python — numpy计算矩阵特征值，特征向量

目录

python — numpy计算矩阵特征值，特征向量

一、特征值与特征向量

二、数学演算

三、numpy实现

一、特征值与特征向量

       假设我们有一个n阶的矩阵A以及一个实数λ，使得我们可以找到一个非零向量x，满足：

Ax=λx

如果能够找到的话，就称λ是矩阵A的特征值，非零向量x是矩阵A的特征向量。

将上式变形为 （A-λE）x=0，这是一个齐次线性方程组。由于x 是非零向量，该方程组有非零解的充要条件是系数矩阵的行列式为 0，即：|A - λ E| = 0

二、数学演算

​​​​​​示例：矩阵的特征值和特征向量的解题过程及结果。

单位化方式：

三、linalg 模块介绍

       numpy.linalg 模块提供了一组用于线性代数的基础函数。这些函数涵盖了矩阵分解、矩阵特征值与特征向量、求解线性系统等操作。线性代数是科学计算中一个重要的部分，NumPy通过numpy.linalg模块为用户提供高效且功能齐全的线性代数工具。

常用的 numpy.linalg 函数概述：

• linalg.inv: 计算矩阵的逆矩阵。
• linalg.det: 计算矩阵的行列式。
• linalg.eig: 计算矩阵的特征值与特征向量。
• linalg.solve: 解决线性方程组。
• linalg.norm: 计算矩阵或向量的范数。

四、代码讲解

1、计算方阵的特征值与右特征向量，使用 NumPy 的线性代数模块 np.linalg.eig

​
import numpy as np

# 定义目标方阵
x = np.array([
    [1, -3, 3],
    [3, -5, 3],
    [6, -6, 4]
])

# 计算特征值（e）和右特征向量（v）
eigenvalues, eigenvectors = np.linalg.eig(x)

# 打印结果
print("特征值（eigenvalues）：")
print(eigenvalues)
print("\n右特征向量（eigenvectors，每一列对应一个特征值的特征向量）：")
print(eigenvectors)

​

计算特征值与特征向量：np.linalg.eig(x) 会返回两个结果：

第一个结果 eigenvalues 是特征值数组（按特定顺序排列）；
第二个结果 eigenvectors 是右特征向量矩阵（每一列对应一个特征值的单位特征向量）。

2、计算一般矩阵的特征值，使用 Python 的 NumPy 库 np linalg eigvals(x)函数。

import numpy as np

# 定义一个一般矩阵（这里以 3×3 方阵为例，可替换为任意方阵）
x = np.array([
    [1, -3, 3],
    [3, -5, 3],
    [6, -6, 4]
])

# 计算矩阵的特征值
eigenvalues = np.linalg.eigvals(x)

# 打印特征值结果
print("矩阵的特征值为：")
print(eigenvalues)

计算特征值：np.linalg.eigvals(matrix) 会直接返回矩阵的所有特征值（包括实数、复数特征值）。

3、计算复埃尔米特矩阵或实对称矩阵的特征值和特征向量，可使用 NumPy的 np.linalg.eigh 函数

import numpy as np

# 构造复埃尔米特矩阵（2×2 示例）
a_hermitian = np.array([
    [3 + 0j, 1 - 2j],
    [1 + 2j, 2 + 0j]
], dtype=complex)

# 计算特征值和特征向量
w_herm, v_herm = np.linalg.eigh(a_hermitian)

# 打印结果
print("\n=== 复埃尔米特矩阵的特征值 ===")
print(w_herm)
print("\n=== 复埃尔米特矩阵的特征向量（列向量为单位特征向量） ===")
print(v_herm)

# 验证特征关系：A·v ≈ λ·v
is_valid_herm = np.allclose(np.dot(a_hermitian, v_herm), w_herm * v_herm)
print("\n验证 A·v ≈ λ·v 的结果：", is_valid_herm)  # 应输出 True

• np.linalg.eigh(matrix) 返回两个结果：
  • 第一个是特征值数组（按从小到大排序）；
  • 第二个是特征向量矩阵（每一列对应一个特征值的单位特征向量）。
• 验证步骤利用了特征值的定义：若 λ是 A 的特征值，x是对应特征向量，则 Ax=λx