Eigenvalues ja eigenvectors ovat peruskäsitteitä lineaarinen algebra, laajalti käytetty tekniikka sovelluksia, kuten stabiliteettianalyysi, tärinäanalyysi, ja järjestelmän dynamiikka. Python kirjastot kuten NumPy ja SciPy tarjoavat tehokkaita työkaluja laskea nämä arvot. Tämä artikkeli esittelee vaihe vaiheelta esimerkki insinöörit laskea eigenvalues ja eigenvectors käyttämällä näitä kirjastoja.

Ympäristön luominen

Varmista ensin, että NumPy ja SciPy asennetaan Python-ympäristöön. Voit asentaa ne pip:llä:

pip asennus numpy scipy

Matrixin luominen

Määrittele matriisi, jolle haluat laskea eigenarvoja ja eigenvektoreja. Tyypillisesti, tämä matriisi on neliö ja todellinen tai monimutkainen.

Esimerkiksi, harkita seuraava 3x3 matriisi:

tuontihöperö kuten np

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

[1, 3, 0],

[2, 0,]]) []

Eigenvalue- ja Eigenvector-arvojen laskeminen

Käytä SciPy-toimintoa laskeaksesi eigenarvoja ja eigenvektoreja:

scipy.linalg tuonti eig[

eigenvectors = eig(A)

Tulosten tulkinta

Muuttuja eigenvores sisältää matriisin (]]eigenvores-arvot. eigenvektorit[]-matriisi sisältää vastaavat eigenvektorit sarakkeina.

Näytetään tulokset:

print("Eigenvorements:", eigenvorements)

print("Eigenvektorit:," eigenvektorit)

Yhteenveto

Lasketaan eigenarvoja ja eigenvektoreja Python käyttäen NumPy ja SciPy liittyy matriisin määrittely, sitten soveltamalla [ funktio. Tulokset ovat välttämättömiä analysoimaan järjestelmän ominaisuuksia teknisiä sovelluksia.