Python-矩阵性能慢

我试图对一个2^N*2^N的复矩阵执行一些精确的对角化，其中N等于16。 我使用numpy.linalg.eigh并使用特征向量矩阵执行标量积来创建新的2^N*2^N矩阵。 这个新矩阵应该是64gb（（2^2N）*16），但使用htop我可以确定python消耗261gb。主要问题是，创建此矩阵需要很长的时间，与对N=14,12执行相同计算所需的时间不成比例（其中应缩放为dim^2）

有人遇到过这样的问题吗

---

提前谢谢

我从N=5开始，做矩阵对角化。测量计算时间并慢慢增加N。因为对角化有立方（！）复杂度O（N^3），我想它在计算上是不可行的。（这样你就不用担心记忆力了……）谢谢你的回复。对角化确实是立方的，但问题不在于此，而在于使用标量积构造一个新的矩阵（这应该是二次缩放的）。请您展示一下您的代码好吗？当

numpy

操作开始陷入困境时，我通常认为它进行了过多的内存交换。但是我使用的是一台内存有限的旧计算机，我从N=5开始，然后进行矩阵对角化。测量计算时间并慢慢增加N。因为对角化有立方（！）复杂度O（N^3），我想它在计算上是不可行的。（这样你就不用担心记忆力了……）谢谢你的回复。对角化确实是立方的，但问题不在于此，而在于使用标量积构造一个新的矩阵（这应该是二次缩放的）。请您展示一下您的代码好吗？当

numpy

操作开始陷入困境时，我通常认为它进行了过多的内存交换。但是我使用的是一台内存有限的旧电脑。