python用numpy随机产生矩阵_如何在python numpy中创建随机正交矩阵

最新推荐文章于 2023-07-09 19:18:41 发布

weixin_39733232

最新推荐文章于 2023-07-09 19:18:41 发布

阅读量2.4k

点赞数

文章标签： python用numpy随机产生矩阵

本文链接：https://blog.csdn.net/weixin_39733232/article/details/111446753

版权

使用numpy和scipy.linalg的qr函数，可以生成随机正交矩阵。通过QR分解高斯矩阵，得到的Q矩阵均匀分布于正交矩阵的流形上。然而，由于qr函数的限制，实际得到的Q可能不完全均匀分布。通过后乘随机酉对角矩阵，可以修正这个问题，确保生成的矩阵Q具有均匀分布的特征值相位。

摘要由CSDN通过智能技术生成

通过对n x n矩阵进行QR因式分解，得到一个随机n x n正交矩阵Q(均匀分布在n x n正交矩阵的流形上)，矩阵元素i.i.d.平均0和方差1。下面是一个例子：import numpy as np

from scipy.linalg import qr

n = 3

H = np.random.randn(n, n)

Q, R = qr(H)

print (Q.dot(Q.T))[[ 1.00000000e+00 -2.77555756e-17 2.49800181e-16]

[ -2.77555756e-17 1.00000000e+00 -1.38777878e-17]

[ 2.49800181e-16 -1.38777878e-17 1.00000000e+00]]

编辑：(在@g的评论之后重新讨论这个答案)上面关于高斯矩阵的QR分解的声明提供了一个均匀分布(在所谓的Stiefel流形上)正交矩阵，这是由this reference的定理2.3.18-19提出的。注意，结果的陈述暗示了“类QR”分解，然而，与三角形矩阵R具有正元素。

显然，scipy(numpy)函数的qr函数不能保证R的正对角元素，相应的Q实际上是不均匀分布的。这已在this专著中观察到，第。4.6(讨论涉及到MATLAB，但我想MATLAB和scipy都使用相同的LAPACK例程)。提出了qr提供的矩阵Q是通过后乘随机酉对角矩阵来修改的。

下面我再现了上述参考文献中的实验，绘制了由qr提供的“直接”Q矩阵的特征值相位的经验分布(直方图)，以及“修改”版本，其中可以看到修改版本确实具有统一的特征值相位，正如从统一的分布正交矩阵。from scipy.linalg imp

关注