ormqr¶

paddle.linalg. ormqr ( x, tau, other, left=True, transpose=False ) [源代码] ¶

计算维度为(m, n)的矩阵 C（由 other 给出）和一个矩阵 Q 的乘积，其中 Q 由 Householder 反射系数 (x, tau) 表示。

参数¶

x (Tensor) - 输入一个或一批矩阵，类型为 Tensor。 x 的形状应为 [*, MN, K]，其中 * 为零或更大的批次维度，数据类型支持 float32， float64。

tau (Tensor) - 输入一个或一批 Householder 反射系数，类型为 Tensor。 tau 的形状应为 [*, min(MN, K)]，其中 * 为零或更大的批次维度，数据类型支持 float32， float64。

other (Tensor) - 输入一个或一批矩阵，类型为 Tensor。 other 的形状应为 [*, M, N]，其中 * 为零或更大的批次维度，数据类型支持 float32， float64。

left (bool，可选) - 决定了矩阵乘积运算的顺序。如果 left 为 True ，计算顺序为 op(Q) * other ，否则，计算顺序为 other * op(Q)。默认值： True 。

transpose (bool，可选) - 如果为 True ，对矩阵 Q 进行共轭转置变换，否则，不对矩阵 Q 进行共轭转置变换。默认值： False 。

返回¶

Tensor，维度和数据类型都与 other 一致。

代码示例¶

          >>> import paddle
>>> import numpy as np
>>> from paddle import  linalg

>>> input = paddle.to_tensor([[-114.6, 10.9, 1.1], [-0.304, 38.07, 69.38], [-0.45, -0.17, 62]])
>>> tau = paddle.to_tensor([1.55, 1.94, 3.0])
>>> y = paddle.to_tensor([[-114.6, 10.9, 1.1], [-0.304, 38.07, 69.38], [-0.45, -0.17, 62]])
>>> output = linalg.ormqr(input, tau, y)
>>> print(output)
Tensor(shape=[3, 3], dtype=float32, place=Place(cpu), stop_gradient=True,
    [[ 63.82712936 , -13.82312393 , -116.28614044],
    [-53.65926361 , -28.15783691 , -70.42700958 ],
    [-79.54292297 ,  24.00182915 , -41.34253311 ]])

         