矩阵与标量数组的 Numpy 乘法，无需 for 循环

Question

假设我有以下代码：

# define a 3x3 array
A = np.array([[-2, 1, 1], [1,-2,1], [1,1,-2]])
# define a 1D array of scalars to multiply A with
test = np.arange(10)

for i in range(len(test)):
    matrix = scipy.linalg.expm(A*test[i])

我想看看是否有一种方法可以在不使用 for 循环的情况下执行此乘法。我不想使用矩阵乘法将两个数组相乘。我将测试数组视为一组标量值，我想将它们与 A 逐一相乘。必须有某种偷偷摸摸的麻木的方法来做到这一点。有任何想法吗？

Answer 1

这是“如何在不使用 for 循环的情况下通过多个标量缩放矩阵”问题的答案。这忽略了矩阵求幂，因为我认为没有 for 循环就没有办法做到这一点，但问题似乎并没有询问求幂步骤。

您可以使用 3D 数组来使用 numpy 的向量化乘法。

import numpy as np

A = np.array([[[-2, 1, 1], [1,-2,1], [1,1,-2]]])
test = np.arange(10).reshape(-1,1,1)

result = test*A