如何确定非标准内积空间中矩阵的伴随(python)
我试图计算非标准内积空间中10000 x 10000稀疏矩阵的伴随 (对于那个里的物理学家来说:矩阵是矩阵的一种表示,在这种情况下不是自伴的。) 我想计算伴随的内积空间是由对应于矩阵第一个特征值的特征向量(对应于平衡概率密度)加权得到的如何确定非标准内积空间中矩阵的伴随(python),python,matrix,scipy,linear-algebra,Python,Matrix,Scipy,Linear Algebra,我试图计算非标准内积空间中10000 x 10000稀疏矩阵的伴随 (对于那个里的物理学家来说:矩阵是矩阵的一种表示,在这种情况下不是自伴的。) 我想计算伴随的内积空间是由对应于矩阵第一个特征值的特征向量(对应于平衡概率密度)加权得到的 scipy函数scipy.sparse.linalg.LinearOperator或numpy.matrix.H似乎没有用于不同内积空间的选项 计算矩阵a的伴随结果非常简单 如果你的内积空间是用矩阵M加权的,你只需要计算M^1 a^T M,其中T是(共轭)转置,
scipy函数
scipy.sparse.linalg.LinearOperator
或numpy.matrix.H
似乎没有用于不同内积空间的选项 计算矩阵a的伴随结果非常简单
如果你的内积空间是用矩阵M加权的,你只需要计算M^1 a^T M,其中T是(共轭)转置,第一项是矩阵M的逆
在稀疏矩阵a的代码中,这将是:
import scipy.sparse as sparse
def computeAdjoint(A,measure):
"""Compute the adjoint matrix our inner product space by multiplying
with the kernel of integration/weighting function inverse on the left
and weighting function itself on the right"""
Minv=sparse.diags(1./measure)
M=sparse.diags(measure)
return Minv*A.transpose()*M
(还请注意,*代表矩阵乘法,A.multiply(M)代表组件乘法)一个小的具体示例会有所帮助。熟悉
scipy.sparse
的人可能不熟悉Fokker-Planck
等。这确实有点不清楚。我已经把这个问题和物理学分开了。