Python Numpy中是否有内置/简单的LDU分解方法？

我在numpy.linalg.cholesky中看到了cholesky分解，但找不到LDU分解。有人能推荐一个要使用的函数吗？

Scipy有一个LU分解函数：。请注意，这也在混合中引入了置换矩阵

P

。很好地解释了为什么会发生这种情况

如果您特别需要LDU，那么您可以规范化

U

矩阵以拉出

D

以下是您可能的做法：

>>> import numpy as np
>>> import scipy.linalg as la
>>> a = np.array([[2, 4, 5],
                  [1, 3, 2],
                  [4, 2, 1]])
>>> (P, L, U) = la.lu(a)
>>> P
array([[ 0.,  1.,  0.],
       [ 0.,  0.,  1.],
       [ 1.,  0.,  0.]])
>>> L
array([[ 1.        ,  0.        ,  0.        ],
       [ 0.5       ,  1.        ,  0.        ],
       [ 0.25      ,  0.83333333,  1.        ]])
>>> U
array([[ 4. ,  2. ,  1. ],
       [ 0. ,  3. ,  4.5],
       [ 0. ,  0. , -2. ]])
>>> D = np.diag(np.diag(U))   # D is just the diagonal of U
>>> U /= np.diag(U)[:, None]  # Normalize rows of U
>>> P.dot(L.dot(D.dot(U)))    # Check
array([[ 2.,  4.,  5.],
       [ 1.,  3.,  2.],
       [ 4.,  2.,  1.]])

试试这个：

将numpy导入为np
A=np.数组（[[1,2,3,4]，[1,2,3,4]，[1,2,3,4]，[1,2,3,4]）
U=np.triu（A，1）
L=np.tril（A，-1）
D=np.tril（np.triu（A））
印刷品（A）
印刷品（L）
印刷品（D）
打印（U）

看看这里：这不是一个主题外的请求，scipy中有一个函数可以实现这一点。无论是谁投票关闭的-你似乎不知道，你可能不应该看到这个标签。@cᴏʟᴅsᴘᴇᴇᴅ 它确实属于“.API请求…”；虽然这有点模糊。@user2357112我假设pivot和normal是相同的，因为排列矩阵确实被设置为恒等式。谢谢您的更正。@user2357112请先获取用户名，否则我会开始叫您Twickler。演示如何执行规范化会很有用。@user2357112已完成。这看起来是最好的内置，但令人失望的是，它给出了一个输入的非单位置换矩阵，看起来它可以在没有LU分解的情况下进行LU分解。这只适用于可逆矩阵。当

a

在您的示例中是单数时，U在对角线上将有0个条目，并且规范化过程不起作用。