我正在尝试将计算重现为 post使用 Python、NumPy。
H = np.array([[0.1, 0.3, .4],[0.5 , 0.5, 0.9],[0.1, 0.4, 0.5]])
u, s, vh = np.linalg.svd(H)
w, v = np.linalg.eig(H*H)
np.linalg.eig(H*H)
给出了与此 post 截然不同的结果.
为什么会这样?
最佳答案
有两个问题。首先,您没有调换乘数。其次,您使用的是逐元素乘法而不是矩阵乘法。
以下是解决这两个问题的方法:
In [18]: np.linalg.eig(np.matmul(H, H.T))
Out[18]:
(array([1.94501343e+00, 1.14315435e-05, 4.49751401e-02]),
array([[-0.35979589, -0.82953709, 0.42710084],
[-0.81600749, 0.05780546, -0.57514373],
[-0.4524143 , 0.55545183, 0.69770664]]))
或者,您可以使用 np.matrix
使 *
执行矩阵乘法:
In [22]: H = np.matrix([[0.1, 0.3, .4],[0.5 , 0.5, 0.9],[0.1, 0.4, 0.5]])
In [23]: np.linalg.eig(H*H.T)
Out[23]:
(array([1.94501343e+00, 1.14315435e-05, 4.49751401e-02]),
matrix([[-0.35979589, -0.82953709, 0.42710084],
[-0.81600749, 0.05780546, -0.57514373],
[-0.4524143 , 0.55545183, 0.69770664]]))
如果矩阵包含复数,您应该使用共轭转置 (.H
) 而不是转置 (.T
)。我选择不这样做以避免混淆符号 (H*H.H
)。
关于python - 使用此命令 `np.linalg.eig(H*H)` 计算特征分解是否合适?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56731281/