Python SciPy linalg.rq用法及代碼示例

本文簡要介紹 python 語言中 scipy.linalg.rq 的用法。

用法:

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

計算矩陣的 RQ 分解。

計算分解A = R Q，其中 Q 是酉/正交和 R 上三角。

參數 ：：

a： (M, N) 數組

待分解矩陣

overwrite_a： 布爾型，可選

a 中的數據是否被覆蓋(可能會提高性能)

lwork： 整數，可選

工作數組大小，lwork >= a.shape[1]。如果 None 或 -1，則計算最佳大小。

mode： {‘full’, ‘r’, ‘economic’}，可選

確定要返回的信息：Q 和 R(‘full’，默認)、僅 R(‘r’)或 Q 和 R，但在 economy-size 中計算(‘economic’，請參閱注釋)。

check_finite： 布爾型，可選

是否檢查輸入矩陣是否僅包含有限數。禁用可能會提高性能，但如果輸入確實包含無窮大或 NaN，則可能會導致問題(崩潰、非終止)。

返回 ：：

R： 浮點數或複數 ndarray

mode='economic' 的形狀為 (M, N) 或 (M, K)。 K = min(M, N) 。

Q： 浮點數或複數 ndarray

mode='economic' 的形狀為 (N, N) 或 (K, N)。如果 mode='r' 則不返回。

拋出 ：：

LinAlgError

如果分解失敗。

注意：

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

如果 mode=economic ，則 Q 和 R 的形狀是 (K, N) 和 (M, K) 而不是 (N,N) 和 (M,N)，與 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))