linalg.
eigvals
计算一般矩阵的特征值。
主要区别在于 eigvals 和 eig :不会返回特征向量。
eig
一个复值或实值矩阵,其特征值将被计算出来。
特征值,每一个根据其多重性重复。它们不一定是有序的,也不一定是实矩阵的实矩阵。
如果特征值计算不收敛。
参见
一般阵列的特征值和右特征向量
eigvalsh
实对称或复厄米特(共轭对称)阵列的特征值。
eigh
实对称或复厄米特(共轭对称)阵列的特征值和特征向量。
scipy.linalg.eigvals
在SciPy中有类似的功能。
笔记
1.8.0 新版功能.
广播规则适用,见 numpy.linalg 有关详细信息的文档。
numpy.linalg
这是使用 _geev 计算一般方阵的特征值和特征向量的LAPACK程序。
_geev
实例
利用对角矩阵的特征值是其对角元素这一事实,将左边的矩阵乘以正交矩阵, Q 在右边 Q.T (换位 Q )保留“中间”矩阵的特征值。换句话说,如果 Q 是正交的,那么 Q * A * Q.T 特征值与 A :
Q * A * Q.T
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)
现在将对角矩阵乘以 Q 在一边和旁边 Q.T 另一方面:
Q
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