Python求矩阵的最小特征值及对应的特征向量
时间: 2023-10-29 09:12:39 浏览: 95
jacobi.zip_jacobi_jacobi eigenvalues_jacobi特征_nailsphs_特征值
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:
```python
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]
```
阅读全文