linalg.
eigvalsh
计算复厄米特矩阵或实对称矩阵的特征值。
与特征值的主要区别:没有计算特征向量。
要计算其特征值的复值或实值矩阵。
指定计算是否使用的下三角部分 a (‘L’,默认)或上三角形部分(‘U’)。不管这个值如何,在计算中只考虑对角线的实部,以保留厄米矩阵的概念。因此,对角线的虚部始终被视为零。
特征值按升序排列,每个特征值都根据其多重性重复。
如果特征值计算不收敛。
参见
eigh
实对称或复厄米特(共轭对称)阵列的特征值和特征向量。
eigvals
一般实阵或复阵的特征值。
eig
一般实阵或复阵的特征值和右特征向量。
scipy.linalg.eigvalsh
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
特征值用LAPACK程序计算 _syevd , _heevd .
_syevd
_heevd
实例
>>> from numpy import linalg as LA >>> a = np.array([[1, -2j], [2j, 5]]) >>> LA.eigvalsh(a) array([ 0.17157288, 5.82842712]) # may vary
>>> # demonstrate the treatment of the imaginary part of the diagonal >>> a = np.array([[5+2j, 9-2j], [0+2j, 2-1j]]) >>> a array([[5.+2.j, 9.-2.j], [0.+2.j, 2.-1.j]]) >>> # with UPLO='L' this is numerically equivalent to using LA.eigvals() >>> # with: >>> b = np.array([[5.+0.j, 0.-2.j], [0.+2.j, 2.-0.j]]) >>> b array([[5.+0.j, 0.-2.j], [0.+2.j, 2.+0.j]]) >>> wa = LA.eigvalsh(a) >>> wb = LA.eigvals(b) >>> wa; wb array([1., 6.]) array([6.+0.j, 1.+0.j])