scipy.linalg.

eigvals#

scipy.linalg.eigvals(a, b=None, overwrite_a=False, check_finite=True, homogeneous_eigvals=False)[source]#

從普通或廣義特徵值問題計算特徵值。

找出一般矩陣的特徵值

a   vr[:,i] = w[i]        b   vr[:,i]

參數:

a(M, M) array_like

一個複數或實數矩陣，其特徵值和特徵向量將被計算。

b(M, M) array_like, optional

廣義特徵值問題中的右手邊矩陣。如果省略，則假定為單位矩陣。

overwrite_abool, optional

是否覆寫 a 中的資料 (可能提高效能)

check_finitebool, optional

是否檢查輸入矩陣僅包含有限數字。停用可能會提高效能，但如果輸入包含無限或 NaN，可能會導致問題（崩潰、無法終止）。

homogeneous_eigvalsbool, optional

如果為 True，則以齊次座標返回特徵值。在這種情況下，w 是一個 (2, M) 陣列，因此

w[1,i] a vr[:,i] = w[0,i] b vr[:,i]

預設值為 False。

返回值:

w(M,) or (2, M) double or complex ndarray: 特徵值，每個特徵值根據其重數重複，但不按任何特定順序排列。形狀為 (M,)，除非 homogeneous_eigvals=True。

拋出:

LinAlgError: 如果特徵值計算不收斂

另請參閱

eig: 一般陣列的特徵值和右特徵向量。
eigvalsh: 對稱或 Hermitian 陣列的特徵值
eigvals_banded: 對稱/Hermitian 帶狀矩陣的特徵值
eigvalsh_tridiagonal: 對稱/Hermitian 三對角矩陣的特徵值

範例

>>> import numpy as np
>>> from scipy import linalg
>>> a = np.array([[0., -1.], [1., 0.]])
>>> linalg.eigvals(a)
array([0.+1.j, 0.-1.j])

>>> b = np.array([[0., 1.], [1., 1.]])
>>> linalg.eigvals(a, b)
array([ 1.+0.j, -1.+0.j])

>>> a = np.array([[3., 0., 0.], [0., 8., 0.], [0., 0., 7.]])
>>> linalg.eigvals(a, homogeneous_eigvals=True)
array([[3.+0.j, 8.+0.j, 7.+0.j],
       [1.+0.j, 1.+0.j, 1.+0.j]])