本文简要介绍 python 语言中 numpy.linalg.eigvalsh
的用法。
用法:
linalg.eigvalsh(a, UPLO='L')
计算复数 Hermitian 或实对称矩阵的特征值。
与 eigh 的主要区别:不计算特征向量。
- a: (…, M, M) 数组
要计算其特征值的复数或实数矩阵。
- 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。
- 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。例子:
>>> from numpy import linalg as LA >>> a = np.array([[1, -2j], [2j, 5]]) >>> LA.eigvalsh(a) array([ 0.17157288, 5.82842712]) # may vary
>>> # 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.eigvals() >>> # 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 = LA.eigvalsh(a) >>> wb = LA.eigvals(b) >>> wa; wb array([1., 6.]) array([6.+0.j, 1.+0.j])
相关用法
- Python numpy linalg.eigvals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.eigvalsh。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。