Beräkning av utgångsvärden och eigenvektorer i Numpy Scipy: steg-för-steg-exempel för ingenjörer

Eigenvalues och eigenvectors är grundläggande begrepp i linjär algebra, allmänt används i tekniska tillämpningar som stabilitetsanalys, vibrationsanalys och systemdynamik. Python bibliotek som NumPy och SciPy ger effektiva verktyg för att beräkna dessa värden. Denna artikel presenterar ett steg-för-steg-exempel för ingenjörer att beräkna eigenvalues och eigenvectors med hjälp av dessa bibliotek.

Ställa in miljön

För det första, se till att NumPy och SciPy installeras i din Python miljö. Du kan installera dem med hjälp av pip:

]pip installera numpy scipy

Skapa Matrix

Definiera matrisen för vilken du vill beräkna utvärderingar och utgåvor. Vanligtvis är denna matris kvadrat och verklig eller komplex.

Tänk till exempel på följande 3x3 matris:

] utgör numpy som np

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

[1, 3, 0],

[2, 0, 2]]]]

Beräkning av utgångsvärden och eigenvektorer

Använd SciPy-funktionen för att beräkna utgångsvärden och utjämningsämnen:

] från scipy.linalg import eig

]]]eigenvalues, eigenvectors = eig(A)

Tolka resultaten

Den variabla ]][[]] innehåller eigenvalues av matris ]]]] A]]. ]]]]]]]]][]]]]]] innehåller motsvarande edervivare som kolumner.

För att visa resultaten:

] print("Eigenvalues:", eigenvalues)]

] print("Eigenvectors:", eigenvectors)]

Sammanfattning

Beräkna utgångsvärden och utläsare i Python med NumPy och SciPy innebär att definiera matrisen, sedan tillämpa ] funktion. Resultaten är avgörande för att analysera systemegenskaper i tekniska tillämpningar.