scipy.stats.ortho_group#
- scipy.stats.ortho_group = <scipy.stats._multivariate.ortho_group_gen object>[source]#
一个正交矩阵 (O(N)) 随机变量。
返回一个随机正交矩阵,从 O(N) Haar 分布中抽取(O(N) 上唯一的均匀分布)。
dim 关键字指定维度 N。
- 参数:
- dim标量
矩阵的维度
- seed{None, int, np.random.RandomState, np.random.Generator}, optional
用于绘制随机变量。如果 seed 是 None,则使用 RandomState 单例。 如果 seed 是一个整数,则使用一个新的
RandomState
实例,并使用 seed 作为种子。 如果 seed 已经是RandomState
或Generator
实例,则使用该对象。 默认为 None。
方法
rvs(dim=None, size=1, random_state=None)
从 O(N) 中抽取随机样本。
注意
这个类与
special_ortho_group
密切相关。按照 Mezzadri 的论文所述,已经采取了一些措施来避免数值错误。
参考文献
[1]F. Mezzadri, “How to generate random matrices from the classical compact groups”, arXiv:math-ph/0609050v2.
例子
>>> import numpy as np >>> from scipy.stats import ortho_group >>> x = ortho_group.rvs(3)
>>> np.dot(x, x.T) array([[ 1.00000000e+00, 1.13231364e-17, -2.86852790e-16], [ 1.13231364e-17, 1.00000000e+00, -1.46845020e-16], [ -2.86852790e-16, -1.46845020e-16, 1.00000000e+00]])
>>> import scipy.linalg >>> np.fabs(scipy.linalg.det(x)) 1.0
这会从 O(3) 生成一个随机矩阵。 它是正交的,并且具有 +1 或 -1 的行列式。
或者,可以调用该对象(作为函数)来固定 dim 参数,从而返回一个“冻结的” ortho_group 随机变量
>>> rv = ortho_group(5) >>> # Frozen object with the same methods but holding the >>> # dimension parameter fixed.