mindspore.scipy.linalg.lu
- mindspore.scipy.linalg.lu(a, permute_l=False, overwrite_a=False, check_finite=True)[源代码]
计算通用矩阵的LU分解。
分解为:
\[A = P L U\]其中, \(P\) 是一个置换矩阵, \(L\) 是对角线元素全为1的下三角矩阵, \(U\) 是上三角矩阵。
说明
Windows平台上还不支持 LU。
仅支持float32、float64、int32、int64类型的Tensor类型。
如果Tensor是int32、int64类型,它将被强制转换为:mstype.float64类型。
- 参数:
a (Tensor) - 要分解的 \((M, N)\) 方阵。 如果输入Tensor不是float类型,那么它将被强制转换为:mstype.float32。
permute_l (bool, 可选) - 执行乘法运算 \(P L\)。
overwrite_a (bool, 可选) - 是否覆盖 \(a\) 中的数据(可能会提高性能)。 默认值:
False
。check_finite (bool, 可选) - 是否检查输入矩阵是否只包含有限数。 禁用可能会带来性能增益,但如果输入确实包含INF或NaN,则可能会导致问题(崩溃、程序不终止)。 默认值:
True
。
- 返回:
如果 permute_l == False
p (Tensor) - \((M, M)\) 置换矩阵。
l (Tensor) - \((M, K)\) 对角线元素全为1的下三角矩阵或梯形矩阵。 \(K = min(M, N)\)。
u (Tensor) - \((K, N)\) 上三角矩阵或梯形矩阵。
如果 permute_l == True
pl (Tensor) - \((M, K)\) 置换L矩阵。 \(K = min(M,N)\)。
u (Tensor) - \((K, N)\) 上三角矩阵或梯形矩阵。
- 支持平台:
GPU
CPU
样例:
>>> import numpy as onp >>> from mindspore import Tensor >>> from mindspore.scipy.linalg import lu >>> a = Tensor(onp.array([[2, 5, 8, 7], [5, 2, 2, 8], [7, 5, 6, 6], [5, 4, 4, 8]]).astype(onp.float64)) >>> p, l, u = lu(a) >>> print(p) [[0 1 0 0] [0 0 0 1] [1 0 0 0] [0 0 1 0]] >>> print(l) [[ 1. 0. 0. 0. ] [ 0.2857143 1. 0. 0. ] [ 0.71428573 0.12 1. 0. ] [ 0.71428573 -0.44 -0.46153846 1. ]] >>> print(u) [[ 7. 5. 6. 6. ] [ 0. 3.57142854 6.28571415 5.28571415] [ 0. 0. -1.03999996 3.07999992] [ 0. -0. -0. 7.46153831]]