python中矩阵特征向量怎么表示_python中计算矩阵特征向量的方法

python作为编程中较为简单的编程方法，是可以实现线性计算的，numpy库提供了矩阵运算，可以实现求取矩阵特征向量，scipy也可以实现numpy库提供的矩阵运算功能，是对numpy库提供矩阵运算的扩展，本文介绍python中计算矩阵特征向量的两种方法：1、使用numpy.linalg.eig(a)函数；2、使用scipy.linalg.eig()计算方阵的特征向量(numpy方法的拓展)。

一、使用numpy.linalg.eig(a)函数

参数:

a：想要计算奇异值和右奇异值的方阵。

返回值：

w：特征值。每个特征值根据它的多重性重复。这个数组将是复杂类型，除非虚数部分为0。当传进的参数a是实数时，得到的特征值是实数。

v：特征向量。

使用实例>>> 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()计算方阵的特征向量(numpy方法的拓展)

1、语法格式print('Eig:',lg.eig(arr)) #求矩阵arr的特征向量

2、使用实例#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求解矩阵特征值

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python中计算矩阵特征向量的两种方法，希望能对你有所帮助哟~