Python SciPy linalg.eigvals用法及代码示例

本文简要介绍 python 语言中 scipy.linalg.eigvals 的用法。

用法:

scipy.linalg.eigvals(a, b=None, overwrite_a=False, check_finite=True, homogeneous_eigvals=False)#

从普通或广义特征值问题计算特征值。

求一般矩阵的特征值：

a   vr[:,i] = w[i]        b   vr[:,i]

参数 ：：

a： (M, M) 数组

将计算其特征值和特征向量的复数或实数矩阵。

b： (M, M) 数组，可选

广义特征值问题中的右侧矩阵。如果省略，则假定单位矩阵。

overwrite_a： 布尔型，可选

是否覆盖 a 中的数据(可能会提高性能)

check_finite： 布尔型，可选

是否检查输入矩阵是否仅包含有限数。禁用可能会提高性能，但如果输入确实包含无穷大或 NaN，则可能会导致问题(崩溃、非终止)。

homogeneous_eigvals： 布尔型，可选

如果为 True，则返回齐次坐标中的特征值。在这种情况下，w 是一个 (2, M) 数组，因此：

w[1,i] a vr[:,i] = w[0,i] b vr[:,i]

默认为假。

返回 ：：

w： (M,) 或 (2, M) 双精度或复数 ndarray

特征值，每个都根据其多重性重复，但没有任何特定的顺序。形状为 (M,) 除非 homogeneous_eigvals=True 。

抛出 ：：

LinAlgError

如果特征值计算不收敛

例子：

>>> import numpy as np
>>> from scipy import linalg
>>> a = np.array([[0., -1.], [1., 0.]])
>>> linalg.eigvals(a)
array([0.+1.j, 0.-1.j])

>>> b = np.array([[0., 1.], [1., 1.]])
>>> linalg.eigvals(a, b)
array([ 1.+0.j, -1.+0.j])

>>> a = np.array([[3., 0., 0.], [0., 8., 0.], [0., 0., 7.]])
>>> linalg.eigvals(a, homogeneous_eigvals=True)
array([[3.+0.j, 8.+0.j, 7.+0.j],
       [1.+0.j, 1.+0.j, 1.+0.j]])