文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

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：

$$A=PLU$$

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 $PL$。

• 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]]