Eigenvalues और eigenvector रैखिक बीजगणित में मूलभूत अवधारणाएं हैं, जो व्यापक रूप से इंजीनियरिंग अनुप्रयोगों जैसे स्थिरता विश्लेषण, कंपन विश्लेषण और सिस्टम गतिशीलता में उपयोग किया जाता है। NumPy और SciPy जैसे पायथन पुस्तकालय इन मूल्यों को पूरा करने के लिए कुशल उपकरण प्रदान करते हैं। यह लेख इंजीनियरों के लिए एक कदम-दर-चरण उदाहरण प्रस्तुत करता है ताकि इन पुस्तकालयों का उपयोग करके eigenvalues और eigenvector की गणना की जा सके।

पर्यावरण की स्थापना

सबसे पहले, यह सुनिश्चित करें कि आपके पायथन वातावरण में NumPy और SciPy स्थापित की गई है।

]pip in numpy scipy]

मैट्रिक्स बनाना

जिस मैट्रिक्स के लिए आप eigenvalues और eigenvectors की गणना करना चाहते हैं को परिभाषित करें। आम तौर पर, यह मैट्रिक्स चौकोर और वास्तविक या जटिल है।

उदाहरण के लिए, निम्नलिखित 3x3 मैट्रिक्स पर विचार करें:

]]

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

] ] ] []]] ]] ]] ] ] ]]] ]]]]]]] [[[[[[[]]]]]]]]]]]]]]]]]]]]]]] [[[[[[[[[FLT:[[]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]

] ] ] ] ] ]] ]] ]] ]]]] ]]]] ]]]] ]]]] ]]] ]]]]]]]]]]] [[[[[FLT:]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] [[[[[[[[[[[[FLT [[FLT:[]]]]]]]]]]]]]]]]]]]]]]

Eigenvalues और Eigenvectors की गणना

SciPy function का उपयोग करके eigenvalues और eigenvectors को compute:

]]scipy.linalg आयात eig]

]eigenvalues, eigenvector = eig(A)]

परिणाम व्याख्या करना

चर eigenvalues में मैट्रिक्स के eigenvalues A]]]. eigenvectors[] सरणी में स्तंभों के रूप में संबंधित eigenvector शामिल हैं।

परिणाम प्रदर्शित करने के लिए:

print("Eigenvalues:", eigenvalues)]

print("Eigenvector:", eigenvectors)

सारांश

eumpy और SciPy का उपयोग करके पायथन में eigenvalues और eigenvectors की गणना में मैट्रिक्स को परिभाषित करना शामिल है, फिर फ़ंक्शन को लागू करना। परिणाम इंजीनियरिंग अनुप्रयोगों में सिस्टम गुणों का विश्लेषण करने के लिए आवश्यक हैं।