如何在SciPy中实现稀疏正规矩阵的酉对角化？

先说结论：对于大规模稀疏的正规矩阵，SciPy的稀疏模块没有直接提供完整的酉对角化工具，但有几个可行的办法满足你的需求：

可行方案 #

• 用scipy.sparse.linalg.eigs并手动正交化：正规矩阵的特征向量本身是天然正交的，eigs返回的结果可能因为数值误差没严格正交，尤其是特征空间维度大于1的时候。你可以指定k参数获取需要的特征值/向量，拿到结果后用scipy.linalg.qr对特征向量矩阵做酉正交化，得到严格的酉矩阵U。示例代码：

  import scipy.sparse.linalg as spla
  import scipy.linalg as la
  
  # A是你的稀疏正规矩阵
  vals, vecs = spla.eigs(A, k=需要的特征数量)
  # 对特征向量做酉正交化，得到标准酉矩阵
  U, _ = la.qr(vecs, mode='complete')
  # D是对角矩阵，对角元就是获取到的特征值vals
  

• 分批次处理（谨慎使用）：如果确实需要大量特征值，可分多次调用eigs指定不同的which参数（比如'LM'取最大模特征值、'SM'取最小模特征值）获取不同区间的特征值/向量，再对所有向量做全局正交化。但要注意，大规模矩阵存储太多特征向量会占用O(n²)内存，一般不推荐这种操作。
• 利用正规矩阵的性质简化：正规矩阵满足$A^H A = A A^{H$，你可以先计算$A}H A$的特征值（对应A的特征值模的平方），再结合A的特征值相位信息推导，但这种方法步骤繁琐，不如直接处理A高效。

关键提醒 #

• 稀疏矩阵不可能获取全部特征值/向量，因为存储所有特征向量需要O(n²)内存，对于大规模矩阵（比如n>1e4），稠密存储根本无法承载，所以通常只获取关键的部分特征值/向量。
• 不要用eigsh，它是专门针对Hermitian矩阵的工具，而正规矩阵不一定是Hermitian，直接用支持一般复矩阵的eigs即可。

内容的提问来源于stack exchange，提问作者quantumpenguin