scipy.linalg.

expm_cond#

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

Frobenius 范数中矩阵指数的相对条件数。

参数:

A二维 array_like: 形状为 (N, N) 的方阵输入矩阵。
check_finitebool，可选: 是否检查输入矩阵中是否仅包含有限数量。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（崩溃、不终止）。

返回值:

kappafloat: Frobenius 范数中矩阵指数的相对条件数

另请参阅

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

备注

已经发布了 1 范数中条件数的更快的估计值，但尚未在 SciPy 中实现。

添加于 0.14.0 版本中。

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