如何在python中計算矩陣特征向量

本篇文章給大家分享的是有關如何在python中計算矩陣特征向量，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

python可以做什么

Python是一種編程語言，內置了許多有效的工具，Python幾乎無所不能，該語言通俗易懂、容易入門、功能強大，在許多領域中都有廣泛的應用，例如最熱門的大數據分析，人工智能，Web開發等。

一、使用numpy.linalg.eig(a)函數

參數:

a：想要計算奇異值和右奇異值的方陣。

返回值：

w：特征值。每個特征值根據它的多重性重復。這個數組將是復雜類型，除非虛數部分為0。當傳進的參數a是實數時，得到的特征值是實數。

v：特征向量。

使用實例

>>> from numpy import linalg as LA
>>> a = np.array([[1, 1j], [-1j, 1]])
>>> w, v = LA.eig(a)
>>> w; v
array([  2.00000000e+00+0.j,   5.98651912e-36+0.j]) # i.e., {2, 0}
array([[ 0.00000000+0.70710678j,  0.70710678+0.j        ],
       [ 0.70710678+0.j        ,  0.00000000+0.70710678j]])
>>> a = np.array([[1 + 1e-9, 0], [0, 1 - 1e-9]])
>>> # Theor. e-values are 1 +/- 1e-9
>>> w, v = LA.eig(a)
>>> w; v
array([ 1.,  1.])
array([[ 1.,  0.],
       [ 0.,  1.]])

二、使用scipy.linalg.eig()計算方陣的特征向量（numpy方法的拓展）

1、語法格式

print('Eig:',lg.eig(arr)) #求矩陣arr的特征向量

2、使用實例

#coding:utf-8
 
from __future__ import division
from scipy import linalg as la
from scipy import optimize
import sympy
import numpy as np
sympy.init_printing()
import matplotlib.pyplot as plt

# 使用scipy求解矩陣特征值
A = np.array([[1, 3, 5], [3, 5, 3], [5, 3, 9]])
evals, evecs = la.eig(A)
eigvalues = la.eigvalsh(A)

以上就是如何在python中計算矩陣特征向量，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。