大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全家桶1年46,售后保障稳定
python — numpy计算矩阵特征值,特征向量
一、数学演算
-
示例:
首先参考百度demo的来看一下矩阵的特征值和特征向量的解题过程及结果。
可知矩阵A:特征值为1对应的特征向量为 [ -1,-2,1]T。特征值为2对应的特征向量为 [ 0,0,1]T我们可以进一步对特征向量进行单位化,单位化之后的结果如下:
- 特征值为1对应的特征向量为 [ 1/√6, 2/√6, -1/√6]T,即 [ 0.40824829, 0.81649658, -0.40824829]T。
- 特征值为2对应的特征向量为 [ 0,0,1]T
A = [ − 1 1 0 − 4 3 0 1 0 2 ] A= \left[ \begin{matrix} -1 & 1 & 0 \\ -4 & 3 & 0 \\ 1 & 0 & 2 \end{matrix} \right] A=⎣⎡−1−41130002⎦⎤
二、numpy实现
-
完整代码:
#!/usr/bin/env python # encoding: utf-8 ''' @Author : pentiumCM @Email : 842679178@qq.com @Software: PyCharm @File : __init__.py.py @Time : 2020/4/11 9:39 @desc : numpy计算矩阵的特征值,特征向量 ''' import numpy as np mat = np.array([[-1, 1, 0], [-4, 3, 0], [1, 0, 2]]) eigenvalue, featurevector = np.linalg.eig(mat) print("特征值:", eigenvalue) print("特征向量:", featurevector)
运行结果:
特征值: [2. 1. 1.] 特征向量: [[ 0. 0.40824829 0.40824829] [ 0. 0.81649658 0.81649658] [ 1. -0.40824829 -0.40824829]]
-
结果解释:
-
返回的特征值:[2. 1. 1.],表示有三个特征值,分别为:2, 1, 1
-
返回的特征向量:
[[ 0. 0.40824829 0.40824829] [ 0. 0.81649658 0.81649658] [ 1. -0.40824829 -0.40824829]]
是需要 按 列 来 看 的 \color{red}按列来看的 按列来看的,并且返回的特征向量是单位化之后的特征向量,
如第一列 [ 0,0,1]T 是对应于特征值为2的特征向量,
第二列[ 0.40824829, 0.81649658, -0.40824829]T是对应于特征值为1的特征向量。
-
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/204266.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...