当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


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]])

相关用法


注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.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。