Numpy库进阶教程(二)

2017-01-13 10:53:20来源:csdn作者:Pwiling人点击

第七城市

第一篇在这里:Numpy库进阶教程(一)求解线性方程组

求解特征值和特征向量

关于特征值和特征向量的介绍,可以点击这里 首先创建一个矩阵

In [1]: A=mat("3 -2;1 0")In [2]: A
Out[2]:
matrix([[ 3, -2],
[ 1,0]])

在numpy.linalg模块中,eigvals函数可以计算矩阵的特征值,而eig函数可以返回一个包含特征值和对应特征向量的元组。

使用eigvals函数求解特征值

In [3]: linalg.eigvals(A)
Out[3]: array([ 2.,1.])

使用eig函数求解特征值和特征向量。该函数将返回一个元祖,按列排放着特征值和对应的特征向量,其中第一列为特征值,第二列为特征向量。

In [5]: B=eig(A)In [6]: B
Out[6]:
(array([ 2.,1.]), matrix([[ 0.89442719,0.70710678],
[ 0.4472136 ,0.70710678]]))

使用dot函数使矩阵相乘验证求得的解是否正确

eigenvalues, eigenvectors = np.linalg.eig(A)
print "First tuple of eig", eigenvalues
print "Second tuple of eig/n", eigenvectorsfor i in range(len(eigenvalues)):
print "Left", np.dot(A, eigenvectors[:,i])
print "Right", eigenvalues[i] * eigenvectors[:,i]
print

输出为

Left [[ 1.78885438]
[ 0.89442719]]
Right [[ 1.78885438]
[ 0.89442719]]Left [[ 0.70710678]
[ 0.70710678]]
Right [[ 0.70710678]
[ 0.70710678]]计算矩阵行列式In [51]: A = np.mat("3 4;5 6")In [52]: print "A/n", A
A
[[3 4]
[5 6]]

使用det函数计算行列式

In [53]: print "Determinant", np.linalg.det(A)
Determinant -2.0
第七城市

最新文章

123

最新摄影

微信扫一扫

第七城市微信公众平台