numpy任意精度线性代数

我有一个 numpy 2d 数组 [中/大尺寸 - 比如说 500x500]。我想找到它的元素指数的特征值。问题是某些值非常负（-800、-1000 等），并且它们的指数下溢（意味着它们非常接近零，因此 numpy 将它们视为零）。无论如何可以在 numpy 中使用任意精度吗？

我梦想的方式：

import numpy as np

np.set_precision('arbitrary') # <--- Missing part
a = np.array([[-800.21,-600.00],[-600.00,-1000.48]])
ex = np.exp(a)  ## Currently warns about underflow
eigvals, eigvecs = np.linalg.eig(ex)

我已经用 gmpy 和 mpmath 寻找解决方案，但无济于事。任何想法都会受到欢迎。

SymPy 可以计算任意精度：

from sympy import exp, N, S
from sympy.matrices import Matrix

data = [[S("-800.21"),S("-600.00")],[S("-600.00"),S("-1000.48")]]
m = Matrix(data)
ex = m.applyfunc(exp).applyfunc(lambda x:N(x, 100))
vecs = ex.eigenvects()
print vecs[0][0] # eigen value
print vecs[1][0] # eigen value
print vecs[0][2] # eigen vect
print vecs[1][2] # eigen vect

output:

-2.650396553004310816338679447269582701529092549943247237903254759946483528035516341807463648841185335e-261
2.650396553004310816338679447269582701529092549943247237903254759946483528035516341807466621962539464e-261
[[-0.9999999999999999999999999999999999999999999999999999999999999999999999999999999999999994391176386872]
[                                                                                                      1]]
[[1.000000000000000000000000000000000000000000000000000000000000000000000000000000000000000560882361313]
[                                                                                                    1]]

您可以将 N(x, 100) 中的 100 更改为其他精度，但是，当我尝试 1000 时，特征向量的计算失败了。