scipy.linalg.

expm_cond#

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

矩陣指數在 Frobenius 範數中的相對條件數。

參數:

A二維類陣列 (array_like): 形狀為 (N, N) 的方形輸入矩陣。
check_finitebool, 選填: 是否檢查輸入矩陣是否僅包含有限數字。停用此選項可能會提高效能，但如果輸入包含無限大或 NaN，則可能會導致問題（崩潰、無法終止）。

返回值:

kappafloat: 矩陣指數在 Frobenius 範數中的相對條件數

參見

expm: 計算矩陣的指數。
expm_frechet: 計算矩陣指數的 Frechet 導數。

註解

已發表了一種更快的 1-範數條件數估計方法，但尚未在 SciPy 中實作。

在 0.14.0 版本中新增。

範例

>>> 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