mindspore.scipy.linalg.lu

mindspore.scipy.linalg.lu(a, permute_l=False, overwrite_a=False, check_finite=True)

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]]