Python求矩阵的最小特征值及对应的特征向量

可以使用NumPy库中的linalg.eig函数来求解矩阵的特征值和特征向量。特征值中最小的那个就是矩阵的最小特征值，对应的特征向量即为对应的特征向量。示例代码如下：

import numpy as np

# 定义一个矩阵
matrix = np.array([[1, 2], [3, 4]])

# 求解矩阵的特征值和特征向量
eigenvalues, eigenvectors = np.linalg.eig(matrix)

# 找到最小特征值的索引
min_index = np.argmin(eigenvalues)

# 获取最小特征值对应的特征向量
min_eigenvector = eigenvectors[:, min_index]

print("矩阵的最小特征值为：", eigenvalues[min_index])
print("对应的特征向量为：", min_eigenvector)

输出结果为：

矩阵的最小特征值为： -0.3722813232690143
对应的特征向量为： [-0.82456484  0.56576746]