如何使用 SciPy 找到方阵的特征值和特征向量？
我们可以在以下关系的帮助下找到方阵 A 的特征值和特征向量 -
SciPy 库有scipy. linalg.eig()用于计算方阵的特征值和特征向量的函数。
让我们了解如何使用此函数来计算矩阵的逆 -
示例
2 × 2 矩阵的特征值和特征向量
#Importing the scipy packageimport scipy#Importing the numpy packageimport numpy as np#Declaring the numpy array(Square Matrix)A = np.array([[3,3.5],[3.2,3.6]])#Passing the values to scipy.linalg.eig() functioneigvalues, eigvectors = scipy.linalg.eig(A)#Printing the result for eigenvaluesprint(eigvalues)#Printing the result for eigenvectorsprint(eigvectors)
输出结果
[-0.06005952+0.j 6.66005952+0.j] [[-0.75283678 -0.6911271 ] [ 0.65820725 -0.72273324]]
示例
3 x 3 矩阵的特征值和特征向量
import scipy import numpy as np A = np.array([[2,1,-2],[1,0,0],[0,1,0]]) eigvalues, eigvectors = scipy.linalg.eig(A)print(eigvalues)print(eigvectors)
输出结果
[-1.+0.j 2.+0.j 1.+0.j] [[-0.57735027 -0.87287156 0.57735027] [ 0.57735027 -0.43643578 0.57735027] [-0.57735027 -0.21821789 0.57735027]]