Numpy - 模态矩阵和对角线特征值
问题描述:
我在Python Numpy中编写了一个简单的线性代数代码,通过计算$ M^{ - 1} .A.M $(M是模态矩阵)来计算特征值的对角线,这很奇怪。Numpy - 模态矩阵和对角线特征值
下面的代码:
import numpy as np
array = np.arange(16)
array = array.reshape(4, -1)
print(array)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
eigenvalues, eigenvectors = np.linalg.eig(array)
print eigenvalues
[ 3.24642492e+01 -2.46424920e+00 1.92979794e-15 -4.09576009e-16]
print eigenvectors
[[-0.11417645 -0.7327781 0.54500164 0.00135151]
[-0.3300046 -0.28974835 -0.68602671 0.40644504]
[-0.54583275 0.15328139 -0.2629515 -0.8169446 ]
[-0.76166089 0.59631113 0.40397657 0.40914805]]
inverseEigenVectors = np.linalg.inv(eigenvectors) #M^(-1)
diagonal= inverseEigenVectors.dot(array).dot(eigenvectors) #M^(-1).A.M
print(diagonal)
[[ 3.24642492e+01 -1.06581410e-14 5.32907052e-15 0.00000000e+00]
[ 7.54951657e-15 -2.46424920e+00 -1.72084569e-15 -2.22044605e-16]
[ -2.80737213e-15 1.46768503e-15 2.33547852e-16 7.25592561e-16]
[ -6.22319863e-15 -9.69656080e-16 -1.38050658e-30 1.97215226e-31]]
最后的“对角线”矩阵应与主对角线特征值和零其他地方对角矩阵。但它不是......两个第一主对角线值是特征值,但是两个第二主对角线值不是(虽然就像两个第二特征值一样,它们几乎为零)。
顺便说一句,像$ -1.06581410e-14 $这样的数字实际上是零,所以我怎么让numpy将它们显示为零?
我在做什么错?
谢谢...
答
刚轮的最终结果所需的数字:
print(diagonal.round(5))
array([[ 32.46425, 0. , 0. , 0. ],
[ 0. , -2.46425, 0. , 0. ],
[ 0. , 0. , 0. , 0. ],
[ 0. , 0. , 0. , 0. ]])
不要混淆计算和打印政策精度。
+0
谢谢......我会牢记这一点...... – Cypher
提示:第3行= 2 *第2行 - 第1行 –
呃哦...然后...矩阵的行列式为零?和det(A)=特征值和特征值的乘积应该是零?如果我已经把它做到这里,那为什么numpy会计算EigenValues并且不给0作为答案? – Cypher
一切都好。考虑浮点单词,任何值