scipy.linalg.

rsf2csf#

scipy.linalg.rsf2csf(T, Z, check_finite=True)[source]#

将实数 Schur 形式转换为复数 Schur 形式。

将准对角实数 Schur 形式转换为上三角复数 Schur 形式。

参数:

T(M, M) array_like: 原始数组的实数 Schur 形式
Z(M, M) array_like: Schur 变换矩阵
check_finitebool, 可选: 是否检查输入数组是否只包含有限数字。禁用此选项可以提高性能，但如果输入确实包含无穷大或 NaN，可能会导致问题（崩溃、不终止）。

返回值:

T(M, M) ndarray: 原始数组的复数 Schur 形式
Z(M, M) ndarray: 与复数形式对应的 Schur 变换矩阵

另请参见

schur: 数组的 Schur 分解

示例

>>> import numpy as np
>>> from scipy.linalg import schur, rsf2csf
>>> A = np.array([[0, 2, 2], [0, 1, 2], [1, 0, 1]])
>>> T, Z = schur(A)
>>> T
array([[ 2.65896708,  1.42440458, -1.92933439],
       [ 0.        , -0.32948354, -0.49063704],
       [ 0.        ,  1.31178921, -0.32948354]])
>>> Z
array([[0.72711591, -0.60156188, 0.33079564],
       [0.52839428, 0.79801892, 0.28976765],
       [0.43829436, 0.03590414, -0.89811411]])
>>> T2 , Z2 = rsf2csf(T, Z)
>>> T2
array([[2.65896708+0.j, -1.64592781+0.743164187j, -1.21516887+1.00660462j],
       [0.+0.j , -0.32948354+8.02254558e-01j, -0.82115218-2.77555756e-17j],
       [0.+0.j , 0.+0.j, -0.32948354-0.802254558j]])
>>> Z2
array([[0.72711591+0.j,  0.28220393-0.31385693j,  0.51319638-0.17258824j],
       [0.52839428+0.j,  0.24720268+0.41635578j, -0.68079517-0.15118243j],
       [0.43829436+0.j, -0.76618703+0.01873251j, -0.03063006+0.46857912j]])