python2.7代碼如下：

#-*- encoding:utf-8 -*- import sys reload(sys) sys.setdefaultencoding('utf-8') import numpy as np from numpy import * # X=[ [1,2,1,1], # [3,3,1,2], # [3,5,4,3], # [5,4,5,4], # [5,6,1,5], # [6,5,2,6], # [8,7,1,2], # [9,8,3,7]] # X=np.array(X).T#這里注意，[1,2,1,1]在numpy的眼中是一列np.linalg.eig X=[[-1,1,0], [-4,3,0], [1,0,2]]print"X=",X X=matrix(X)print"------------------下面計算原始矩陣的特征值和特征向量-----------------------" eigenvalue,featurevector=np.linalg.eig(X) print"原始矩陣的特征值" print"eigenvalue=",eigenvalue print"featurevector=",featurevector

上面的注釋很多人在評論里面有爭議，那我就詳細(xì)寫一下:

變量/值	解釋
X=np.array(X).T	注釋里面"[1,2,1,1]在numpy的眼中是一列" 說的是X， 這里的[1,2,1,1]已經(jīng)是代碼處理后的向量了 ? 如果您覺得必須寫上^T, 那是因為不同數(shù)學(xué)書規(guī)定不同， 有的數(shù)學(xué)書默認(rèn)就是列向量， 有的默認(rèn)就是橫向量。 ? 如果您曾經(jīng)閱讀過的數(shù)學(xué)書默認(rèn)x不帶^T是橫向量， 那么對于上面的這句注釋, 您在這里將它理解為[1,2,1,1]^T就好 ? np.dot(x,y)時，y被認(rèn)為是列向量 ?

注:

numpy里面不存在向量的概念，那個都是數(shù)組array

上面的注釋只是根據(jù)需要寫的。

?

?

下面是百度經(jīng)驗的上的一個計算實例，與上面代碼對應(yīng)

https://jingyan.baidu.com/album/27fa7326afb4c146f8271ff3.html?picindex=9

最終我們可以得到運行結(jié)果是：

?

eigenvalue= [ 2. ?1. ?1.]
featurevector= [[ 0. ? ? ? ? ?0.40824829 ?0.40824829]
?[ 0. ? ? ? ? ?0.81649658 ?0.81649658]
?[ 1. ? ? ? ? -0.40824829 -0.40824829]]

--------------------

所以λ=2時，特征向量=[0,0,1]^T

λ=1時，特征向量=[0.40824829,0.81649658,?-0.40824829]^T，可以看到，代碼結(jié)果與百度經(jīng)驗上的ppt的結(jié)果完全一致。

注意：

numpy的計算結(jié)果是經(jīng)過單位化的，百度文庫上的ppt單位化以后也是這個結(jié)果，所以是一致的。

?

--------------------------------------------注意----------------------------------------------------------------

這是我私人筆記，我不欠您們的，

如果您們不滿意可以自己去寫，也可以向CSDN客服舉報。

①我不回復(fù)吧，我想想不太禮貌。

②回復(fù)吧，您們覺得不重要，是扯淡。

做事情之前，先自己反思下，學(xué)會怎么做人吧。

本人不再做任何回復(fù)，請勿留言，

本人不會刪除您們的任何留言，請注意自己的措辭，做一個文明的人。

總結(jié)

以上是生活随笔為你收集整理的numpy求解矩阵的特征值和特征向量的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。