python 线性代数:[10]求方阵的特征值特征向量
求方阵(矩阵)的特征撕良滤儆值和特征向量用的是python中的numpy.linagl.eig方法,它需要一个二维数组作为参数,输出一个一位数组(元素为特征值)和一个二维数组(特征向量组),我们还是在例子中学习一哈:
先引入numpy模块![python 线性代数:[10]求方阵的特征值特征向量](https://exp-picture.cdn.bcebos.com/32a127723d03bbea590669fcea43d7d4493154d4.jpg)
创建一个对角矩阵,关于diag的用法可以看我前几篇文章![python 线性代数:[10]求方阵的特征值特征向量](https://exp-picture.cdn.bcebos.com/31097f43d7d44831686baf13d40f822b75ee51d4.jpg)
求矩阵x的特征值和特征向量,特征值保存在a中,特征向量保存在b中![python 线性代数:[10]求方阵的特征值特征向量](https://exp-picture.cdn.bcebos.com/836a6aee1c324b1822acd54553a72633498448d4.jpg)
使用循环的方法,我们来验证一下特征值和特征向量,验证的方法是特征值和特征向量的定义法:
设A为n阶矩阵,若存在常数λ及非零的n维向量x,使得
Ax=λx,
则称λ是矩阵A的特征值,x是A属于特征值λ的特征向量。
![python 线性代数:[10]求方阵的特征值特征向量](https://exp-picture.cdn.bcebos.com/49c5d3e34b2c56ee00ffdfbaf775e5f4fdf540d4.jpg)
这是我今天犯的错误:![python 线性代数:[10]求方阵的特征值特征向量](https://exp-picture.cdn.bcebos.com/fdb4f00d3aceaad7f1eb5556eee7340f6578b8d4.jpg)
这是今天用到的所有代码:
>>> import numpy
>>> x=numpy.diag((1,2,3))
>>> x
array([[1, 0, 0],
[0, 2, 0],
[0, 0, 3]])
>>> a,b=numpy.linalg.eig(x)
>>> a
array([ 1., 2., 3.])
>>> b
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
>>>
>>>
>>> for i in range(3):
if numpy.dot(x,b[:][i])==a[i]*b[:][i]:
print '正确'
else:print '错误‘
SyntaxError: EOL while scanning string literal
>>> for i in range(3):
if numpy.dot(x,b[:][i])==a[i]*b[:][i]:
print '正确'
else:print '错误'
Traceback (most recent call last):
File "<pyshell#38>", line 2, in <module>
if numpy.dot(x,b[:][i])==a[i]*b[:][i]:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
>>> for i in range(3):
if (numpy.dot(x,b[:][i])==a[i]*b[:][i]).all():
print '正确'
else:print '错误'
正确
正确
正确
>>>