使用Sympy求解厄米特矩阵特征值时虚部异常问题求助

问题根源 #

厄米特矩阵特征值理论上必为实数，但你调用evalf(5)触发了数值近似计算，浮点数舍入误差会引入极小的虚部；若直接对含符号变量的矩阵做数值特征值求解，这类精度问题也会显现。

解决方案 #

1. 优先使用符号化求解 #

跳过提前数值近似，直接调用eigenvals()做符号计算，能保证特征值的实数性（只要矩阵严格厄米特），适合理论推导场景：

from sympy import *
init_printing(use_latex=True) 
t12=symbols('t12')
t13=symbols('t13')
t16=symbols('t16')
t34=symbols('t34')

H0=Matrix([[0 for i in range(6)] for j in range(6)])

# 填充矩阵上三角元素
H0[0,1]=-t12
H0[0,2]=-t13
H0[0,5]=-t16*exp(-4*pi*I/3)
H0[1,3]=-t13
H0[1,4]=-t16*exp(4*pi*I/3)
H0[2,3]=-t34*exp(-4*pi*I/3)
H0[2,4]=-t13
H0[3,5]=-t13
H0[4,5]=-t12

# 填充矩阵下三角元素（保证厄米特）
H0[1,0]=-t12
H0[2,0]=-t13
H0[3,1]=-t13
H0[3,2]=-t34*exp(4*pi*I/3)
H0[4,1]=-t16*exp(-4*pi*I/3)
H0[4,2]=-t13
H0[5,0]=-t16*exp(4*pi*I/3)
H0[5,3]=-t13
H0[5,4]=-t12

# 符号化求解特征值
eig_sym = H0.eigenvals()

2. 数值求解后清理虚部 #

若需代入具体数值做计算，可通过阈值过滤极小虚部，保留实部：

# 代入具体参数值
H0_num = H0.subs({t12: 1, t13: 0.5, t16: 0.3, t34: 0.2})
eig_num = H0_num.eigenvals()

# 过滤虚部：当虚部绝对值小于1e-10时，仅保留实部
cleaned_eigenvalues = {
    v.real if abs(v.imag) < 1e-10 else v: count
    for v, count in eig_num.items()
}

3. 验证矩阵的厄米特性 #

确保矩阵严格满足H = H^†（共轭转置等于自身），这是特征值为实数的前提：

# 验证厄米特性
print(H0 == H0.conjugate().T)  # 输出True则矩阵构造正确

若输出False，需修正矩阵元素的共轭对称性，这是特征值出现虚部的核心原因之一。

内容的提问来源于stack exchange，提问作者Ali Rayat