1 0 0
0 1 0
0 0 1
I.I.as_explicit()
1 0 0
0 1 0
0 0 1