Ctrl+K
scipy.linalg.

cho_factor#

scipy.linalg.cho_factor(a, lower=False, overwrite_a=False, check_finite=True)[源代码]#

计算矩阵的 Cholesky 分解，用于 cho_solve 中

返回一个包含 Cholesky 分解的矩阵，A = L L* 或 A = U* U，其中 a 是 Hermitian 正定矩阵。返回值可以直接用作 cho_solve 的第一个参数。

警告

返回的矩阵在 Cholesky 分解未使用的条目中也包含随机数据。如果需要将这些条目归零，请使用函数 cholesky 代替。

参数:
a(M, M) 类似数组

要分解的矩阵

lowerbool, 可选

是否计算上三角或下三角 Cholesky 分解。在分解过程中，仅引用矩阵的选定一半。（默认：上三角）

overwrite_abool, 可选

是否覆盖 a 中的数据（可能会提高性能）

check_finitebool, 可选

是否检查整个输入矩阵是否仅包含有限数字。禁用可能会提高性能，但如果输入包含无穷大或 NaN，可能会导致问题（崩溃、无法终止）。

返回:
c(M, M) ndarray

矩阵的上三角或下三角包含 a 的 Cholesky 因子。矩阵的其他部分包含随机数据。

lowerbool

标志，指示因子是在下三角还是上三角中

引发:
LinAlgError

如果分解失败则引发。

另请参阅

cho_solve

使用矩阵的 Cholesky 分解求解线性方程组。

注释

在有限性检查期间（如果已选择），将检查整个矩阵 a。在分解期间，假定 a 是对称的或 Hermitian 的（如果适用），并且仅引用选项 lower 选择的一半。因此，如果 a 是不对称/非 Hermitian 的，如果选定一半表示的对称/Hermitian 矩阵是正定的，则 cholesky 仍然可能成功，但如果另一半中的元素是非有限的，则它可能会失败。

示例

>>> import numpy as np
>>> from scipy.linalg import cho_factor
>>> A = np.array([[9, 3, 1, 5], [3, 7, 5, 1], [1, 5, 9, 2], [5, 1, 2, 6]])
>>> c, low = cho_factor(A)
>>> c
array([[3.        , 1.        , 0.33333333, 1.66666667],
       [3.        , 2.44948974, 1.90515869, -0.27216553],
       [1.        , 5.        , 2.29330749, 0.8559528 ],
       [5.        , 1.        , 2.        , 1.55418563]])
>>> np.allclose(np.triu(c).T @ np. triu(c) - A, np.zeros((4, 4)))
True
在本页