python - 为什么numpy.linalg.eig不满足“矩阵点特征向量=特征值点特征向量”？

Question

谈话很便宜，这是代码。

#!/usr/bin/env python
# coding=utf-8
from numpy import linalg as nlin
from numpy import dot,array
def check_eig(matrix):
    eigen_values,eigen_vector_matrix=nlin.eig(test_matrix)
    print('list of eigen values:','\n',eigen_values)
    print('matrix of eigen vectors:','\n',eigen_vector_matrix)
    for i in range(len(eigen_values)):
        print('='*5)
        print('current eigen value:',eigen_values[i])
        print('current eigen vector:',eigen_vector_matrix[:,i])                
        print(dot(matrix,eigen_vector_matrix[:,i])==dot(eigen_values[i],eigen_vector_matrix[:,i]))
        print('-'*5)
    pass
if __name__=='__main__':
    test_matrix=array([[2,4,7,3],[3,4,1,9],[2,3,6,1],[5,5,10,11]])
    check_eig(test_matrix)
    pass

输出是：

list of eigen values: 
[19.53900138+0.j         -0.67342882+0.j          2.06721372+2.80827583j
2.06721372-2.80827583j]
matrix of eigen vectors: 
[[ 0.33504457+0.j         -0.94360845+0.j         -0.1790607 -0.21350827j
-0.1790607 +0.21350827j]
[ 0.51694078+0.j          0.23884601+0.j          0.79630803+0.j
0.79630803-0.j        ]
[ 0.21990713+0.j          0.14936312+0.j         -0.33955605-0.22141925j
-0.33955605+0.22141925j]
[ 0.75641141+0.j          0.17391471+0.j         -0.07359501+0.34424407j
-0.07359501-0.34424407j]]
=====
current eigen value: (19.53900137643081+0j)
current eigen vector: [0.33504457+0.j 0.51694078+0.j 0.21990713+0.j 0.75641141+0.j]
[False False False False]
-----
=====
current eigen value: (-0.6734288183538105+0j)
current eigen vector: [-0.94360845+0.j  0.23884601+0.j  0.14936312+0.j  0.17391471+0.j]
[False False False False]
-----
=====
current eigen value: (2.06721372096151+2.808275832055751j)
current eigen vector: [-0.1790607 -0.21350827j  0.79630803+0.j         -0.33955605-0.22141925j
-0.07359501+0.34424407j]
[False False False False]
-----
=====
current eigen value: (2.06721372096151-2.808275832055751j)
current eigen vector: [-0.1790607 +0.21350827j  0.79630803-0.j         -0.33955605+0.22141925j
-0.07359501-0.34424407j]
[False False False False]
-----

这很奇怪；谁能告诉我为什么 numpy.linalg.eig 中的方法不满足基本方程“矩阵点特征向量 = 特征值点特征向量”？

标签： pythonnumpymatrix

Answer 1

舍入误差。

如果我们将 替换为==，-我们会发现差异都非常小，10⁻¹⁵ 和相似。

这通常适用于计算机上的浮点数学。将它们与 精确比较==会产生不可靠的结果，有时匹配，有时不匹配。

当我们需要比较浮点数时，我们需要减去它们，取绝对值并检查它是否小于某个容差（通常称为“epsilon”，尽管这也有一些不同的技术含义）。

如果我们这样写，测试就通过了：

abs(矩阵点特征向量 - 特征值点特征向量) < 10⁻¹⁴

print(abs(dot(matrix, eigen_vector_matrix[:,i]) - dot(eigen_values[i], eigen_vector_matrix[:,i])) < 1e-14)

当舍入误差仍然很小时，有一个完整的研究领域，“数值稳定性”。例如，计算标准差的教科书公式就有这个问题——如果直接实现，舍入误差会变大——因此必须使用不同的公式在计算机上计算标准差。