scipy.linalg.

expm_cond#

scipy.linalg.expm_cond(A, check_finite=True)[源]#

矩阵指数在弗罗贝尼乌斯范数中的相对条件数。

此文档假设数组参数具有指定的“核心”形状。然而，此函数的数组参数可能在核心形状之前附加额外的“批次”维度。在这种情况下，数组被视为低维切片的批次；详见批次线性操作。

参数:

A2-D array_like: 形状为 (N, N) 的方阵输入。
check_finite布尔值，可选: 是否检查输入矩阵仅包含有限数。禁用此功能可能会提升性能，但如果输入确实包含无穷大或 NaN，则可能导致问题（崩溃、不终止）。

返回:

kappa浮点数: 矩阵指数在弗罗贝尼乌斯范数中的相对条件数

另请参阅

expm: 计算矩阵的指数。
expm_frechet: 计算矩阵指数的 Frechet 导数。

备注

关于 1-范数中条件数的更快估计方法已经发布，但尚未在 SciPy 中实现。

在 0.14.0 版本中新增。

示例

>>> import numpy as np
>>> from scipy.linalg import expm_cond
>>> A = np.array([[-0.3, 0.2, 0.6], [0.6, 0.3, -0.1], [-0.7, 1.2, 0.9]])
>>> k = expm_cond(A)
>>> k
1.7787805864469866