这里有详细的问题,我认为它更清楚,
假设我有一个大小为 4 x 4 的矩阵 h 和一个大小为 4 x 1< 的 ,如果我们有 x 向量y 是 h 和 x 相乘的输出,这意味着 y = h * x; 大小为 1 x 4。因此,当我再次将 h 中每一列的倒数乘以向量 y 时,我应该能够得到一个向量等价于向量 x 的向量表示 $x = h^{-1} * y $。但不幸的是,我无法在 python 中得到它。
例如,让我们首先在 MATLAB 中执行此操作:
clear all
clc
h = (randn(4,4) + 1j*randn(4,4)); %any matrix of 4 x 4
x = [1 + 1j ; 0; 0 ; 0]; % a vector of 4 x 1
y = h * x ; % y is the output of multiplication
x2 = [];
for ii = 1 : 4
x1 = pinv(h(:,ii))*y; %multiply every column of h^(-1) with y
x2 = [x2 x1]; % the output
end
在那种情况下,输出 x2 是预期的,向量 1 x 4 如下:
x2 =
1.0000 + 1.0000i 0.7249 + 0.5054i -0.0202 + 0.0104i 0.2429 + 0.0482i
在 MATLAB 中,没关系。
现在让我们用 python 来做:
import numpy as np
h = np.random.randn(4,4) + 1j*np.random.randn(4,4)
x = [[1+1j],[0+0j],[0+0j],[0+0j]]
y = h.dot(x)
x2 = []
for ii in range(4):
x1 = np.divide(y, h[:,ii])
x2.append(x1)
print(x2)
尽管 x2 应该是维度为 1 x 4 的向量,类似于上述 MATLAB 代码的输出,但在那种情况下,我得到 x2 大小为 4 x 4 的矩阵!!
请帮忙。
请您参考如下方法:
这里有两个问题:
-
np.divide()用于按元素划分,您可能正在寻找np.linalg.pinv()相反。 - MATLAB 是 col major(FORTRAN 风格),而 NumPy 是 row major(C 风格)所以得到一个
list作为 NumPy 数组会让你得到一个(n, ),n是列表的长度,而不是像 MATLAB 那样大小为(1, n)的对象。
与您的 MATLAB 代码等效的 Python 代码(某种程度上,我将进行预分配)是:
import numpy as np
h = np.random.randn(4, 4) + 1j * np.random.randn(4, 4)
x = np.array([[1 + 1j], [0 + 0j], [0 + 0j], [0 + 0j]])
# y = h.dot(x) <-- now NumPy supports also `@` in place of `np.dot()`
y = h @ x
x2 = np.zeros((1, 4), dtype=np.complex)
for i in range(4):
x2[0, i] = np.linalg.pinv(h[:, i:i + 1]) @ y
如您所见,输出的形状会立即强制执行。
