Berekening van eigenwaarden en Eigenvectoren in Numpy Scipy: Stap voor stap Voorbeeld voor Ingenieurs

Eigenwaarden en eigenvectoren zijn fundamentele concepten in lineaire algebra, die wijdverspreid worden gebruikt in engineeringtoepassingen zoals stabiliteitsanalyse, trillingsanalyse en systeemdynamiek. Pythonbibliotheken zoals NumPy en SciPy bieden efficiënte tools om deze waarden te berekenen. Dit artikel presenteert een stap-voor-stap voorbeeld voor ingenieurs om eigenwaarden en eigenvectoren te berekenen met behulp van deze bibliotheken.

Milieu

Zorg er eerst voor dat NumPy en SciPy in uw Python omgeving worden geïnstalleerd. U kunt ze installeren met pip:

pip install numpy scipy

De Matrix aanmaken

Definieer de matrix waarvoor u eigenwaarden en eigenvectoren wilt berekenen. Typisch is deze matrix vierkant en echt of complex.

Denk bijvoorbeeld aan de volgende 3x3 matrix:

invoer van numpy als np

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

[1, 3, 0],

[2, 0, 2,]]]

Berekening van eigenwaarden en Eigenvectoren

Gebruik de SciPy-functie om eigenwaarden en eigenvectoren te berekenen:

van scipy.linalg import eig

eigenwaarden, eigenvectoren = eigen(A)

Vertolking van de resultaten

De variabele eigenwaarden bevat de eigenwaarden van matrix A. De eigenvectorenarray bevat de overeenkomstige eigenvectoren als kolommen.

Om de resultaten weer te geven:

print("Eigenwaarden:", eigenwaarden)

print("Eigenvectors:", eigenvectors)

Samenvatting

Het berekenen van eigenwaarden en eigenvectoren in Python met NumPy en SciPy impliceert het definiëren van de matrix, vervolgens het toepassen van de functie . De resultaten zijn essentieel voor het analyseren van systeemeigenschappen in engineeringtoepassingen.