投影对角化方法

最新推荐文章于 2024-01-11 00:11:31 发布

wwxy261

最新推荐文章于 2024-01-11 00:11:31 发布

阅读量229

点赞数

分类专栏：算法

本文链接：https://blog.csdn.net/wwxy1995/article/details/112397516

版权

算法专栏收录该内容

3633 篇文章 120 订阅

订阅专栏

ki和kj是一些列离散的动量，在前面的对角化计算中，直接将本征向量系数都存下来，由于投影对角化，只需要存边缘态的特征值和特征向量

nk = 512
N = 32
k = np.linspace(0,2*pi,nk)
band = np.zeros((4*N, nk))
Ak = np.zeros((4*N,nk),dtype="complex")
for i in range(nk):
    Hk0 = Hamiltonian_H0_SU4(k[i],N)
    E, A = LA.eigh(Hk0)
    band[:,i] = E
    Ak[:,i] = A[:,N-1]

def Hamiltonian_Heff(nk,iq,Ak,U,N):
    H = np.zeros((nk,nk),dtype='complex')
    for j in range(nk):
        j_q = (j - iq + nk)%nk
        for i in range(j,nk):
            i_q = (i-iq + nk)%nk
            H[j,i] = -np.sum(Ak[:,i_q].conj()*Ak[:,i]*Ak[:,j_q]*Ak[:,j].conj())
    
    H = H + H.T
    
    for i in range(nk):
        i_q = (i - iq + nk)%nk
        H[i,i] = np.sum(np.power(np.absolute(Ak),2).sum(axis=1)*np.power(np.absolute(Ak[:,i_q]),2))
    
    return U*H/N