Skip to main content
 首页 » 编程设计

python之numpy.linalg.eigvals 显示矩阵转置的不同值之这是由于溢出吗

2024年12月31日9Terrylee

根据我是否使用矩阵的转置,我从 np.linalg.eigvals 得到了不同的答案。

复制:

mat = np.array([[ -7.00616288e-08,  -2.79704289e-09 ,  1.67598654e-10], 
 [ -3.23676574e+07,  -1.58978291e+15,   0.00000000e+00], 
 [  0.00000000e+00  , 1.80156232e-02 , -2.32851854e+07]]) 
 
print(np.linalg.eigvals(mat)) 
print(np.linalg.eigvals(mat.transpose())) 

我得到:

[ -7.00616288e-08  -1.58978291e+15  -2.32851854e+07] 
[ -1.58978291e+15   2.50000000e-01  -2.32851854e+07] 

请注意,这些值是不同的。由于矩阵的特征值及其转置相同,我认为这些问题是由于溢出造成的。是否有一些我应该限制的最大值,以确保它始终一致?

请您参考如下方法:

不是因为溢出。溢出很容易检测到,并且会生成警告。问题是 double 的限制:当相加和相减大小非常不同的数字时,可能会丢失有效数字。例如,(1e20 + 1) - 1e20 == 0。

具有 2 个负特征值的第二个结果是不正确的,因为您的矩阵的行列式显然是负的:主对角线项的乘积的大小为 1e15,并且在很大程度上支配行列式中的所有其他项。所以行列式的符号就是这个乘积的符号,它是负的。

问题是 mat.T 在第一列中有所有小条目,比其他列中的条目小得多。在寻找枢轴时,算法可能会扫描该列并确定在那里找到的内容。这不一定是 .eigvals 的工作方式,但原理相同——数值线性代数算法往往从左上角开始,因此最好避免那里有小条目。这是一种方法:

mat1 = np.roll(mat, 1, axis=[0, 1]) 
print(np.linalg.eigvals(mat1)) 
print(np.linalg.eigvals(mat1.T)) 

打印

[-7.00616288e-08 -2.32851854e+07 -1.58978291e+15] 
[-2.32851854e+07 -1.58978291e+15 -7.00616288e-08]  

这是一致的。滚动两个 轴意味着通过置换矩阵共轭mat,这不会改变特征值。滚动矩阵是

[[-2.32851854e+07  0.00000000e+00  1.80156232e-02] 
 [ 1.67598654e-10 -7.00616288e-08 -2.79704289e-09] 
 [ 0.00000000e+00 -3.23676574e+07 -1.58978291e+15]] 

这给了 NumPy 一个很好的大数字作为开始。

理想情况下它会自己做类似的事情,但没有(实用的)算法适用于所有情况。