Python SciPy linalg.rq用法及代码示例

本文简要介绍 python 语言中 scipy.linalg.rq 的用法。

用法:

scipy.linalg.rq(a, overwrite_a=False, lwork=None, mode='full', check_finite=True)#

计算矩阵的 RQ 分解。

计算分解A = R Q，其中 Q 是酉/正交和 R 上三角。

参数 ：：

a： (M, N) 数组

待分解矩阵

overwrite_a： 布尔型，可选

a 中的数据是否被覆盖(可能会提高性能)

lwork： 整数，可选

工作数组大小，lwork >= a.shape[1]。如果 None 或 -1，则计算最佳大小。

mode： {‘full’, ‘r’, ‘economic’}，可选

确定要返回的信息：Q 和 R(‘full’，默认)、仅 R(‘r’)或 Q 和 R，但在 economy-size 中计算(‘economic’，请参阅注释)。

check_finite： 布尔型，可选

是否检查输入矩阵是否仅包含有限数。禁用可能会提高性能，但如果输入确实包含无穷大或 NaN，则可能会导致问题(崩溃、非终止)。

返回 ：：

R： 浮点数或复数 ndarray

mode='economic' 的形状为 (M, N) 或 (M, K)。 K = min(M, N) 。

Q： 浮点数或复数 ndarray

mode='economic' 的形状为 (N, N) 或 (K, N)。如果 mode='r' 则不返回。

抛出 ：：

LinAlgError

如果分解失败。

注意：

这是 LAPACK 例程 sgerqf、dgerqf、cgerqf、zgerqf、sorgrq、dorgrq、cungrq 和 zungrq 的接口。

如果 mode=economic ，则 Q 和 R 的形状是 (K, N) 和 (M, K) 而不是 (N,N) 和 (M,N)，与 K=min(M,N) 。

例子：

>>> import numpy as np
>>> from scipy import linalg
>>> rng = np.random.default_rng()
>>> a = rng.standard_normal((6, 9))
>>> r, q = linalg.rq(a)
>>> np.allclose(a, r @ q)
True
>>> r.shape, q.shape
((6, 9), (9, 9))
>>> r2 = linalg.rq(a, mode='r')
>>> np.allclose(r, r2)
True
>>> r3, q3 = linalg.rq(a, mode='economic')
>>> r3.shape, q3.shape
((6, 6), (6, 9))