scipy.linalg.
cholesky#
- scipy.linalg.cholesky(a, lower=False, overwrite_a=False, check_finite=True)[source]#
计算矩阵的 Cholesky 分解。
返回 Hermitian 正定矩阵 A 的 Cholesky 分解,\(A = L L^*\) 或 \(A = U^* U\)。
此文档假定数组参数具有指定的“核心”形状。但是,此函数的数组参数可能在核心形状前附加额外的“批处理”维度。在这种情况下,该数组被视为低维切片的批处理;有关详细信息,请参阅批处理线性运算。
- 参数:
- a(M, M) 数组类型
要分解的矩阵
- lower布尔值, 可选
是否计算上三角或下三角 Cholesky 分解。分解过程中,只引用矩阵选定的一半。默认值为上三角。
- overwrite_a布尔值, 可选
是否覆盖 a 中的数据(可能会提高性能)。
- check_finite布尔值, 可选
是否检查整个输入矩阵只包含有限数。禁用此选项可能会提高性能,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
a 的上三角或下三角 Cholesky 因子。
- 抛出:
- LinAlgError如果分解失败。
备注
在有限性检查(如果选中)期间,会检查整个矩阵 a。在分解过程中,假定 a 是对称或 Hermitian(视情况而定),并且只引用由选项 lower 选择的一半。因此,如果 a 是非对称/非 Hermitian 的,但由选定的一半表示的对称/Hermitian 矩阵是正定的,则
cholesky
仍可能成功;但如果另一半中的某个元素是非有限的,则可能会失败。示例
>>> import numpy as np >>> from scipy.linalg import cholesky >>> a = np.array([[1,-2j],[2j,5]]) >>> L = cholesky(a, lower=True) >>> L array([[ 1.+0.j, 0.+0.j], [ 0.+2.j, 1.+0.j]]) >>> L @ L.T.conj() array([[ 1.+0.j, 0.-2.j], [ 0.+2.j, 5.+0.j]])