如何解决为什么 np.linalg.eig(L) 不能得到正确的结果?
我们都知道拉普拉斯矩阵的最小特征值为零,特征向量为[1 1 ... 1]
,因为每一行的和为零。
所以对于矩阵:[[ 1. -1. 0.][-1. 2. -1.][ 0. -1. 1.]]
我尝试了 np.linalg.eig(L)
、np.linalg.eigh(L)
、scipy.linalg.eig(L)
,但它们中的每一个都无法得到零和 [1 1 ... 1]
。
在np.linalg.eig(L)
中:
(-3.367702055640532e-17,0.9999999999999998,2.999999999999999)
(array([-0.40824829,0.70710678,0.57735027]),array([8.16496581e-01,2.61239546e-16,5.77350269e-01]),array([-0.40824829,-0.70710678,0.57735027]))
在np.linalg.eigh(L)
中:
(9.996582244115599e-17,1.0,3.0)
(array([-0.57735027,0.40824829]),array([-5.77350269e-01,7.58447699e-17,-8.16496581e-01]),array([-0.57735027,0.40824829]))
在scipy.linalg.eig(L)
中:
((-3.367702055640532e-17+0j),(0.9999999999999998+0j),(2.999999999999999+0j))
(array([-0.40824829,0.57735027]))
我知道计算机表示错误,但特征向量远非 [1 ... 1]^T
。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。