scipy.linalg.eigvals¶
- scipy.linalg.eigvals(a, b=None, overwrite_a=False, check_finite=True, homogeneous_eigvals=False)[源代码]¶
从普通或广义特征值问题计算特征值。
查找一般矩阵的特征值::
a vr[:,i] = w[i] b vr[:,i]
- 参数
- a(M,M)类数组
将计算其特征值和特征向量的复矩阵或实矩阵。
- b(M,M)array_like,可选
广义特征值问题中的右手边矩阵。如果省略,则假定为单位矩阵。
- overwrite_a布尔值,可选
是否覆盖中的数据(可能会提高性能)
- check_finite布尔值,可选
是否检查输入矩阵是否仅包含有限个数字。禁用可能会带来性能提升,但如果输入确实包含无穷大或NAN,则可能会导致问题(崩溃、非终止)。
- homogeneous_eigvals布尔值,可选
如果为True,则返回齐次坐标中的特征值。在这种情况下
w
是(2,M)数组,因此::w[1,i] a vr[:,i] = w[0,i] b vr[:,i]
默认值为False。
- 退货
- w(M,)或(2,M)双或复数ndarray
特征值,每个特征值根据其重数而不是以任何特定的顺序重复。形状为(M,),除非
homogeneous_eigvals=True
。
- 加薪
- LinAlgError
如果特征值计算不收敛
参见
eig
一般阵列的特征值和右特征向量。
eigvalsh
对称阵列或厄米阵列的特征值
eigvals_banded
对称/厄米特带状矩阵的特征值
eigvalsh_tridiagonal
对称/厄米特三对角阵的特征值
示例
>>> from scipy import linalg >>> a = np.array([[0., -1.], [1., 0.]]) >>> linalg.eigvals(a) array([0.+1.j, 0.-1.j])
>>> b = np.array([[0., 1.], [1., 1.]]) >>> linalg.eigvals(a, b) array([ 1.+0.j, -1.+0.j])
>>> a = np.array([[3., 0., 0.], [0., 8., 0.], [0., 0., 7.]]) >>> linalg.eigvals(a, homogeneous_eigvals=True) array([[3.+0.j, 8.+0.j, 7.+0.j], [1.+0.j, 1.+0.j, 1.+0.j]])