我做了一个非常简单的QR算法代码,返回特征值和特征向量。在许多情况下,它运行良好。但是,在某些情况下,尽管特征值是正确的,但它会返回不正确的特征向量。
例如,矩阵: [[52,30,49,28],[30,50,8,44],[49,8,46,16],[28,44,16,22]]
,该过程返回正确的特征值和特征向量。但是,在以下情况下: [[1,-2,0,5],[0,7,1,5],[0,4,4,0],[0,0,0,2]]
,它返回具有正确特征值的错误特征向量。我通过"eigh"函数检查了正确的值,所有正确的特征值和特征向量都是实数。所以,这不是复数的问题。我不明白为什么会这样。
import numpy as np
def process(self, mat: List[List[float]]):
check = True
a = mat[:]
residual = 0.00001
eigenValues = []
eigenVectors = np.eye(len(mat))
while check:
check = False
q, r = np.linalg.qr(a)
a = np.dot(r, q)
eigenVectors = np.dot(eigenVectors, q)
for i in range(len(mat)):
for j in range(i):
if abs(a[i][j]) > residual: check = True
for i in range(len(a)): eigenValues.append(a[i][i])
print(eigenValues) #[1.0, 8.000000054834647, 2.9999999451653365, 2.0]
print(eigenVectors) #[[1.0, 0.0, 0.0, 0.0],
[0.0, 0.7071067941112008, -0.7071067682618934, 0.0],
[0.0, 0.7071067682618939, 0.7071067941112008, 0.0],
[0.0, 0.0, 0.0, 1.0]]
# The correct eigenvectors are
[[ 1. -0.19802951 0.23570226 0.90744251],
[ 0. 0.69310328 -0.23570226 -0.1814885 ],
[ 0. 0.69310328 0.94280904 0.362977 ],
[ 0. 0. 0. 0.1088931 ]]
这是来自"numpy.linalg.qr"采用的家庭反射算法的问题吗?我必须应用吉文斯轮换吗?或者,是我的二维码代码的问题?
QR 算法能够在输入矩阵对称时同时获得特征值和特征向量,但对于不对称情况,则没有这样的承诺。
因此,您的第一个输入矩阵之所以有效,是因为它是对称的。
第二个输入矩阵不对称。