scipy.linalg.
ishermitian#
- scipy.linalg.ishermitian(a, atol=None, rtol=None)#
检查一个方阵的二维数组是否是厄米矩阵。
本文档假定数组参数具有指定的“核心”形状。但是,此函数的数组参数可以在核心形状之前添加额外的“批处理”维度。在这种情况下,数组被视为低维切片的批处理;有关详细信息,请参阅 批量线性运算。
- 参数:
- andarray
大小为 (N, N) 的输入数组
- atol浮点型, 可选
绝对误差界限
- rtol浮点型, 可选
相对误差界限
- 返回:
- her布尔型
如果数组是厄米矩阵,则返回 True。
- 抛出:
- TypeError
如果数组的数据类型不支持,特别是 NumPy 的 float16、float128 和 complex256 数据类型。
另请参阅
issymmetric
检查一个方阵的二维数组是否是对称矩阵
备注
根据约定,对于空的方阵数组,结果返回 True。
numpy.inf
将被视为一个数字,也就是说[[1, inf], [inf, 2]]
将返回True
。另一方面,numpy.nan
从不对称,例如[[1, nan], [nan, 2]]
将返回False
。当
atol
和/或rtol
设置为 时,比较将由numpy.allclose
执行,并将容差值传递给它。否则,内部函数将执行与零的精确比较。因此,性能可能会根据数组的大小和数据类型而提高或降低。如果给定atol
或rtol
中的一个,则另一个将自动设置为零。示例
>>> import numpy as np >>> from scipy.linalg import ishermitian >>> A = np.arange(9).reshape(3, 3) >>> A = A + A.T >>> ishermitian(A) True >>> A = np.array([[1., 2. + 3.j], [2. - 3.j, 4.]]) >>> ishermitian(A) True >>> Ac = np.array([[1. + 1.j, 3.j], [3.j, 2.]]) >>> ishermitian(Ac) # not Hermitian but symmetric False >>> Af = np.array([[0, 1 + 1j], [1 - (1+1e-12)*1j, 0]]) >>> ishermitian(Af) False >>> ishermitian(Af, atol=5e-11) # almost hermitian with atol True