如何在Python中生成给定特征值和特征向量的随机半正定矩阵？

首先得明确：你要的协方差矩阵（半正定）刚好可以通过特征分解的逆过程来构造——半正定矩阵的本质就是能写成 Σ = QΛQᵀ 的形式，其中：

• Q 是正交矩阵（列是标准正交的特征向量）
• Λ 是对角矩阵，对角元素是非负的特征值（这正是半正定的核心要求）

这个结构完美匹配你的需求：调整Λ里的特征值就能控制多元高斯分布椭球的轴长（轴长和特征值的平方根成正比），而Q可以用来旋转椭球的方向。

情况1：你已有标准正交的特征向量 #

如果你的特征向量已经是两两正交且单位长度的（比如你特意指定的方向），直接按下面的代码来：

import numpy as np

# 1. 定义非负特征值（对应椭球轴长的平方）
eigenvalues = np.array([9, 4, 1])  # 轴长就是3,2,1，椭圆度一目了然
# 2. 标准正交特征向量矩阵（这里用随机生成的正交矩阵做例子，你可以替换成自己的）
Q = np.linalg.qr(np.random.randn(3, 3))[0]  # 生成随机正交矩阵，保证Q.T @ Q = I
# 3. 构造对角矩阵Λ
Lambda = np.diag(eigenvalues)
# 4. 生成协方差矩阵
cov_matrix = Q @ Lambda @ Q.T

# 验证一下特征值是否正确（浮点误差范围内一致）
computed_eigs, _ = np.linalg.eig(cov_matrix)
print("指定特征值：", np.sort(eigenvalues))
print("计算得到的特征值：", np.sort(np.round(computed_eigs, 6)))

情况2：你只有非正交的特征向量 #

如果你的特征向量是线性无关但不正交的，先做正交化处理（用numpy的QR分解最方便），再构造矩阵：

import numpy as np

# 1. 你的原始非正交特征向量（列向量形式）
raw_vecs = np.array([[1, 0, 1], [0, 1, 1], [1, 1, 0]]).T
# 2. 正交化得到标准正交矩阵Q
Q, _ = np.linalg.qr(raw_vecs)
# 3. 定义非负特征值
eigenvalues = np.array([9, 4, 1])
Lambda = np.diag(eigenvalues)
# 4. 生成协方差矩阵
cov_matrix = Q @ Lambda @ Q.T

几个关键注意事项 #

• 特征值必须非负：半正定矩阵的特征值不能为负，否则构造出来的矩阵没法当协方差矩阵。如果不小心输入了负值，要么替换成0，要么调整为正数。
• 正定vs半正定：如果想要非退化的椭球（没有“压扁”的维度），确保所有特征值都是正的，这样得到的是正定矩阵，可逆。
• 椭圆度控制：你提到的椭圆度其实就是最大特征值和最小特征值的比值（或者它们平方根的比值，对应轴长比）。比如把最大特征值设为最小的20倍，椭球就会非常扁平。

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