4
我在做一些矩陣計算,想要計算出這個特殊矩陣的特徵值和特徵向量:Numpy特徵向量不是特徵向量?
我找到了它的特徵向量分析,並希望確認使用numpy.linalg.eigh
我的答案,因爲這個矩陣是對稱的。這裏的問題是:我找的預期特徵值,但對應的特徵向量似乎在所有
這裏不是特徵向量的代碼的小片我用:
import numpy as n
def createA():
#create the matrix A
m=3
T = n.diag(n.ones(m-1.),-1.) + n.diag(n.ones(m)*-4.) +\
n.diag(n.ones(m-1.),1.)
I = n.identity(m)
A = n.zeros([m*m,m*m])
for i in range(m):
a, b, c = i*m, (i+1)*m, (i+2)*m
A[a:b, a:b] = T
if i < m - 1:
A[b:c, a:b] = A[a:b, b:c] = I
return A
A = createA()
ev,vecs = n.linalg.eigh(A)
print vecs[0]
print n.dot(A,vecs[0])/ev[0]
所以對於第一特徵值/特徵向量對,此產率:
[ 2.50000000e-01 5.00000000e-01 -5.42230975e-17 -4.66157689e-01
3.03192985e-01 2.56458619e-01 -7.84539156e-17 -5.00000000e-01
2.50000000e-01]
[ 0.14149052 0.21187998 -0.1107808 -0.35408209 0.20831606 0.06921674
0.14149052 -0.37390646 0.18211242]
以我的特徵值問題的理解,看來這種載體不足以等式A.vec = ev.vec,因此,該載體是無eige在所有的nvalue。
我很肯定矩陣A本身是正確實現的,並有一個正確的特徵向量。例如,我的分析導出的特徵向量:
rvec = [0.25,-0.35355339,0.25,-0.35355339,0.5,-0.35355339,0.25,
-0.35355339,0.25]
b = n.dot(A,rvec)/ev[0]
print n.allclose(real,b)
產量True
。
任何人都可以通過任何方式解釋這種奇怪的行爲嗎?我誤解了特徵值問題嗎?可能會出現錯誤嗎?
(由於這是我的第一篇文章在這裏:。我對我的問題任何unconventionalities道歉,感謝您在您的耐心)
就是這樣。 - 我覺得很傻,謝謝你,解決了一切! – JBouman
@JBouman不要覺得自己是個笨蛋,numpy/scipy本徵向量作爲列而不是行是非常不規則的,並且沒有很好的文檔記錄......自己遇到這個問題並且在這個主題上探索了互聯網,這是一個非常常見的錯誤。 –