嗨，大家好!!!
我想计算形式的广义特征分解：
Lf = lambda Af
使用scipy.sparse.linalg.eigs函数，但得到此错误：
/usr/local/lib/python2.7/dist-packages/scipy/linalg/decomp_lu.py:61:RuntimeWarning：对角线数字65正好为零。奇异矩阵。 RuntimeWarning） **进入DLASCL时，参数编号4具有非法值
我传递了三个参数，一个对角矩阵，一个正半定（PSD）矩阵和数值K（第一个K特征值）。 Matlab的eigs函数使用相同的输入参数表现良好，但在我所理解的SciPy中，为了用PSD计算，我还需要指定sigma参数。
所以，我的问题是：有没有办法避免设置sigma参数，就像在MatLab中一样，或者如果没有，如何获取sigma值？
期待获得建议或提示...... 提前谢谢！
答案 0 :(得分：1)
错误似乎意味着在你的广义特征问题中
L x = lambda A x
矩阵A不是正定的（检查eigs docstring - 在你的情况下矩阵可能是单数）。这是ARPACK模式2的要求。但是，您可以尝试指定sigma=0以切换到ARPACK模式3（但请注意，which参数的含义在这种情况下是反转的！）。
现在，我不确定Matlab是做什么的，但有一种可能性是它计算的是伪逆，而不是A的倒数。要模仿这个，请执行
from scipy.sparse.linalg import LinearOperator
from scipy.linalg import lstsq
Ainv = LinearOperator(matvec=lambda x: lstsq(A, x)[0], shape=A.shape)
w, v = eigs(L, M=A, Minv=Ainv)
检查结果---我不知道在这种情况下会发生什么。
或者，您可以尝试指定非零sigma。您应该选择什么取决于所涉及的矩阵。它会影响所选择的特征值 - 例如，which='LM'是lambda' = 1/(lambda - sigma)大的特征值。否则，它可能是任意选择的，当然，如果你感兴趣的变换特征值lambda'与其他特征值很好地分离，那么对于Krylov进展来说可能更好。