numpy.linalg.eigvals #
- 利纳尔格。eigvals ( a ) [来源] #
计算一般矩阵的特征值。
- 参数:
- 一个(…, M, M) 类似数组
将计算其特征值的复值或实值矩阵。
- 返回:
- w (..., M,) ndarray
特征值,每个特征值根据其多重性重复。它们不一定是有序的,也不一定是实数矩阵。
- 加薪:
- 林算法错误
如果特征值计算不收敛。
也可以看看
eig
一般数组的特征值和右特征向量
eigvalsh
实对称或复埃尔米特(共轭对称)数组的特征值。
eigh
实对称或复埃尔米特(共轭对称)数组的特征值和特征向量。
scipy.linalg.eigvals
SciPy 中的类似功能。
笔记
1.8.0 版本中的新增功能。
广播规则适用,
numpy.linalg
详细信息请参阅文档。这是使用
_geev
LAPACK 例程来实现的,该例程计算一般方阵的特征值和特征向量。例子
插图,利用对角矩阵的特征值是其对角元素的事实,将左侧矩阵乘以正交矩阵Q,将右侧矩阵乘以QT ( Q的转置),保留“中”矩阵。换句话说,如果Q是正交的,则具有与 相同的特征值 :
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)
现在将一个对角矩阵的
Q
一侧乘以Q.T
另一侧:>>> 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