numpy.linalg.eig() 计算矩阵特征向量方式
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
>>>fromnumpyimportlinalgasLA
>>>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-valuesare1+/-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毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。