Numpy 矩阵不是正定的,尽管它应该是正定的
我有一个矩阵Numpy 矩阵不是正定的,尽管它应该是正定的,numpy,linear-algebra,Numpy,Linear Algebra,我有一个矩阵M,其中M.shape=(679512) 我想找到M^T的特征向量和特征值,它是共价矩阵,在数学上应该是正定的。我发现他们使用: import numpy as np v, w = np.linalg.eig(np.matmul(M, M.T)) 然而,出于某种原因,我认为我的特征值/特征向量如下: >>> v array([ 1.17577206e+10+0.0000000e+00j, 1.05090161e+10+0.0000000e+00j,
M
,其中M.shape=(679512)
我想找到M^T
的特征向量和特征值,它是共价矩阵,在数学上应该是正定的。我发现他们使用:
import numpy as np
v, w = np.linalg.eig(np.matmul(M, M.T))
然而,出于某种原因,我认为我的特征值/特征向量如下:
>>> v
array([ 1.17577206e+10+0.0000000e+00j, 1.05090161e+10+0.0000000e+00j,
7.01098189e+09+0.0000000e+00j, 5.19451802e+09+0.0000000e+00j,
...
1.03985971e-12+0.0000000e+00j, -3.04194468e-13+6.9097571e-13j,
-3.04194468e-13-6.9097571e-13j, 1.77363116e-13+0.0000000e+00j,
-1.20885913e-13+0.0000000e+00j, -4.95627438e-14+0.0000000e+00j,
-1.56456859e-16+0.0000000e+00j], dtype=complex64)
这怎么可能?难道M^t
不应该是半正定的,只给出正的和实的特征值吗?如何得到非实特征值
def is_positive_def(x):
return np.all(np.linalg.eigvals(x) > 0)
“M^M不应该是半正定的,只给出正的和实的特征值吗?”如果你把“正的”改为“非负的”,那么是的,这在数学上是正确的。实际上,可以使用,而不是,它将返回实特征值和特征向量
请注意,在一些地方,您错误地陈述了该声明,并说M^T是正定的。这是不对的。若M有形状(679512),则679-512=167的特征值为0;M^T是半定的,不是
在特征值的数值计算中,
eig
或eig
不会精确计算所有0的理论值。前167个特征值将接近零,数值误差可能导致其中一些值为负值。当我对一个随机M进行计算时(具体来说,M=np.random.gamma(8,size=(679512))
,M^T的最大特征值约为2.227e7,最小的为-5.822e-10,最小的震级为3.881e-13。注意5.822e-10/2.227e7(即np.abs(v.min())/v.max()
)大约是2.61e-17,所以所有这些小特征值相对于最大特征值实际上都是0。我真的不知道确切的答案,但是考虑到所有的负值都非常小,我强烈怀疑这与数值舍入问题有关。最小特征值是(-284.69064+0j)
你能给这个问题添加一个示例矩阵吗?你显示的所有负特征值都非常小,我在尝试使用np.random.randn(630512)生成的随机数组时得到了相同的结果
@user545424编辑太大,有问题,但这里有一个文件-可以使用np.load
加载。如果您可以使用易于创建的东西(即使用np.random
或其他东西)复制它,那就太好了对你的问题的简短回答是,如果你知道你的矩阵是对称的,你应该使用np.eigh
。