我正在使用python 的scikits.sparse.cholmod来获得对称矩阵的 cholesky 分解。
我将cholesky()的结果与 matlab 的chol()进行了比较。结果与某些行和列互换时存在差异。我试图迭代分解以获得特征值,这种差异似乎是有问题的。
这是我的代码:
import numpy as np
from scipy.sparse import csr_matrix
from scipy.sparse import csc_matrix
from scikits.sparse.cholmod import cholesky
A = csr_matrix([[1,2,0,0], [0,0,3, 0], [4,0,5, 0], [0, 0, 1, 2]])
B = (A*A.T)
print "B: "
print B.todense()
for i in range(10):
factor = cholesky(B.tocsc())
l = factor.L() #l is lower triangular
B = (l.T*l)
print l.todense()
第一次迭代的下三角矩阵是:
[[ 2.23606798 0. 0. 0. ]
[ 0. 3. 0. 0. ]
[ 0. 1. 2. 0. ]
[ 1.78885438 5. 0. 3.57770876]]
而matlab的下三角矩阵为:
[2.2361 0 0 0
0 3.0000 0 0
1.7889 5.0000 3.5777 0
0 1.0000 0 2.0000]
matlab 结果是合理的,因为它导致正确的特征值。在 python 中选择稀疏矩阵的类型我做错了吗?