Skip to main content
 首页 » 编程设计

python之scipy/numpy 中 n > m 的矩形矩阵的 QR 分解

2025年05月04日15langtianya

我有一个 m x n 的矩形矩阵 A,其中 n > m。给定 A 的秩 r <= m,简化的 QR 分解产生 m x r 维的矩阵 Q 和 r x n 维的 R。 Q 的列是 A 范围的标准正交基。R 将是上三角形,但呈阶梯状。 R 中带有主元的列对应于 A 中的独立列。

当我应用 numpy.linalg 中的 qr 函数时(scipy.linalg 中也有此函数的一个版本,似乎是相同的),它返回 m x m 维度的矩阵 Q 和 m x n 维度的 R,即使当矩阵 A 的秩小于 m。这似乎是“完全”QR 分解,其中 Q 的列是 Re^m 的正交基。是否可以通过numpy.linalg;scipy.linalg中函数qr返回的R矩阵来识别A的独立列?

请您参考如下方法:

检查 R 的非零对角线元素:

import numpy as np 
min_tol = 1e-9 
A = np.array([[1,2,3],[4,3,2],[1,1,1]]) 
print("Matrix rank of: {}".format(np.linalg.matrix_rank(A))) 
Q,R = np.linalg.qr(A) 
indep = np.where(np.abs(R.diagonal()) >  min_tol)[0] 
print(A[:, indep]) 
print("Independent columns are: {}".format(indep)) 

另请参阅此处: How to find degenerate rows/columns in a covariance matrix