Python实现Modified Gram-Schmidt算法时SyntaxError语法错误排查

直接语法错误原因 #

你代码中R[i,i+1:n]=Q[:.i].T@Q[:,i+1:n]行的语法错误是拼写失误导致：numpy二维数组的行、列索引需要用逗号分隔，你误将Q[:,i]（取所有行、第i列）写为了Q[:.i]，把逗号写成了英文句号，Python解析器无法识别该语法，因此抛出SyntaxError。将Q[:.i]改为Q[:,i]即可解决当前语法报错。

其他潜在问题修正 #

你当前代码修复语法问题后运行还会触发其他错误，需同步调整：

• 索引越界问题：Python采用0基索引，n列的数组最后一列索引为n-1而非n，循环外的R[n,n]、Q[:,n]会触发索引越界错误，需修改为R[n-1,n-1]、Q[:,n-1]
• 依赖导入：代码运行需要提前导入numpy和copy模块
• 广播适配：后续矩阵减法操作需要给列向量增加维度适配广播规则，避免维度不匹配报错

修正后完整代码 #

import numpy as np
import copy

def mgs(A):
    m, n = np.shape(A)
    Q = copy.deepcopy(A)
    R = np.zeros([n, n])
    for i in range(n-1):
        R[i, i] = np.linalg.norm(Q[:, i])
        Q[:, i] = Q[:, i] / R[i, i]
        # 修复语法错误：将:.改为:,
        R[i, i+1:n] = Q[:, i].T @ Q[:, i+1:n]
        Q[:, i+1:n] = Q[:, i+1:n] - Q[:, i, np.newaxis] * R[i, i+1:n]
    # 修复索引越界：将n改为n-1
    R[n-1, n-1] = np.linalg.norm(Q[:, n-1])
    Q[:, n-1] = Q[:, n-1] / R[n-1, n-1]
    return Q, R

内容的提问来源于stack exchange，提问作者장재익