调用Numpy.linalg.eig返回全零特征向量代表什么含义？

常见原因 #

• 首先，numpy.linalg.eig返回的特征向量矩阵每一列对应一个单位范数的特征向量，数学定义上特征向量必须非零，所以全零列一定不是正常的求解结果，最常见的诱因是矩阵数值病态性：如果你的矩阵条件数极高、元素量级差异超过1e10，或者存在多重零特征值的秩亏情况，底层LAPACK求解时会出现数值下溢，将本该很小的非零向量舍入为全零。numpy.linalg.eig默认不开启矩阵平衡预处理，会进一步放大这类数值不稳定问题。
• 第二是调用逻辑错误：numpy.linalg.eig的返回格式为特征值数组, 特征向量矩阵，特征向量矩阵的第i列对应第i个特征值的特征向量，如果错误按行取数、对矩阵做了多余的转置或者切片操作，也会得到看似全零的结果。

结果含义 #

• 全零列本身没有数学意义，仅代表特征分解过程出现数值异常，或者调用逻辑存在错误。
• 若确认调用逻辑正确，全零列通常对应数值接近零的特征值，说明你的矩阵属于秩亏矩阵，或者存在非常小的特征值，不适合直接用通用特征分解函数求解。

排查方案 #

• 先检查输出精度：不要依赖numpy的默认截断打印，用print(v[:, -1].astype(np.float64))输出完整浮点值，确认是真的全零，还是小于默认显示阈值的极小值。
• 若矩阵为实对称矩阵，替换为numpy.linalg.eigh求解，该函数针对对称矩阵优化，数值稳定性远高于通用的eig接口。
• 对矩阵做归一化预处理后再求解，降低元素量级差异带来的数值误差。

内容的提问来源于stack exchange，提问作者Sasha