Keunikan dan eigenvektor adalah konsep dasar dalam aljabar linear, yang banyak digunakan dalam aplikasi teknik seperti analisis stabilitas, analisis getaran, dan dinamika sistem. Perpustakaan Python seperti NumPy dan SciPy menyediakan alat yang efisien untuk menghitung nilai-nilai ini. Artikel ini menyajikan contoh langkah-berdasarkan analisis, analisis getaran, dan dinamika sistem. Perpustakaan Python seperti NumPy dan SciPy menyediakan alat-alat yang efisien untuk menghitung nilai-nilai ini. Artikel ini menyajikan contoh langkah-langkah bagi para insinyur untuk menghitung eigenvalues dan eigenvektor menggunakan perpustakaan-perpustaka ini.

Membina Lingkungan Hidup

Pertama, pastikan NumPy dan SciPy terpasang di lingkungan Python Anda. Anda dapat memasangnya menggunakan pip:

pip pasang scipi numpy

Come the Matrix

Anda ingin menghitung eigenvalues dan eigenvektor. biasanya, matriks ini adalah persegi dan nyata atau kompleks.

Sebagai contoh, perhatikan matriks 3x3 berikut:

import numpy as np

[[ZANDA:0]]A = np.array([4, 1, 2],[

[1, 3, 0],

[2, 0, 2]])[

Menghitung perhitungan Eigenval dan Eigenvektor

Umuna menggunakan fungsi SciPy untuk menghitung eigenvaluations dan eigenvektor:

[[Objek-obi:0]]dari scipy.linalg impor eig[

[[Eigenvalues, eigenvectors = eig(A)

Tafsiran Hasil

variabel everydon eigenvalues mengandung eigenvalues dari matriks A. eigenvectors[ array berisi eigenvectors yang bersangkutan sebagai kolom.

Untuk menampilkan hasilnya:

[[]]]]]]print ⁇ Eigenvalues: ⁇ eigenvalues)

[[Eigenvektor: eigenvektors]] ]] [[FLT:]]

Ringkasan

Menghitung perhitungan eigenval dan eigenvektor dalam Python menggunakan NumPy dan SciPy melibatkan mendefinisikan matriks, kemudian menerapkan fungsi . Hasilnya sangat penting untuk menganalisis sifat sistem dalam aplikasi teknik.