1
我想用scipy.sparse.linalg.eigsh使用shift-invert模式找到复杂矩阵的特征值和特征向量。在矩阵中只有实数,我可以得到与spicy.linalg.eigh求解器相同的结果,但是在添加虚部时,特征值会发散。一个微小的例子:Scipy eigsh为复杂输入矩阵返回错误结果
import numpy as np
from scipy.linalg import eigh
from scipy.sparse.linalg import eigsh
n = 10
X = np.random.random((n, n)) - 0.5 + (np.random.random((n, n)) - 0.5) * 1j
X = np.dot(X, X.T) # create a symmetric matrix
evals_all, evecs_all = eigh(X)
evals_small, evecs_small = eigsh(X, 3, sigma=0, which='LM')
print(sorted(evals_all, key=abs))
print(sorted(evals_small, key=abs))
在这种情况下的打印例如是
[0.041577858515751132, -0.084104744918533481, -0.58668240775486691, 0.63845672501004724, -1.2311727737115068, 1.5193345703630159, -1.8652302423152105, 1.9970059660853923, -2.6414593461321654, 2.8624290667460293]
[-0.017278543470343462, -0.32684893256215408, 0.34551438015659475]
而在实际情况下,第一三个特征值是相同的。
我知道我将一个密集矩阵传递给稀疏求解器,但这只是作为示例。
我可能在某处丢失了某些明显的东西,但我会很高兴看到一些提示。谢谢!
你需要'conj()。T'来制造厄米特。 – percusse