torch.linalg.eigvals¶

torch.linalg.eigvals(A, *, out=None) → 张量¶

计算方阵的特征值。

设 $\mathbb{K}$ 为 $\mathbb{R}$ 或 $\mathbb{C}$ ，方阵 $A \in \mathbb{K}^{n \times n}$ 的特征值定义为多项式 p 的根（按重数计），该多项式的次数为 n，由以下公式给出

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

其中 $\mathrm{I}_n$ 是 n 维单位矩阵。

支持输入 float、double、cfloat 和 cdouble 数据类型。还支持矩阵的批处理，如果 A 是矩阵的批处理，则输出具有相同的批处理维度。

注意

实矩阵的特征值可能是复数，因为实多项式的根可能是复数。

矩阵的特征值总是定义良好的，即使矩阵不可对角化。

注意

当输入位于CUDA设备上时，此函数会同步该设备与CPU。

另请参阅

torch.linalg.eig() 计算完整的特征值分解。

Parameters: A (张量) – 形状为 (*, n, n) 的张量，其中 * 表示零个或多个批次维度。
Keyword Arguments: 输出 (张量, 可选) – 输出张量。如果为无，则忽略。默认值：无。
Returns: 一个复数值的张量，包含当 A 为实数时的特征值。

示例：

>>> A = torch.randn(2, 2, dtype=torch.complex128)
>>> L = torch.linalg.eigvals(A)
>>> L
张量([ 1.1226+0.5738j, -0.7537-0.1286j], dtype=torch.complex128)

>>> torch.dist(L, torch.linalg.eig(A).eigenvalues)
张量(2.4576e-07)