Scipy y Numpy tienen entre ellos tres funciones diferentes para encontrar vectores propios de una matriz cuadrada dada, estos son:vectores propios Python: diferencias entre numpy.linalg, scipy.linalg y scipy.sparse.linalg
se centra específicamente en la situación que todos los argumentos opcionales i'v e interrumpió los dos últimos están a la izquierda en sus fallos y que a
/A
es de valor real, tengo curiosidad acerca de las diferencias entre estos tres que son ambiguos de la documentación - en especial:
- ¿Por qué (3) tenga una nota que no puede encontrar todos eigenvectors?
- ¿Por qué debe las otras dos calculan todas las soluciones? ¿Por qué no toman un argumento
k
? - (1) tiene una nota que dice que los valores propios se devuelven sin un orden en particular; (3) tiene un argumento opcional para controlar el orden. ¿(2) hace alguna garantía sobre esto?
- ¿(3) supone que
A
es escaso? (matemáticamente hablando, en lugar de ser representado como una matriz dispersa escasa) ¿Puede ser ineficiente, o incluso dar resultados erróneos, si esta suposición no se cumple? - ¿Hay otros factores que deba considerar al elegir entre estos?