Python numpy linalg.eigvals用法及代码示例 |
您所在的位置:网站首页 › fsolve怎么用python › Python numpy linalg.eigvals用法及代码示例 |
计算一般矩阵的特征值。 eigvals 和 eig 之间的主要区别:不返回特征向量。 参数: a: (…, M, M) 数组将计算其特征值的复数或实值矩阵。 返回: w: (..., M,) ndarray特征值,每个都根据其多重性重复。它们不一定是有序的,对于实矩阵也不一定是实数。 抛出: LinAlgError如果特征值计算不收敛。 注意:广播规则适用,有关详细信息,请参阅 numpy.linalg 文档。 这是使用_geev LAPACK 例程来实现的,该例程计算一般方阵的特征值和特征向量。 例子:说明,使用对角矩阵的特征值是其对角元素的事实,将左侧的矩阵乘以正交矩阵,Q,并且在右边Q.T(转置Q),保留“middle” 矩阵的特征值。换句话说,如果Q是正交的,那么Q * A * Q.T具有相同的特征值A: >>> from numpy import linalg as LA >>> x = np.random.random() >>> Q = np.array([[np.cos(x), -np.sin(x)], [np.sin(x), np.cos(x)]]) >>> LA.norm(Q[0, :]), LA.norm(Q[1, :]), np.dot(Q[0, :],Q[1, :]) (1.0, 1.0, 0.0)现在将一个对角矩阵乘以一边的Q,另一边乘以Q.T: >>> D = np.diag((-1,1)) >>> LA.eigvals(D) array([-1., 1.]) >>> A = np.dot(Q, D) >>> A = np.dot(A, Q.T) >>> LA.eigvals(A) array([ 1., -1.]) # random |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |