numpy.linalg.cholesky #
- 利纳尔格。乔列斯基( a ) [来源] #
乔列斯基分解。
返回方阵a的 Cholesky 分解L * LH ,其中L是下三角矩阵,.H 是共轭转置运算符(如果a是实值, 则为普通转置)。 a必须是埃尔米特式(如果是实值则对称)并且是正定的。不执行任何检查来验证a是否为埃尔米特式。此外,仅 使用a的下三角元素和对角线元素。实际上只返回L。
- 参数:
- 一个(…, M, M) 类似数组
Hermitian(如果所有元素都是实数,则对称),正定输入矩阵。
- 返回:
- L (…, M, M) 类数组
a的下三角 Cholesky 因子。如果a是矩阵对象,则返回矩阵对象 。
- 加薪:
- 林算法错误
如果分解失败,例如,如果a不是正定的。
也可以看看
scipy.linalg.cholesky
SciPy 中的类似功能。
scipy.linalg.cholesky_banded
Cholesky 分解带状 Hermitian 正定矩阵。
scipy.linalg.cho_factor
矩阵的 Cholesky 分解,用于
scipy.linalg.cho_solve
.
笔记
1.8.0 版本中的新增功能。
广播规则适用,
numpy.linalg
详细信息请参阅文档。Cholesky 分解通常用作求解问题的快速方法
\[A \mathbf{x} = \mathbf{b}\](当A是埃尔米特/对称且正定时)。
首先,我们解决\(\mathbf{y}\)在
\[L \mathbf{y} = \mathbf{b},\]然后对于\(\mathbf{x}\)在
\[L.H \mathbf{x} = \mathbf{y}.\]例子
>>> A = np.array([[1,-2j],[2j,5]]) >>> A array([[ 1.+0.j, -0.-2.j], [ 0.+2.j, 5.+0.j]]) >>> L = np.linalg.cholesky(A) >>> L array([[1.+0.j, 0.+0.j], [0.+2.j, 1.+0.j]]) >>> np.dot(L, L.T.conj()) # verify that L * L.H = A array([[1.+0.j, 0.-2.j], [0.+2.j, 5.+0.j]]) >>> A = [[1,-2j],[2j,5]] # what happens if A is only array_like? >>> np.linalg.cholesky(A) # an ndarray object is returned array([[1.+0.j, 0.+0.j], [0.+2.j, 1.+0.j]]) >>> # But a matrix object is returned if A is a matrix object >>> np.linalg.cholesky(np.matrix(A)) matrix([[ 1.+0.j, 0.+0.j], [ 0.+2.j, 1.+0.j]])