不确定这是否是包中的错误或由于其他原因,但我们继续.

我正在使用以下包在相似度得分的对称矩阵(大小为10×10)上找到最大的特征值及其对应的特征向量：

scipy.sparse.linalg.eigen.arpack.eigsh

,像这样：

scipy.sparse.linalg.eigen.arpack.eigsh(mymatrix, 1, which='LM')

现在的问题是,当我运行它几次(使用相同的矩阵,设置等)时,有时特征向量中的值是正的,有时是负的(参见运行3).

有谁知道为什么会这样,或者它是一个错误？似乎没有一种模式,但它只发生在每次迭代后运行代码而不关闭Python时(即每次运行后点击F5).

### Run 1: ###
[[-0.31056873]
[-0.31913092]
[-0.3149287 ]
[-0.32262921]
[-0.32190688]
[-0.31292658]
[-0.32424732]
[-0.31885208]
[-0.31808024]
[-0.298174  ]]

### Run 2: ###
[[-0.31056873]
[-0.31913092]
[-0.3149287 ]
[-0.32262921]
[-0.32190688]
[-0.31292658]
[-0.32424732]
[-0.31885208]
[-0.31808024]
[-0.298174  ]]

### Run 3:###
[[ 0.31056873]
[ 0.31913092]
[ 0.3149287 ]
[ 0.32262921]
[ 0.32190688]
[ 0.31292658]
[ 0.32424732]
[ 0.31885208]
[ 0.31808024]
[ 0.298174  ]]

### Run 4: ###
[[-0.31056873]
[-0.31913092]
[-0.3149287 ]
[-0.32262921]
[-0.32190688]
[-0.31292658]
[-0.32424732]
[-0.31885208]
[-0.31808024]
[-0.298174  ]]

这不是一个主要问题,但我不喜欢我的代码中的不确定性;-)

提前谢谢了,

马丁

最佳答案 这实际上是一个数学问题.

但原因是当你计算特征向量时会有一个任意阶段.你正在为x解决Ax = bx.该方程在(可能是ocmplex)相位的乘法下是不变的.

至于为什么它以(看似)随机的方式发生,我不知道.但我很确定这不是一个错误.