小编hel*_*ica的帖子

我正在尝试计算这个矩阵的特征向量和特征值

import numpy as np
la = 0.02
mi = 0.08
n = 500

d1 = np.full(n, -(la+mi), np.double)
d1[0] = -la
d1[-1] = -mi
d2 = np.full(n-1, la, np.double)
d3 = np.full(n-1, mi, np.double)

A = np.diagflat(d1) + np.diagflat(d2, -1) + np.diag(d3, 1)
e_values, e_vectors = np.linalg.eig(A)

如果我将矩阵的维度设置为 n < 110，则输出很好。但是，如果我将其设置为 n >= 110，则特征值和特征向量分量都会变成具有显着虚部的复数。为什么会发生这种情况？它应该发生吗？这是非常奇怪的行为，坦率地说，我有点卡住了。