scipy.linalg.

issymmetric#

scipy.linalg.issymmetric(a, atol=None, rtol=None)#

检查一个方阵是否对称。

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前额外添加“批处理”维度。在这种情况下，数组被视为一系列低维切片；有关详细信息，请参阅批处理线性操作。

参数:

andarray: 输入数组，大小为 (N, N)。
atolfloat, optional: 绝对误差范围
rtolfloat, optional: 相对误差范围

返回:

symbool: 如果数组对称，则返回 True。

引发:

TypeError: 如果数组的数据类型不受支持，特别是 NumPy float16、float128 和 complex256 数据类型用于精确比较。

另请参阅

ishermitian: 检查一个方阵是否为 Hermitian 矩阵

备注

根据约定，对于方形空数组，结果返回 True。复数数组会测试其对称性而不是 Hermitian 性（参见示例）

数组的对角线不会被扫描。因此，如果对角线上有 infs、NaNs 或类似的问题条目，它们将被忽略。但是，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 设置为非零值时，比较通过 numpy.allclose 执行，并将容差值传递给它。否则，内部函数会执行与零的精确比较。因此，性能可能根据数组的大小和数据类型而提高或降低。如果给出 atol 或 rtol 中的一个，另一个会自动设置为零。

示例

>>> import numpy as np
>>> from scipy.linalg import issymmetric
>>> A = np.arange(9).reshape(3, 3)
>>> A = A + A.T
>>> issymmetric(A)
True
>>> Ac = np.array([[1. + 1.j, 3.j], [3.j, 2.]])
>>> issymmetric(Ac)  # not Hermitian but symmetric
True