[英]Checking if a matrix is symmetric in Numpy
我正在尝试使用参数(a,tol=1e-8)
创建一个函数,该函数返回一个布尔值,告诉用户矩阵是否对称(对称矩阵等于其转置)。 到目前为止我有:
def check_symmetric(a, tol=1e-8):
if np.transpose(a, axes=axes) == np.transpose(a, axes=axes):
return True
def sqr(s):
rows = len(s)
for row in sq:
if len(row) != rows:
return False
return True
if a != sqr(s):
raise ValueError
虽然我一直收到axes isn't defined
的消息,所以我很确定它根本不起作用......我想通过的测试是:
e = np.eye(4)
f = np.diag([1], k=3)
g = e[1:, :]
print(check_symmetric(e))
print(not check_symmetric(e + f))
print(check_symmetric(e + f * 1e-9))
print(not check_symmetric(e + f * 1e-9, 1e-10))
try:
check_symmetric(g)
print(False)
except ValueError:
print(True)
任何帮助表示赞赏,谢谢!
您可以简单地使用allclose
将其与其转置进行allclose
def check_symmetric(a, rtol=1e-05, atol=1e-08):
return numpy.allclose(a, a.T, rtol=rtol, atol=atol)
下面的函数也解决了这个问题:
def check_symmetric(a, tol=1e-8):
return np.all(np.abs(a-a.T) < tol)
这是一个旧帖子,但我会推荐另一种方法。 特别是对于稀疏矩阵,这可以快数百倍。
def is_symmetric(A, tol=1e-8):
return scipy.sparse.linalg.norm(A-A.T, scipy.Inf) < tol;
或类似但你明白了。 使用范数是一种更优化的计算。
如果你不担心tot
门槛
(a==a.T).all()
是最简单的解决方案。 这也适用于 N 维 (N>2) 数组。
如果可以接受使用 SciPy,则可以使用scipy.linalg.issymmetric()
(从 v1.8.0 开始),它还包括一些输入验证。
设置
atol
和/或rtol
后,比较由numpy.allclose
执行,并将公差值传递给它。 否则,由内部函数执行与零的精确比较。 因此,性能可以提高或降低,具体取决于数组的大小和数据类型。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.