scipy.linalg.matmul_toeplitz¶
- scipy.linalg.matmul_toeplitz(c_or_cr, x, check_finite=False, workers=None)[源代码]¶
基于FFT的高效Toeplitz矩阵-矩阵乘法
此函数返回Toeplitz矩阵与稠密矩阵之间的矩阵乘法。
Toeplitz矩阵具有恒定的对角线,其中c为其第一列,r为其第一行。如果没有给出r,
r == conjugate(c)
是假定的。- 参数
- c_or_crARRAY_LIKE或(ARRAY_LIKE,ARRAY_LIKE)的元组
向量
c
,或数组的元组 (c
,r
)。不管它的实际形状是什么c
,它将被转换为一维阵列。如果不提供,r = conjugate(c)
在本例中,如果c [0] 是实的,Toeplitz矩阵是厄米矩阵。R [0] 被忽略;Toeplitz矩阵的第一行为[c[0], r[1:]]
。不管它的实际形状是什么r
,它将被转换为一维阵列。- x(M,)或(M,K)类阵列
要与之相乘的矩阵。
- check_finite布尔值,可选
是否检查输入矩阵是否仅包含有限个数字。禁用可能会提高性能,但如果输入确实包含无穷大或NAN,则可能会导致问题(完全导致NAN)。
- workers整型,可选
若要传递给scipy.fft.fft和ifft,请执行以下操作。用于并行计算的最大工作进程数。如果为负值,则值从
os.cpu_count()
。有关详细信息,请参见scipy.fft.fft。
- 退货
- t@x(M,)或(M,K)ndarray
矩阵乘法的结果
T @ x
。返回的形状与的形状匹配 x 。
参见
toeplitz
Toeplitz矩阵
solve_toeplitz
用Levinson递推法解Toeplitz系统
注意事项
将Toeplitz矩阵嵌入循环矩阵中,利用FFT高效地计算矩阵-矩阵乘积。
因为计算是基于FFT的,所以整数输入将产生浮点输出。这不像NumPy的 matmul ,它保留输入的数据类型。
这在一定程度上是基于可以在 [1], 在麻省理工学院的许可下获得许可。有关该方法的更多信息,请参阅参考资料 [2]. 参考文献 [3] 和 [4] 在Python中有更多的参考实现。
1.6.0 新版功能.
参考文献
- 1
Jacob R Gardner,Geoff Pleiss,David Bindel,Kiliq Weinberger,Andrew Gordon Wilson,“GPyTorch:Blackbox Matrix-Matrix Gauss Process Inference with GPU Acceleration”(GPyTorch:Blackbox Matrix-Matrix Gauss Process Inference with GPU Acceleration),Max Balandat和Ruihan Wu贡献。在线提供:https://github.com/cornellius-gp/gpytorch
- 2
戴美尔,P.Koev,李小新,“直接线性求解器概述”。首页--期刊主要分类--期刊细介绍--期刊题录与文摘--期刊详细文摘内容解决代数特征值问题的模板:实用指南。暹罗,费城,2000。可在以下网址获得:http://www.netlib.org/utk/people/JackDongarra/etemplates/node384.html
- 3
音频室模拟和阵列处理算法的Python软件包,Proc。IEEE ICASSP,加利福尼亚州卡尔加里,2018年。https://github.com/LCAV/pyroomacoustics/blob/pypi-release/pyroomacoustics/自适应/util.py
- 4
马拉诺·S、爱德华兹·B、法拉利·G和法赫·D(2017年),《拟合地震频谱:有色噪声和不完全数据》,《美国地震学会公报》,2017年1月。第107卷(1),第276-291页。
示例
将Toeplitz矩阵T乘以矩阵x::
[ 1 -1 -2 -3] [1 10] T = [ 3 1 -1 -2] x = [2 11] [ 6 3 1 -1] [2 11] [10 6 3 1] [5 19]
要指定Toeplitz矩阵,只需要第一列和第一行。
>>> c = np.array([1, 3, 6, 10]) # First column of T >>> r = np.array([1, -1, -2, -3]) # First row of T >>> x = np.array([[1, 10], [2, 11], [2, 11], [5, 19]])
>>> from scipy.linalg import toeplitz, matmul_toeplitz >>> matmul_toeplitz((c, r), x) array([[-20., -80.], [ -7., -8.], [ 9., 85.], [ 33., 218.]])
通过创建完整的Toeplitz矩阵并将其乘以来检查结果
x
。>>> toeplitz(c, r) @ x array([[-20, -80], [ -7, -8], [ 9, 85], [ 33, 218]])
完整矩阵从不显式形成,因此此例程适用于非常大的Toeplitz矩阵。
>>> n = 1000000 >>> matmul_toeplitz([1] + [0]*(n-1), np.ones(n)) array([1., 1., 1., ..., 1., 1., 1.])