Python SciPy linalg.eigvals用法及代碼示例

本文簡要介紹 python 語言中 scipy.linalg.eigvals 的用法。

用法:

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

從普通或廣義特征值問題計算特征值。

求一般矩陣的特征值：

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

參數 ：：

a： (M, M) 數組

將計算其特征值和特征向量的複數或實數矩陣。

b： (M, M) 數組，可選

廣義特征值問題中的右側矩陣。如果省略，則假定單位矩陣。

overwrite_a： 布爾型，可選

是否覆蓋 a 中的數據(可能會提高性能)

check_finite： 布爾型，可選

是否檢查輸入矩陣是否僅包含有限數。禁用可能會提高性能，但如果輸入確實包含無窮大或 NaN，則可能會導致問題(崩潰、非終止)。

homogeneous_eigvals： 布爾型，可選

如果為 True，則返回齊次坐標中的特征值。在這種情況下，w 是一個 (2, M) 數組，因此：

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

默認為假。

返回 ：：

w： (M,) 或 (2, M) 雙精度或複數 ndarray

特征值，每個都根據其多重性重複，但沒有任何特定的順序。形狀為 (M,) 除非 homogeneous_eigvals=True 。

拋出 ：：

LinAlgError

如果特征值計算不收斂

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]])