本文简要介绍 python 语言中 numpy.linalg.eigvals
的用法。
用法:
linalg.eigvals(a)
计算一般矩阵的特征值。
eigvals
和eig
之间的主要区别:不返回特征向量。- a: (…, M, M) 数组
将计算其特征值的复数或实值矩阵。
- w: (..., M,) ndarray
特征值,每个都根据其多重性重复。它们不一定是有序的,对于实矩阵也不一定是实数。
- 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。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:
说明,使用对角矩阵的特征值是其对角元素的事实,将左侧的矩阵乘以正交矩阵,Q,并且在右边Q.T(转置Q),保留“middle” 矩阵的特征值。换句话说,如果Q是正交的,那么
Q * A * Q.T
具有相同的特征值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乘以一边的
Q
,另一边乘以Q.T
:>>> 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
相关用法
- Python numpy linalg.eigvalsh用法及代码示例
- Python numpy linalg.eigh用法及代码示例
- Python numpy linalg.eig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.eigvals。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。