qr#
- scipy.linalg.qr(a, overwrite_a=False, lwork=None, mode='full', pivoting=False, check_finite=True)[source]#
计算矩阵的 QR 分解。
计算分解
A = Q R
,其中 Q 是酉/正交矩阵,R 是上三角矩阵。本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之前附加额外的“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 批处理线性操作。
- 参数:
- a(M, N) array_like
待分解的矩阵
- overwrite_a布尔值, 可选
是否覆盖 a 中的数据(如果将 overwrite_a 设置为 True 以重用现有输入数据结构而不是创建新结构,可能会提高性能)。
- lwork整型, 可选
工作数组大小,lwork >= a.shape[1]。如果为 None 或 -1,则计算最佳大小。
- mode{‘full’, ‘r’, ‘economic’, ‘raw’}, 可选
确定要返回的信息:Q 和 R 都返回(‘full’,默认),只返回 R(‘r’),或者 Q 和 R 都返回但以经济尺寸计算(‘economic’,参见注释)。最后一个选项 ‘raw’(在 SciPy 0.11 中添加)使函数以 LAPACK 使用的内部格式返回两个矩阵 (Q, TAU)。
- pivoting布尔值, 可选
分解是否应包含枢轴以进行秩揭示 QR 分解。如果进行枢轴,则计算分解
A[:, P] = Q @ R
,如上所述,但选择 P 使得 R 的对角线是非递增的。等效地,尽管效率较低,但可以通过置换单位矩阵的行或列(取决于它在方程中的使用位置)来显式形成一个明确的 P 矩阵。参见示例。- check_finite布尔值, 可选
是否检查输入矩阵仅包含有限数。禁用此功能可能会提高性能,但如果输入包含无穷大或 NaN,可能会导致问题(崩溃、非终止)。
- 返回:
- Q浮点型或复数 ndarray
形状为 (M, M),或在
mode='economic'
时为 (M, K)。如果mode='r'
则不返回。如果mode='raw'
则替换为元组(Q, TAU)
。- R浮点型或复数 ndarray
形状为 (M, N),或在
mode in ['economic', 'raw']
时为 (K, N)。K = min(M, N)
。- P整型 ndarray
当
pivoting=True
时形状为 (N,)。当pivoting=False
时不返回。
- 抛出:
- LinAlgError
如果分解失败则抛出
注释
这是 LAPACK 例程 dgeqrf、zgeqrf、dorgqr、zungqr、dgeqp3 和 zgeqp3 的接口。
如果
mode=economic
,Q 和 R 的形状分别为 (M, K) 和 (K, N),而不是 (M,M) 和 (M,N),其中K=min(M,N)
。示例
>>> import numpy as np >>> from scipy import linalg >>> rng = np.random.default_rng() >>> a = rng.standard_normal((9, 6))
>>> q, r = linalg.qr(a) >>> np.allclose(a, np.dot(q, r)) True >>> q.shape, r.shape ((9, 9), (9, 6))
>>> r2 = linalg.qr(a, mode='r') >>> np.allclose(r, r2) True
>>> q3, r3 = linalg.qr(a, mode='economic') >>> q3.shape, r3.shape ((9, 6), (6, 6))
>>> q4, r4, p4 = linalg.qr(a, pivoting=True) >>> d = np.abs(np.diag(r4)) >>> np.all(d[1:] <= d[:-1]) True >>> np.allclose(a[:, p4], np.dot(q4, r4)) True >>> P = np.eye(p4.size)[p4] >>> np.allclose(a, np.dot(q4, r4) @ P) True >>> np.allclose(a @ P.T, np.dot(q4, r4)) True >>> q4.shape, r4.shape, p4.shape ((9, 9), (9, 6), (6,))
>>> q5, r5, p5 = linalg.qr(a, mode='economic', pivoting=True) >>> q5.shape, r5.shape, p5.shape ((9, 6), (6, 6), (6,)) >>> P = np.eye(6)[:, p5] >>> np.allclose(a @ P, np.dot(q5, r5)) True