[英]X X^T Matrix is not positive definite, although it should be
我有一个矩阵M
其中M.shape = (679, 512)
。
我想找到MM^T
的特征向量和特征值,它是协方差矩阵,在数学中应该是正定的。 我发现他们使用:
import numpy as np
v, w = np.linalg.eig(np.matmul(M, M.T))
但是,出于某种原因,我将我的特征值/特征向量视为:
>>> v
array([ 1.17577206e+10+0.0000000e+00j, 1.05090161e+10+0.0000000e+00j,
7.01098189e+09+0.0000000e+00j, 5.19451802e+09+0.0000000e+00j,
...
1.03985971e-12+0.0000000e+00j, -3.04194468e-13+6.9097571e-13j,
-3.04194468e-13-6.9097571e-13j, 1.77363116e-13+0.0000000e+00j,
-1.20885913e-13+0.0000000e+00j, -4.95627438e-14+0.0000000e+00j,
-1.56456859e-16+0.0000000e+00j], dtype=complex64)
这怎么可能? MM^T
不应该是半正定的,只给出正特征值和实特征值吗? 如何获得非实数特征值?
def is_positive_def(x):
return np.all(np.linalg.eigvals(x) > 0)
“MM^T 不应该是半正定的,只给出正和实特征值吗?” 如果您将“正”更改为“非负”,那么是的,这在数学上是正确的。 事实上,而不是numpy.linalg.eig
,您可以使用numpy.linalg.eigh
,这将返回真正的特征向量。
请注意,在一些地方,您错误地陈述了该声明,并说 MM^T 是正定的。 那是不正确的。 如果 M 的形状为 (679, 512),则 679 - 512 = 167 个特征值将为 0; MM^T 是半定的,不是正定的。
在特征值的数值计算中,所有为 0 的理论值将不会由eig
或eigh
精确计算。 前 167 个特征值将接近于零,数值误差可能导致其中一些值为负。 当我对随机 M 进行计算时(特别是M = np.random.gamma(8, size=(679, 512))
,MM^T 的最大特征值约为 2.227e7,最小的是 -5.822e- 10,最小的震级是 3.881e-13。注意 5.822e-10/2.227e7(即np.abs(v.min()) / v.max()
)大约是 2.61e-17,所以所有那些相对于最大的特征值,小的特征值实际上是 0。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.