scipy.linalg.

eigvals#

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

从普通或广义特征值问题计算特征值。

查找一般矩阵的特征值

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

参数:

a(M, M) array_like

将计算其特征值和特征向量的复数或实数矩阵。

b(M, M) array_like, 可选

广义特征值问题中的右手边矩阵。如果省略，则假设为单位矩阵。

overwrite_abool, 可选

是否覆盖数据（可能提高性能）

check_finitebool, 可选

是否检查输入矩阵是否仅包含有限数字。禁用可能会提高性能，但如果输入包含无穷大或 NaN，则可能会导致问题（崩溃，不终止）。

homogeneous_eigvalsbool, 可选

如果为 True，则以齐次坐标返回特征值。在这种情况下，w 是一个 (2, M) 数组，因此

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

默认值为 False。

返回:

w(M,) 或 (2, M) 双精度或复数 ndarray: 特征值，每个特征值根据其重数重复，但不按任何特定顺序。除非 homogeneous_eigvals=True，否则形状为 (M,)。

引发:

LinAlgError: 如果特征值计算不收敛

另请参阅

eig: 一般数组的特征值和右特征向量。
eigvalsh: 对称或 Hermitian 数组的特征值
eigvals_banded: 对称/Hermitian 带矩阵的特征值
eigvalsh_tridiagonal: 对称/Hermitian 三对角矩阵的特征值

示例

>>> 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]])