scipy.linalg.

ordqz#

scipy.linalg.ordqz(A, B, sort='lhp', output='real', overwrite_a=False, overwrite_b=False, check_finite=True)[源代码]#

重新排序后的一对矩阵的 QZ 分解。

参数:
A(N, N) 类似数组

要分解的二维数组

B(N, N) 类似数组

要分解的二维数组

sort{可调用对象，’lhp’、’rhp’、’iuc’、’ouc’}，可选

指定是否对较大的特征值进行排序。可以传递一个可调用项，它给定了一个表示特征值的已排序对 (alpha, beta) 代表特征值 x = (alpha/beta)，返回一个指示特征值应否排序到左上角 (True) 的布尔值。对于实矩阵对 beta 为实数，而 alpha 可以是复数，对于复矩阵对 alpha 和 beta 都可以是复数。可调用项必须能够接受 NumPy 数组。或者，可以使用字符串参数

  • ‘lhp’ 左半平面 (x.real < 0.0)

  • ‘rhp’ 右半平面 (x.real > 0.0)

  • ‘iuc’ 单位圆内 (x*x.conjugate() < 1.0)

  • ‘ouc’ 单位圆外 (x*x.conjugate() > 1.0)

使用预定义的排序函数，无穷大特征值（即 alpha != 0 且 beta = 0）被认为既不在左半平面也不在右半平面，而是在单位圆外。对于特征值 (alpha, beta) = (0, 0)，预定义的排序函数全部返回 False。

outputstr {‘real’,’complex’}, 可选

为实矩阵构造实或复 QZ 分解。默认值为“real”。

overwrite_abool，可选

如果为 True，A 的内容将被覆盖。

overwrite_bbool，可选

如果为 True，B 的内容将被覆盖。

check_finitebool，可选

如果为 true，则检查 A 和 B 的元素是否为有限数字。如果为 false，则不进行检查，并将矩阵传递给底层算法。

返回值:
AA(N, N) ndarray

A 的广义 Schur 形式。

BB(N, N) ndarray

B 的广义 Schur 形式。

alpha(N,) ndarray

alpha = alphar + alphai * 1j。参见注释。

beta(N,) ndarray

参见注释。

Q(N, N) ndarray

左 Schur 向量。

Z(N, N) ndarray

右 Schur 向量。

另请参见

qz

注释

退出时，(ALPHAR(j) + ALPHAI(j)*i)/BETA(j), j=1,...,N 将成为广义特征值。 ALPHAR(j) + ALPHAI(j)*i 和 BETA(j),j=1,...,N 是复数舒尔形式 (S,T) 的对角线，如果 (A,B) 的实数广义舒尔形式的 2x2 对角块进一步使用复数酉变换化为三角形，就会得到这种形式。如果 ALPHAI(j) 为零，则第 j 个特征值是实数；如果为正数，则第 j 个和第 (j+1) 个特征值是一个复数共轭对，其中 ALPHAI(j+1) 为负数。

在 0.17.0 版本中添加。

示例

>>> import numpy as np
>>> from scipy.linalg import ordqz
>>> A = np.array([[2, 5, 8, 7], [5, 2, 2, 8], [7, 5, 6, 6], [5, 4, 4, 8]])
>>> B = np.array([[0, 6, 0, 0], [5, 0, 2, 1], [5, 2, 6, 6], [4, 7, 7, 7]])
>>> AA, BB, alpha, beta, Q, Z = ordqz(A, B, sort='lhp')

由于我们已经对左侧半平面特征值进行排序，所以负数排在前面

>>> (alpha/beta).real < 0
array([ True,  True, False, False], dtype=bool)
本页内容