numpy.linalg.cond 返回的是最大和最小特征值的比值吗？
Is numpy.linalg.cond returning the ratio of the biggest and smallest eigenvalue?
我需要计算一个矩阵的最大特征值和最小特征值的比值，据我所知这叫做"condition number"。我找到了计算矩阵条件数的 numpy.linalg.cond，但我想知道这是否实际上对应于最大和最小特征值之间的比率。有人可以给我一些指示吗？
根据文档，np.linalg.cond 被定义为数组范数乘以数组范数的倒数，这不是您要查找的内容。但你想要的可以轻松完成：
import numpy as np
Eigs = np.linalg.eigvals(yourarrayhere)
cond = np.max(Eigs)/np.min(Eigs)
我需要计算一个矩阵的最大特征值和最小特征值的比值，据我所知这叫做"condition number"。我找到了计算矩阵条件数的 numpy.linalg.cond，但我想知道这是否实际上对应于最大和最小特征值之间的比率。有人可以给我一些指示吗？
根据文档，np.linalg.cond 被定义为数组范数乘以数组范数的倒数，这不是您要查找的内容。但你想要的可以轻松完成：
import numpy as np
Eigs = np.linalg.eigvals(yourarrayhere)
cond = np.max(Eigs)/np.min(Eigs)