numpy.linalg.eig() 计算矩阵特征向量方式
更新时间:2019年11月29日 10:09:12 作者:chixujohnny
今天小编就为大家分享一篇numpy.linalg.eig() 计算矩阵特征向量方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
在PCA中有遇到,在这里记录一下
计算矩阵的特征值个特征向量,下面给出几个示例代码:
在使用前需要单独import一下
>>> from numpy import linalg as LA
>>> w, v = LA.eig(np.diag((1, 2, 3))) >>> w; v array([ 1., 2., 3.]) array([[ 1., 0., 0.], [ 0., 1., 0.], [ 0., 0., 1.]])
>>> w, v = LA.eig(np.array([[1, -1], [1, 1]])) >>> w; v array([ 1. + 1.j, 1. - 1.j]) array([[ 0.70710678+0.j , 0.70710678+0.j ], [ 0.00000000-0.70710678j, 0.00000000+0.70710678j]])
>>> a = np.array([[1, 1j], [-1j, 1]]) >>> w, v = LA.eig(a) >>> w; v array([ 2.00000000e+00+0.j, 5.98651912e-36+0.j]) # i.e., {2, 0} array([[ 0.00000000+0.70710678j, 0.70710678+0.j ], [ 0.70710678+0.j , 0.00000000+0.70710678j]])
>>> a = np.array([[1 + 1e-9, 0], [0, 1 - 1e-9]]) >>> # Theor. e-values are 1 +/- 1e-9 >>> w, v = LA.eig(a) >>> w; v array([ 1., 1.]) array([[ 1., 0.], [ 0., 1.]])
官方文档链接:http://docs.scipy.org/doc/numpy/reference/generated/numpy.linalg.eig.html
以上这篇numpy.linalg.eig() 计算矩阵特征向量方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
Python 十六进制整数与ASCii编码字符串相互转换方法
今天小编就为大家分享一篇Python 十六进制整数与ASCii编码字符串相互转换方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07[项目布局配置]Nosql与PythonWeb-Flask框架组合
本文主要描述了怎样使用轻量级NoSQL数据库与PythonWeb-Flask框架组合来进行项目布局及应用配置,需要的同学可以参考下,希望可以对大家有所进益2021-08-08
最新评论