Расчет значений и векторов Eigen в Numpy Scipy: пошаговый пример для инженеров

Эйгенваленты и собственные векторы являются фундаментальными понятиями в линейной алгебре, широко используемыми в инженерных приложениях, таких как анализ стабильности, вибрационный анализ и системная динамика. Библиотеки Python, такие как NumPy и SciPy, предоставляют эффективные инструменты для вычисления этих значений. В этой статье представлен пошаговый пример для инженеров для вычисления собственных значений и собственных векторов с использованием этих библиотек.

Создание окружающей среды

Во-первых, убедитесь, что NumPy и SciPy установлены в среде Python. Вы можете установить их с помощью pip:

pip install numpy scipy

Создавая матрицу

Определите матрицу, для которой вы хотите вычислить собственные значения и собственные векторы.Как правило, эта матрица квадратная и реальная или сложная.

Рассмотрим, например, следующую матрицу 3x3:

Импортировать Numpy как np

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

[1, 3, 0],

[2, 0, 2]]

Вычисление значений Eigen и векторов Eigen

Используйте функцию SciPy для вычисления собственных значений и собственных векторов:

от scipy.linalg import eig

собственные значения, собственные векторы = eig(A)

Интерпретация результатов

Переменные собственные значения содержат собственные значения матрицы А. собственные векторы массив содержит соответствующие собственные векторы в виде столбцов.

Чтобы показать результаты:

print("Eigenvalues:", собственные значения)

print("Eigenvectors:", eigenvectors)

Резюме

Расчет собственных значений и собственных векторов в Python с использованием NumPy и SciPy включает в себя определение матрицы, а затем применение функции .Результаты необходимы для анализа свойств системы в инженерных приложениях.