mindspore.ops.orgqr

mindspore.ops.orgqr(input, input2)

计算 mindspore.ops.Geqrf 返回的正交矩阵 \(Q\) 的显式表示。

下面以输入无batch维的情况为例， 计算 Householder 矩阵的前 \(N\) 列。 假设输入 input 的shape经过 Householder转换 之后为：\((M, N)\) 。 当 input 的对角线被置为1， input 中下三角形的每一列都表示为： \(w_j\) ，其中 \(j\) 在 \(j=1, \ldots, M\) 范围内，此函数返回Householder矩阵乘积的前 \(N\) 列：

\[H_{1} H_{2} \ldots H_{k} \quad \text { with } \quad H_{j}=\mathrm{I}_{M}-\tau_{j} w_{j} w_{j}^{\mathrm{H}}\]

其中：\(\mathrm{I}_{M}\) 是 \(M\) 维单位矩阵。当 \(w\) 是复数的时候，\(w^{\mathrm{H}}\) 是共轭转置，否则是一般转置。输出矩阵的shape与输入矩阵 input 相同。 \(\tau\) 即输入 input2 。

参数：

• input (Tensor) - shape \((*, M, N)\) 的Tensor，表示二维或者三维矩阵。数据类型为float32、float64、complex64或者complex128。

• input2 (Tensor) - Householder转换的反射系数，其shape为 \((*, K)\) ，其中 K 小于等于 N 。数据类型与 input 一致。

返回：

Tensor，数据类型与shape与 input 一致。

异常：

• TypeError - input 或者 input2 不是Tensor。

• TypeError - input 和 input2 的数据类型不是float64、float32、complex64或者complex128。

• ValueError - input 和 input2 的batch维度不同。

• ValueError - input.shape[-2] < input.shape[-1]。

• ValueError - input.shape[-1] < input2.shape[-1]。

• ValueError - rank(input) - rank(input2) != 1。

• ValueError - rank(input) != 2 or 3。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> input = Tensor(np.array([[-114.6, 10.9, 1.1], [-0.304, 38.07, 69.38], [-0.45, -0.17, 62.]]),
... mindspore.float32)
>>> input2 = Tensor(np.array([1.55, 1.94, 0.0]), mindspore.float32)
>>> y = ops.orgqr(input, input2)
>>> print(y)
[[-0.54999995 -0.2128925   0.8137956 ]
 [ 0.47119996 -0.8752807   0.08240613]
 [ 0.69749993  0.42560163  0.57772595]]