本文简要介绍 python 语言中 numpy.linalg.eigh
的用法。
用法:
linalg.eigh(a, UPLO='L')
返回复数 Hermitian(共轭对称)或实对称矩阵的特征值和特征向量。
返回两个对象,一个包含 特征值的一维数组a,以及对应特征向量(以列为单位)的二维方阵或矩阵(取决于输入类型)。
- a: (…, M, M) 数组
Hermitian 或实对称矩阵,其特征值和特征向量将被计算。
- UPLO: {‘L’, ‘U’},可选
指定是使用 a 的下三角部分(“L”,默认)还是上三角部分(“U”)进行计算。不管这个值如何,在计算中只考虑对角线的实部,以保留 Hermitian 矩阵的概念。因此,对角线的虚部将始终被视为零。
- w: (…, M) ndarray
特征值按升序排列,每个都根据其多重性重复。
- v: {(…, M, M) ndarray, (…, M, M) 矩阵}
专栏
v[:, i]
是对应于特征值的归一化特征向量w[i]
.将返回一个矩阵对象,如果a是一个矩阵对象。
- LinAlgError
如果特征值计算不收敛。
参数:
返回:
抛出:
注意:
广播规则适用,有关详细信息,请参阅
numpy.linalg
文档。使用 LAPACK 例程
_syevd
、_heevd
计算特征值/特征向量。实对称或复 Hermitian 矩阵的特征值总是实数。[1]数组v的(列)特征向量是单一的并且a,w, 和v满足方程
dot(a, v[:, i]) = w[i] * v[:, i]
.参考:
G. Strang,线性代数及其应用,第 2 版,佛罗里达州奥兰多,学术出版社,1980 年,第 1 页。 222.
1:
例子:
>>> from numpy import linalg as LA >>> a = np.array([[1, -2j], [2j, 5]]) >>> a array([[ 1.+0.j, -0.-2.j], [ 0.+2.j, 5.+0.j]]) >>> w, v = LA.eigh(a) >>> w; v array([0.17157288, 5.82842712]) array([[-0.92387953+0.j , -0.38268343+0.j ], # may vary [ 0. +0.38268343j, 0. -0.92387953j]])
>>> np.dot(a, v[:, 0]) - w[0] * v[:, 0] # verify 1st e-val/vec pair array([5.55111512e-17+0.0000000e+00j, 0.00000000e+00+1.2490009e-16j]) >>> np.dot(a, v[:, 1]) - w[1] * v[:, 1] # verify 2nd e-val/vec pair array([0.+0.j, 0.+0.j])
>>> A = np.matrix(a) # what happens if input is a matrix object >>> A matrix([[ 1.+0.j, -0.-2.j], [ 0.+2.j, 5.+0.j]]) >>> w, v = LA.eigh(A) >>> w; v array([0.17157288, 5.82842712]) matrix([[-0.92387953+0.j , -0.38268343+0.j ], # may vary [ 0. +0.38268343j, 0. -0.92387953j]])
>>> # 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.eig() 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, va = LA.eigh(a) >>> wb, vb = LA.eig(b) >>> wa; wb array([1., 6.]) array([6.+0.j, 1.+0.j]) >>> va; vb array([[-0.4472136 +0.j , -0.89442719+0.j ], # may vary [ 0. +0.89442719j, 0. -0.4472136j ]]) array([[ 0.89442719+0.j , -0. +0.4472136j], [-0. +0.4472136j, 0.89442719+0.j ]])
相关用法
- Python numpy linalg.eig用法及代码示例
- Python numpy linalg.eigvals用法及代码示例
- Python numpy linalg.eigvalsh用法及代码示例
- Python numpy linalg.svd用法及代码示例
- Python numpy linalg.pinv用法及代码示例
- Python numpy linalg.tensorinv用法及代码示例
- Python numpy linalg.LinAlgError用法及代码示例
- Python numpy linalg.matrix_rank用法及代码示例
- Python numpy linalg.solve用法及代码示例
- Python numpy linalg.det用法及代码示例
- Python numpy linalg.cond用法及代码示例
- Python numpy linalg.inv用法及代码示例
- Python numpy linalg.lstsq用法及代码示例
- Python numpy linalg.norm用法及代码示例
- Python numpy linalg.slogdet用法及代码示例
- Python numpy linalg.multi_dot用法及代码示例
- Python numpy linalg.tensorsolve用法及代码示例
- Python numpy linalg.qr用法及代码示例
- Python numpy linalg.matrix_power用法及代码示例
- Python numpy linalg.cholesky用法及代码示例
- Python numpy linspace用法及代码示例
- Python numpy lib.NumpyVersion用法及代码示例
- Python numpy lib.Arrayterator用法及代码示例
- Python numpy legendre.legint用法及代码示例
- Python numpy laguerre.lagone用法及代码示例
注:本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.linalg.eigh。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。