Berechnung von Eigenwerten und Eigenvektoren in Numpy Scipy: Schritt-für-Schritt-Beispiel für Ingenieure

Eigenwerte und Eigenvektoren sind grundlegende Konzepte in der linearen Algebra, die in technischen Anwendungen wie Stabilitätsanalyse, Schwingungsanalyse und Systemdynamik weit verbreitet sind. Python-Bibliotheken wie NumPy und SciPy bieten effiziente Werkzeuge, um diese Werte zu berechnen. Dieser Artikel stellt ein Schritt-für-Schritt-Beispiel für Ingenieure dar, um Eigenwerte und Eigenvektoren mit diesen Bibliotheken zu berechnen.

Umweltaufbau

Stellen Sie zunächst sicher, dass NumPy und SciPy in Ihrer Python-Umgebung installiert sind.

pip install numpy scipy

Die Matrix erschaffen

Definieren Sie die Matrix, für die Sie Eigenwerte und Eigenvektoren berechnen möchten.

Betrachten Sie zum Beispiel die folgende 3x3-Matrix:

importieren numpy als np

A = np.array([[4, 1, 2],]

[1, 3, 0],

[2, 0, 2]]

Berechnung von Eigenwerten und Eigenvektoren

Verwenden Sie die Funktion SciPy , um Eigenwerte und Eigenvektoren zu berechnen:

von scipy.linalg import eig

eigenvalues, eigenvectors = eig(A)

Interpretation der Ergebnisse

Die Variable eigenvalues enthält die Eigenwerte der Matrix A Das eigenvectors-Array enthält die entsprechenden Eigenvectoren als Spalten.

Zur Anzeige der Ergebnisse:

print("Eigenvalues:", eigenvalues)

print("Eigenvectors:", Eigenvectors)

Zusammenfassung

Die Berechnung von Eigenwerten und Eigenvektoren in Python mit NumPy und SciPy beinhaltet die Definition der Matrix, dann die Anwendung der Funktion .