用特征向量和特征值求矩阵,矩阵的特征值和特征向量如何求

　　python的数值计算库Numpy用于计算矩阵的特征值、特征向量和标准正交向量组。

　　将numpy作为np导入

　　1.找到矩阵

　　特征值和对应于每个特征值的特征向量。

　　x=np.array([[-1，0，1]，[1，2，0]，[-4，0，3])

　　A，b=np.linalg.eig(x) ##特征值赋给A，对应的特征向量赋给b。

　　对于范围内的I(len(a)):

　　打印(特征值，a[i]，对应的特征向量是，b[:i])

　　特征值2.0对应的特征向量为[0。1.0.]

　　特征值1.0对应于[0.40824829-0.40824828]的特征向量

　　特征值1.0对应的特征向量为[-0.40824829 0.40824829-0.81649658]

　　2.找到矩阵

　　特征值和对应于每个特征值的特征向量。

　　x=np.array([[1，-2，2]，[-2，-2，4]，[2，4，-2]])

　　A，b=np.linalg.eig(x) ##特征值赋给A，对应的特征向量赋给b。

　　对于范围内的I(len(a)):

　　打印(特征值，a[i]，对应的特征向量是，b[:i])

　　2.00000000000001的特征值对应于[0.94280904-0.2357226]的特征向量

　　-6.9999999999997的特征值对应于[-0.3333333-0.666667]的特征向量

　　1.99999999999993的特征值对应于[-0.0232037]的特征向量

　　3.按向量组

　　构造一组标准正交向量组

　　打印(“循环”)

　　a=np.array([[0，1，0]，[0，-1，1]，[1，-1，2]])

　　b=NP . zero(a . shape)

　　#正交化

　　对于范围内的I(len(a)):

　　b[i]=a[i]

　　对于范围(0，I)中的j:

　　b[i] -=np.dot(a[i]，b[j])/np.dot(b[j]，b[j])*b[j]

　　#标准化

　　对于范围内的I(len(b)):

　　b[i]=b[i]/np.sqrt(np.dot(b[i]，b[i]))

　　打印(b)

　　传播

　　[[0.1.0.]

　　[0.0.1.]

　　[1.0.0.]]

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。