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
>>> from numpy import linalg as LA
>>> 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-values are 1 +/- 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小牛知识库。
-
本文向大家介绍C++ Eigen库计算矩阵特征值及特征向量，包括了C++ Eigen库计算矩阵特征值及特征向量的使用技巧和注意事项，需要的朋友参考一下 本文主要讲解利用Eigen库计算矩阵的特征值及特征向量并与Matlab计算结果进行比较。 C++Eigen库代码 计算结果： 最大最小特征值及其索引位置 Matlab 代码 Matlab计算结果 使用sort()函数对特征值排序 主成份分析以及许多
-
我有一个矩阵。只有唯一的颜色以不同的权重重复它们自己。从它们中，我得选择一半，另一半必须用从第一个中最接近的元素替换。 我想到了在图像中循环，并搜索最近的颜色为当前的一个。找到后，我把一个换成另一个。 但我有3个循环、、。前两个I循环通过RGB矩阵，第三个用于循环到包含最终颜色的矩阵。这需要一些时间来计算。 可以做些什么来加快它的速度？ 循环如下所示： 表示选择为最终颜色的半色。 我可以考虑一些小
-
特征值
-
问题内容： 我正在尝试计算Java中的逆矩阵。 我遵循伴随方法（首先计算伴随矩阵，然后转置该矩阵，最后将其乘以行列式值的倒数）。 当矩阵不太大时有效。我检查过，对于尺寸最大为12x12的矩阵，可以快速提供结果。但是，当矩阵大于12x12时，完成计算所需的时间呈指数增长。 我需要反转的矩阵是19x19，并且花费太多时间。消耗更多时间的方法是用于行列式计算的方法。 我使用的代码是： 有人知道如何更有效
-
如上所述，我需要用Python找到矩阵的基-2-对数。当然，我知道公式$log_a(x)=ln(x)/ln(a)$，其中ln是自然对数，但据我所知，这只适用于标量参数x（如果我错了请纠正我）。至少我还没有看到任何论据，为什么这也适用于矩阵。 那么，有人知道是否存在这样一个内置在matrix-log2函数吗？ 或者：由于几年前我使用过Mathematica，所以我知道了MatrixFunction[
-
问题内容： 我正在使用numpy.linalg.eig获得特征值和特征向量的列表： 我想对我的特征值进行排序（例如，从最低到最高），以某种方式知道排序后相关的特征向量是什么。 我没有找到任何使用python函数的方法。有什么简单的方法还是我必须对我的排序版本进行编码？ 问题答案： 使用numpy.argsort。它返回一个索引，该索引将用于对数组进行排序。 如果特征值是复数，则排序顺序是按字典顺序