根據規則exp(A+B) = exp(A)exp(B)，這適用于通勤矩陣A和B時，即AB = BA，我們有exp(2A) = exp(A)exp(A)。但是，當我在 Python 中運行以下命令時：import numpy as npfrom scipy.linalg import expmA = np.arange(1,17).reshape(4,4)print(expm(2*A))[[ 306.63168024 344.81465009 380.01335176 432.47730444] [ 172.59336774 195.36562731 214.19453937 243.76985501] [ -35.40485583 -39.87705598 -42.94545895 -50.01324379] [-168.44316833 -190.32607875 -209.76427134 -237.72069322]]print(expm(A) @ expm(A))[[1.87271814e+30 2.12068332e+30 2.36864850e+30 2.61661368e+30] [4.32685652e+30 4.89977229e+30 5.47268806e+30 6.04560383e+30] [6.78099490e+30 7.67886126e+30 8.57672762e+30 9.47459398e+30] [9.23513328e+30 1.04579502e+31 1.16807672e+31 1.29035841e+31]]我得到兩個截然不同的結果。請注意，這@只是矩陣乘積。我也在Matlab中嘗試過，兩個結果和預期的一樣。我在這里缺少什么？編輯：我有 NumPy 1.15.3、SciPy 1.1.0、Python 3.6.4、Windows 7 64 位正如Warren Weckesser在評論中所建議的，使用A = A.astype(np.float64)可以解決問題。
1 回答
慕蓋茨4494581
TA貢獻1850條經驗 獲得超11個贊
簡而言之：scipy 1.1.0 中有一個 bug，它似乎已在 1.2.0 中修復。
安裝最新的scipy（1.2.1），下面通過就好了：
import numpy as np
from scipy.linalg import expm
A = np.arange(1,17).reshape(4,4)
assert (expm(A) @ expm(A) == expm(2 * A)).all()
添加回答
舉報
0/150
提交
取消