我试图理解计算矩阵特征值的幂迭代法。
我遵循了en.wikipedia.org/wiki/Power_iteration#The_method中的算法:
from math import sqrt
def powerIteration(A):
b = [random() for i in range(len(A))]
tmp = [0] * len(A)
for iteration in range(10000):
for i in range(0, len(A)):
tmp[i] = 0
for j in range(0, len(A)):
tmp[i] += A[i][j] * b[j]
normSq = 0
for k in range(0, len(A)):
normSq += tmp[k] * tmp[k]
norm = sqrt(normSq)
for i in range(len(A)):
b[i] = tmp[i] / norm
return b
当我运行powerMethod([[0.0, 1.0], [1.0, 0.0]])
时,它返回随机数对,例如:[0.348454142915605, 0.9373258293064111]
或[0.741752215683863, 0.6706740270266026]
问题1-为什么这些数字是随机的?显然我是从随机向量开始的,但我希望它会收敛。
问题2-当我输入时,有一个Online Matrix Calculator:
0 1
1 0
它返回:
Eigenvalues:
( 1.000, 0.000i)
(-1.000, 0.000i)
Eigenvectors:
( 0.707, 0.000i) (-0.707, 0.000i)
( 0.707, 0.000i) ( 0.707, 0.000i)
如果我理解正确,返回b
应该得到这些特征向量中的一个,但不是。为什么输出如此不同?
问题3-我应该在上面的算法中添加什么,以便它返回一个特征值(在本例中是1还是-1)?(如果理解正确,幂迭代只返回一个特征值。)如何实际计算一个特征值?
幂方法不收敛于矩阵。
从维基百科页面:
Lambda_1和Lambda_2是绝对值最高的两个特征值。在你的例子中,它们是1和-1,所以收敛比是| 1/-1 |=1。换言之,每次迭代的误差都是一样的,所以幂法不起作用。
另一种理解方法是矩阵取一对(a,b)并将其反转成(b,a)。你得到的答案将仅仅取决于你是否做了偶数或奇数的迭代。
相关问题 更多 >
编程相关推荐