numpy.linalg.eigvals¶
-
numpy.linalg.
eigvals
(a)[source]¶ 计算一般矩阵的特征值。
参数: a:(...,M,M)array_like
将计算其特征值的复值或实值矩阵。
返回: w:(...,M,)ndarray
特征值,每个根据其多重性重复。它们不一定是有序的,也不一定是真实的矩阵。
上升: LinAlgError
如果特征值计算不收敛。
笔记
版本1.8.0中的新功能。
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,其计算一般方阵数组的特征值和特征向量。
例子
Illustration, using the fact that the eigenvalues of a diagonal matrix are its diagonal elements, that multiplying a matrix on the left by an orthogonal matrix, Q, and on the right by Q.T (the transpose of Q), preserves the eigenvalues of the “middle” matrix. 换句话说,如果Q是正交的,则
Q * A t5> QT
具有与A
相同的特征值:>>> 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侧的Q,另一侧乘以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.])