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。
令 为 或 ,复厄米特矩阵或实对称矩阵 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:
其中 是 n 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)