Python 计算特征值特征向量

importnumpy as npimport torch as torch# 0 1 0 1 1# 1 0 1 0 0# 0 1 0 0 1# 1 0 0 0 1# 1 0 1 1 0x=np.array([[0 ,1 ,0 ,1, 1],[1 ,0, 1, 0, 0],[0, 1, 0, 0, 1],[1, 0, 0, 0, 1],[1, 0, 1, 1, 0]])# a = torch.te

宁然也

6248人浏览 · 2022-04-07 22:58:19

宁然也 · 2022-04-07 22:58:19 发布

import  numpy as np
import torch as torch

# 0 1 0 1 1
# 1 0 1 0 0
# 0 1 0 0 1
# 1 0 0 0 1
# 1 0 1 1 0
x=np.array([[0 ,1 ,0 ,1, 1],
            [1 ,0, 1, 0, 0],[0, 1, 0, 0, 1],[1, 0, 0, 0, 1],[1, 0, 1, 1, 0]])
# a = torch.tensor([[1,2,3],[4,5,6]])
a,b = np.linalg.eig(x)
for i in range (len(a)):
    print('特征值，',a[i],'对应的特征向量',b[:,i])

特征值， 2.4811943040920177 对应的特征向量 [-0.5298991 -0.35775124 -0.35775124 -0.42713229 -0.5298991 ]
特征值， -2.0000000000000018 对应的特征向量 [-5.00000000e-01 5.00000000e-01 -5.00000000e-01 1.62803112e-16
5.00000000e-01]
特征值， -1.170086486626034 对应的特征向量 [-0.43248663 0.19929465 0.19929465 0.73923874 -0.43248663]
特征值， 1.5260202360125897e-17 对应的特征向量 [ 5.00000000e-01 5.00000000e-01 -5.00000000e-01 2.79154475e-16
-5.00000000e-01]
特征值， 0.6888921825340182 对应的特征向量 [ 0.1793384 -0.57645095 -0.57645095 0.52065737 0.1793384 ]