torch.linalg.eigvalsh

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

計算復埃爾米特矩陣或實對稱矩陣的特徵值。

設 $\mathbb{K}$ 為 $\mathbb{R}$ 或 $\mathbb{C}$，復埃爾米特或實對稱矩陣 $A \in \mathbb{K}^{n \times n}$ 的**特徵值**定義為多項式 p 的根（按重數計算），該多項式次數為 n，由下式給出：

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

其中 $\mathrm{I}_n$ 是 n 維單位矩陣。實對稱或復埃爾米特矩陣的特徵值始終是實數。

支援浮點 (float)、雙精度浮點 (double)、複數浮點 (cfloat) 和複數雙精度浮點 (cdouble) 資料型別。還支援矩陣批處理，如果 `A` 是一個矩陣批處理，則輸出具有相同的批處理維度。

特徵值按升序返回。

A 被假定為埃爾米特（分別為對稱），但內部不進行檢查，而是

• 如果 UPLO= ‘L’（預設），則僅使用矩陣的下三角部分進行計算。

• 如果 UPLO= ‘U’，則僅使用矩陣的上三角部分。

注意

當輸入在 CUDA 裝置上時，此函式會使該裝置與 CPU 同步。

另請參閱

torch.linalg.eigh() 計算完整的特徵值分解。

引數

• A (Tensor) – 形狀為 (*, n, n) 的張量，其中 * 是零個或多個批次維度，由對稱或埃爾米特矩陣組成。

• UPLO ('L', 'U', optional) – 控制在計算中使用 A 的上三角部分還是下三角部分。預設值：‘L’。

關鍵字引數

out (Tensor, optional) – 輸出張量。如果為 None 則忽略。預設為 None。

返回

即使 A 是複數，也返回實數值張量。特徵值按升序返回。

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)