Skip to main content
 首页 » 编程设计

python之SciPy 中是否存在(或为什么不存在)稀疏矩阵的矩阵平方根运算

2025年02月15日7飞鱼

我正在搜索 SciPy 稀疏矩阵上的矩阵平方根运算,如 scipy.linalg.sqrtm(不是元素明智的平方根),但我找不到任何东西。换句话说,scipy.sparse.linalg.sqrtm 不存在。有谁知道在稀疏矩阵上执行此操作的方法(除了转换为密集矩阵和使用 SciPy 的 linalg.sqrtm)

人们建议通过 sparse_matrix**power 对稀疏矩阵进行矩阵幂运算,但它只能处理整数幂。

请您参考如下方法:

我在 numpy 中找不到 sqrtm。我确实在 scipy.linalg 包 scipy.linalg.sqrtm 中找到了它。

我做了一个随机稀疏矩阵

In [377]: M=sparse.random(10,10,.2,'csr') 

我在其密集版本上尝试了 sqrtm:

In [378]: linalg.sqrtm(M.A) 
Matrix is singular and may not have a square root. 

我第一次尝试这个时得到了很多 nan。第二个我得到一个像这样的数组:

Out[378]:  
array([[ 0.88617894 -5.55111512e-17j,  0.01749504 -2.77555756e-17j, 
        -0.04458481 +2.77555756e-17j,  0.64717137 -8.32667268e-17j, 
         ... 
        -0.36856923 -2.77555756e-17j,  0.44353864 +3.29597460e-17j]]) 

即使我将它应用于M**2,我也会得到这种结果; linalg.sqrtm((M**2).A).

所以我认为您需要深入研究线性代数理论,并找出在处理稀疏矩阵时 sqrtm 是否以及何时有意义。 sqrtm 引用了 Blocked Schur Algorithms(MATLAB 使用相同的 2013 引用)。你了解那个方法吗?


有了更大的矩阵,我得到了一个非奇异的案例:

In [427]: M=sparse.random(100,100,.1,'csr') 
In [428]: M 
Out[428]:  
<100x100 sparse matrix of type '<class 'numpy.float64'>' 
    with 1000 stored elements in Compressed Sparse Row format> 
In [429]: a1=linalg.sqrtm(M.A) 
In [430]: np.allclose(a1.dot(a1),M.A) 
Out[430]: True 

生成的数组看起来不是很稀疏。这是通过密集代码的产物,还是正常现象?如果结果几乎总是密集的,那么实现稀疏版本就没有什么意义了,是吗?

In [431]: a1 
Out[431]:  
array([[ 0.62268422+0.03131536j, -0.27157347-0.17225629j, 
        -0.08630637-0.07467316j, ...,  0.09462768+0.03892438j, 
         0.01204048-0.07234779j, -0.08013413+0.0382219j ], 
       [-0.08049302-0.09802712j,  0.54396429+0.03354472j, 
        -0.07932389+0.16519734j, ...,  0.01665645+0.03595561j, 
        -0.04592068+0.03031138j,  0.19135217-0.06070762j], 
       [ 0.05835017-0.05424398j,  0.05459725+0.12541806j, 
         0.69837931+0.22229791j, ..., -0.07561791-0.01402142j, 
         0.02495625-0.00127714j,  0.07991591-0.03378647j], 
       ...,  
       [ 0.06234687-0.07739042j,  0.14074254+0.08867074j, 
        -0.12518048+0.2243023j , ...,  0.68834226+0.06496256j, 
        -0.02286238+0.03550603j,  0.10621082+0.0017906j ], 
       [ 0.04219961+0.03750657j, -0.41050630-0.03515527j, 
        -0.10442910-0.03450125j, ..., -0.20640545-0.00679942j, 
         0.55934004-0.03639518j,  0.07098921+0.02929779j], 
       [ 0.09551901-0.03121943j, -0.20974550-0.11607423j, 
        -0.19168294-0.01187921j, ..., -0.23618268+0.09158539j, 
        -0.18803705+0.00693476j,  0.63079575+0.02476722j]]) 

无论如何,我不能告诉你为什么没有这样的功能,因为我不是 scipy.sparse 开发人员。但是这个简短的探索表明这样的功能是不实用的。否则,您需要提出示例数组 - 最好是稀疏矩阵具有稀疏 sqrtm 的示例数组,并且计算速度比使用密集等效项计算更快。