取至：機器學習算法原理與編程實踐（鄭捷）

?

# -*- coding: utf-8 -*-
# Filename : matrix05.py
import operator
from numpy import *

eps = 1.0e-6 # 誤差量

# 矩陣的特征值和特征向量
A = mat([[8,1,6],[3,5,7],[4,9,2]])

evals, evecs = linalg.eig(A)
print "特征值:",evals,"\n特征向量:", evecs

?

?

# 手動計算特征值：
m,n = shape(A)
# Aeig = lambda*I-A = [[lambda-8,-1],[-6;-3,lambda-5,-7],[-4,-9,lambda-2]]
# (lambda-8)*(lambda-5)*(lambda-2)-190-24*(5-lambda)-3*(2-lambda)-63*(8-lambda)
equationA = [1,-15,-24,360] #得到系數方程矩陣
evals = roots(equationA) # 計算矩陣方程的根
print "特征值:" ,evals

?

# 特征值和特征向量,還原原矩陣
sigma = evals*eye(m)
print evecs*sigma*linalg.inv(evecs)

?

轉載于:https://www.cnblogs.com/judejie/p/9026807.html

總結

以上是生活随笔為你收集整理的特征值 与特征向量(机器学习算法原理与实践）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。