使用Spectra求解大型稀疏矩阵特征值无结果的原因排查

核心问题：误用通用特征值求解器 #

你的矩阵是对称稀疏矩阵，但代码中使用了针对通用非对称矩阵的Spectra::GenEigsSolver，这会导致收敛效率低下甚至失败。Spectra库为对称矩阵提供了专门的SymEigsSolver，利用对称矩阵的实数特征值、正交特征向量等性质，能更稳定地完成特征值求解。

具体修正步骤 #

• 替换矩阵操作类：将Spectra::SparseGenMatProd改为Spectra::SparseSymMatProd，这是对称稀疏矩阵的专用乘积操作类。
• 替换求解器类：用Spectra::SymEigsSolver替代Spectra::GenEigsSolver。
• 调整特征值排序规则：计算条件数需要分别求解最大代数特征值（SortRule::LargestAlge）和最小代数特征值（SortRule::SmallestAlge），对称矩阵特征值均为实数，代数排序更直接匹配条件数的计算需求，而非基于模长的LargestMagn。

修正后的代码示例 #

// 对称稀疏矩阵的乘积操作类
Spectra::SparseSymMatProd<double> op(energy_mat);
// 求解3个特征值，子空间维度设为6（通常取目标特征值数量的2-3倍）
Spectra::SymEigsSolver<Spectra::SparseSymMatProd<double>> eigs(op, 3, 6);

eigs.init();
// 求解最大代数特征值
int nconv_large = eigs.compute(Spectra::SortRule::LargestAlge);
Eigen::VectorXd evalues_large;
if (eigs.info() == Spectra::CompInfo::Successful)
    evalues_large = eigs.eigenvalues();

// 重新初始化求解最小代数特征值
eigs.init();
int nconv_small = eigs.compute(Spectra::SortRule::SmallestAlge);
Eigen::VectorXd evalues_small;
if (eigs.info() == Spectra::CompInfo::Successful)
    evalues_small = eigs.eigenvalues();

std::cout << "最大特征值:\n" << evalues_large << std::endl;
std::cout << "最小特征值:\n" << evalues_small << std::endl;

// 计算条件数（假设最大最小特征值均不为0）
double cond = evalues_large(0) / evalues_small(0);
std::cout << "矩阵条件数:\n" << cond << std::endl;

其他优化建议 #

• 子空间维度（构造函数第二个参数）建议设为目标特征值数量的2-3倍，提升收敛成功率。
• 若矩阵正定，可使用SymEigsShiftSolver结合移位策略，加速最小特征值的求解。

内容的提问来源于stack exchange，提问作者Makogan