快捷方式

torch.linalg.eigvalsh

torch.linalg.eigvalsh(A, UPLO='L', *, out=None) Tensor

计算复厄米特矩阵或实对称矩阵的特征值。

K\mathbb{K}R\mathbb{R}C\mathbb{C},复厄米特矩阵或实对称矩阵 AKn×nA \in \mathbb{K}^{n \times n} 的 **特征值** 定义为以下多项式 p 的根(按重数计算),该多项式为 n 次多项式:

p(λ)=det(AλIn)λRp(\lambda) = \operatorname{det}(A - \lambda \mathrm{I}_n)\mathrlap{\qquad \lambda \in \mathbb{R}}

其中 In\mathrm{I}_nn 维单位矩阵。实对称矩阵或复厄米特矩阵的特征值始终是实数。

支持 float、double、cfloat 和 cdouble 数据类型输入。还支持矩阵的批次,如果 A 是一个矩阵批次,那么输出具有相同的批次维度。

特征值按升序返回。

A 被假定为厄米特矩阵(或对称矩阵),但这在内部没有进行检查,而是

  • 如果 UPLO= ‘L’(默认),则仅使用矩阵的下三角部分进行计算。

  • 如果 UPLO= ‘U’,则仅使用矩阵的上三角部分。

注意

当输入在 CUDA 设备上时,此函数会将该设备与 CPU 同步。

另请参阅

torch.linalg.eigh() 计算完整的特征值分解。

参数
  • A (张量) – 形状为 (*, n, n) 的张量,其中 * 代表零个或多个批次维度,包含对称或厄米特矩阵。

  • UPLO ('L', 'U', 可选) – 控制计算中是否使用 A 的上三角或下三角部分。默认值:‘L’

关键字参数

out (张量, 可选) – 输出张量。如果为 None,则忽略。默认值:None

返回值

一个包含特征值的实值张量,即使 A 为复数也是如此。特征值按升序返回。

示例

>>> A = torch.randn(2, 2, dtype=torch.complex128)
>>> A = A + A.T.conj()  # creates a Hermitian matrix
>>> A
tensor([[2.9228+0.0000j, 0.2029-0.0862j],
        [0.2029+0.0862j, 0.3464+0.0000j]], dtype=torch.complex128)
>>> torch.linalg.eigvalsh(A)
tensor([0.3277, 2.9415], dtype=torch.float64)

>>> A = torch.randn(3, 2, 2, dtype=torch.float64)
>>> A = A + A.mT  # creates a batch of symmetric matrices
>>> torch.linalg.eigvalsh(A)
tensor([[ 2.5797,  3.4629],
        [-4.1605,  1.3780],
        [-3.1113,  2.7381]], dtype=torch.float64)

文档

访问 PyTorch 的综合开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源