Οι ευεργετικές αξίες και οι ευεργέτες είναι θεμελιώδεις έννοιες στη γραμμική άλγεβρα, που χρησιμοποιούνται ευρέως σε εφαρμογές μηχανικής όπως η ανάλυση σταθερότητας, η ανάλυση κραδασμών και η δυναμική του συστήματος. Οι βιβλιοθήκες Python όπως το NumPy και το SciPy παρέχουν αποτελεσματικά εργαλεία για τον υπολογισμό αυτών των τιμών.

⁇ του Περιβάλλοντος

Πρώτα, βεβαιωθείτε ότι το NumPy και το SciPy είναι εγκατεστημένα στο περιβάλλον σας Python. Μπορείτε να τα εγκαταστήσετε χρησιμοποιώντας το pip:

Πίπ εγκατάσταση numpy scipy

Δημιουργία του Matrix

Καθορίστε τη μήτρα για την οποία θέλετε να υπολογίσετε τις eigenvalues και eigenvectors. Τυπικά, αυτή η μήτρα είναι τετραγωνική και πραγματική ή πολύπλοκη.

Για παράδειγμα, εξετάστε την ακόλουθη μήτρα 3x3:

εισαγωγή numpy ως np

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

[1, 3, 0],

[2, 0, 2]]]

Υπολογισμός των Αιώνων και των Αίγεντων

Χρήση της συνάρτησης SciPy για τον υπολογισμό των eigenvalues και eigenvectors:

από την εισαγωγή του σκιπύλιναλγκ

igenvalues, eigenvectors = eig(A)

Ερμηνεύοντας τα Αποτελέσματα

Η μεταβλητή eigenvalues περιέχει τις eigenvalues of matrix A. Η σειρά eigenvectors] περιέχει τους αντίστοιχους eigenvectors ως στήλες.

Για την εμφάνιση των αποτελεσμάτων:

τύπωση( ⁇ Αιτιμετρικές τιμές: ⁇ eigenvalues)

τύπωμα( ⁇ Eigenvectors: ⁇ eigenvectors)

Περίληψη

Η υπολογισμούς των eigenvalues και eigenvectors σε Python χρησιμοποιώντας το NumPy και το SciPy περιλαμβάνει τον ορισμό του πίνακα, στη συνέχεια εφαρμόζοντας τη συνάρτηση [[LFT:1]. Τα αποτελέσματα είναι απαραίτητα για την ανάλυση των ιδιοτήτων του συστήματος σε εφαρμογές μηχανικής.