matmul_toeplitz#
- scipy.linalg.matmul_toeplitz(c_or_cr, x, check_finite=False, workers=None)[source]#
使用 FFT 进行高效的 Toeplitz 矩阵-矩阵乘法
此函数返回 Toeplitz 矩阵与密集矩阵之间的矩阵乘法结果。
Toeplitz 矩阵具有常数对角线,其中 c 是其第一列,r 是其第一行。如果未给出 r,则假定
r == conjugate(c)
。警告
从 SciPy 1.17 开始,多维输入将被视为批次,而不是经过
ravel
处理。为了保留现有行为,请在将参数传递给matmul_toeplitz
之前对其进行ravel
处理。- 参数:
- c_or_cr类数组(array_like)或 (类数组, 类数组) 元组
向量
c
,或一个数组元组 (c
,r
)。如果未提供,则假定r == conjugate(c)
;在这种情况下,如果 c[0] 为实数,则 Toeplitz 矩阵是 Hermitian 矩阵。r[0] 被忽略;Toeplitz 矩阵的第一行是[c[0], r[1:]]
。- x(M,) 或 (M, K) 类数组(array_like)
用于乘法的矩阵。
- check_finite布尔值, 可选
是否检查输入矩阵仅包含有限数。禁用此选项可能会提高性能,但如果输入包含无穷大或 NaN,则可能会导致问题(结果全部为 NaN)。
- workers整型, 可选
传递给 scipy.fft.fft 和 ifft。用于并行计算的最大工作进程数。如果为负数,则该值将从
os.cpu_count()
环绕。有关更多详细信息,请参阅 scipy.fft.fft。
- 返回:
- T @ x(M,) 或 (M, K) ndarray
矩阵乘法
T @ x
的结果。返回值的形状与 x 的形状匹配。
另请参阅
toeplitz
Toeplitz 矩阵
solve_toeplitz
使用 Levinson 递归求解 Toeplitz 系统
备注
Toeplitz 矩阵嵌入在循环矩阵中,并使用 FFT 高效计算矩阵-矩阵乘积。
由于计算基于 FFT,整数输入将产生浮点输出。这与 NumPy 的 matmul 不同,后者保留输入的数据类型。
这部分基于 [1] 中发现的实现,该实现采用 MIT 许可证。有关此方法的更多信息,请参见参考文献 [2]。参考文献 [3] 和 [4] 包含更多 Python 参考实现。
在 1.6.0 版本中添加。
参考文献
[1]Jacob R Gardner, Geoff Pleiss, David Bindel, Kilian Q Weinberger, Andrew Gordon Wilson, “GPyTorch: Blackbox Matrix-Matrix Gaussian Process Inference with GPU Acceleration”,并有 Max Balandat 和 Ruihan Wu 的贡献。在线获取:cornellius-gp/gpytorch
[2]J. Demmel, P. Koev, and X. Li, “直接线性求解器简要调查”。收录于 Z. Bai, J. Demmel, J. Dongarra, A. Ruhe, 和 H. van der Vorst 编辑的《代数特征值问题求解模板:实用指南》。SIAM, 费城, 2000。可访问:http://www.netlib.org/utk/people/JackDongarra/etemplates/node384.html
[3]R. Scheibler, E. Bezzam, I. Dokmanic, Pyroomacoustics: 用于音频房间模拟和阵列处理算法的 Python 包,Proc. IEEE ICASSP, 加拿大卡尔加里, 2018。LCAV/pyroomacoustics pyroomacoustics/adaptive/util.py
[4]Marano S, Edwards B, Ferrari G 和 Fah D (2017),“拟合地震频谱:有色噪声和不完整数据”,美国地震学会公报,2017 年 1 月,第 107(1) 卷,第 276-291 页。
示例
将 Toeplitz 矩阵 T 与矩阵 x 相乘
[ 1 -1 -2 -3] [1 10] T = [ 3 1 -1 -2] x = [2 11] [ 6 3 1 -1] [2 11] [10 6 3 1] [5 19]
要指定 Toeplitz 矩阵,只需要第一列和第一行。
>>> import numpy as np >>> c = np.array([1, 3, 6, 10]) # First column of T >>> r = np.array([1, -1, -2, -3]) # First row of T >>> x = np.array([[1, 10], [2, 11], [2, 11], [5, 19]])
>>> from scipy.linalg import toeplitz, matmul_toeplitz >>> matmul_toeplitz((c, r), x) array([[-20., -80.], [ -7., -8.], [ 9., 85.], [ 33., 218.]])
通过创建完整的 Toeplitz 矩阵并将其与
x
相乘来检查结果。>>> toeplitz(c, r) @ x array([[-20, -80], [ -7, -8], [ 9, 85], [ 33, 218]])
完整矩阵从未被显式形成,因此此例程适用于非常大的 Toeplitz 矩阵。
>>> n = 1000000 >>> matmul_toeplitz([1] + [0]*(n-1), np.ones(n)) array([1., 1., 1., ..., 1., 1., 1.], shape=(1000000,))