numpy求矩阵的特征向量

要使用NumPy求矩阵的特征向量，可以使用`numpy.linalg.eig`函数。以下是一个示例代码：

import numpy as np

# 创建一个矩阵
matrix = np.array([[1, 2], [3, 4]])

# 求特征值和特征向量
eigenvalues, eigenvectors = np.linalg.eig(matrix)

# 打印特征值
print("特征值:", eigenvalues)

# 打印特征向量
print("特征向量:", eigenvectors)

运行这段代码，你将得到矩阵的特征值和特征向量。请注意，特征值和特征向量是按照特征值从小到大的顺序返回的。

相关问题

numpy 求矩阵特征值与特征向量

可以使用 `numpy.linalg.eig()` 函数来求解矩阵的特征值和特征向量，其中输入参数为一个 numpy 数组，输出为特征值和对应的特征向量。

以下是一个示例代码：

import numpy as np

# 定义一个 3x3 的矩阵
A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])

# 求解特征值和特征向量
eig_values, eig_vectors = np.linalg.eig(A)

# 打印特征值和特征向量
print("特征值：", eig_values)
print("特征向量：", eig_vectors)

输出结果为：

特征值： [ 1.61168440e+01 -1.11684397e+00 -1.30367773e-15]
特征向量： [[-0.23197069 -0.78583024  0.40824829]
 [ 0.52532209 -0.08675134 -0.81649658]
 [ 0.81867387  0.61232756  0.40824829]]

其中，特征值为一个一维数组，特征向量为一个二维数组，每一列代表一个特征向量。

Numpy矩阵取列向量

可以使用numpy的切片语法来取矩阵的列向量。例如，假设你有一个2x3的矩阵A，你想取它的第二列向量，可以使用以下代码：

import numpy as np

A = np.array([[1, 2, 3], 
              [4, 5, 6]])

col_vector = A[:, 1]

print(col_vector)

输出结果为：

[2 5]

在切片语法中，冒号（:）表示取所有行，而数字1表示取第二列。因此，A[:, 1]表示取A的所有行的第二列。这将返回一个形状为(2,)的一维数组，我们可以将其视为列向量。