我想知道是否有一个 Python 包(numpy 或其他)具有计算小矩阵(比如 2x2)的第一个特征值和特征向量的函数。我可以按如下方式在 numpy 中使用 linalg 包。
import numpy as np
def whatever():
A = np.asmatrix(np.rand(2, 2))
evals, evecs = np.linalg.eig(A)
#Assume that the eigenvalues are ordered from large to small and that the
#eigenvectors are ordered accordingly.
return evals[0], evecs[:, 0]
但这需要很长时间。我怀疑这是因为 numpy 通过某种迭代过程计算特征向量。所以我想知道是否有更快的算法只返回第一个(最大的)特征值和特征向量,因为我只需要第一个。
对于 2x2 矩阵,我当然可以自己编写一个函数,以解析方式计算特征值和特征向量,但是浮点计算存在问题,例如,当我将一个非常大的数除以一个非常小的数时,我得到无穷大或 NaN。有人对这个有了解吗?请帮忙!提前致谢!
最佳答案
使用这个:http://docs.scipy.org/doc/scipy/reference/sparse.linalg.html
Find k eigenvalues and eigenvectors of the square matrix A.
关于Python numpy 计算第一个特征值和特征向量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7839413/