ในการคำนวณค่าลักษณะเฉพาะของเมทริกซ์สมมาตรแบบ Hermitian เชิงซ้อนหรือสมมาตรจริง ให้ใช้เมธอด numpy.eigvalsh() วิธีการส่งกลับค่าลักษณะเฉพาะในลำดับจากน้อยไปมาก โดยแต่ละรายการจะทำซ้ำตามหลายหลาก
พารามิเตอร์ตัวที่ 1 a คือเมทริกซ์ค่าเชิงซ้อนหรือค่าจริงที่มีการคำนวณค่าลักษณะเฉพาะ พารามิเตอร์ตัวที่ 2 UPLO ระบุว่าจะทำการคำนวณด้วยส่วนสามเหลี่ยมล่างของ a ('L' ค่าเริ่มต้น) หรือส่วนสามเหลี่ยมด้านบน ('U') โดยไม่คำนึงถึงค่านี้ จะมีการพิจารณาเฉพาะส่วนที่แท้จริงของเส้นทแยงมุมในการคำนวณเพื่อรักษาแนวคิดของเมทริกซ์เฮอร์มิเที่ยน ดังนั้นส่วนจินตภาพของเส้นทแยงมุมจะถือว่าเป็นศูนย์เสมอ
ขั้นตอน
ขั้นแรก นำเข้าไลบรารีที่จำเป็น -
import numpy as np from numpy import linalg as LA
การสร้างอาร์เรย์ numpy 2D โดยใช้เมธอด numpy.array() -
arr = np.array([[5+2j, 9-2j], [0+2j, 2-1j]])
แสดงอาร์เรย์ -
print("Our Array...\n",arr) ตรวจสอบขนาด -
print("\nDimensions of our Array...\n",arr.ndim)
รับประเภทข้อมูล -
print("\nDatatype of our Array object...\n",arr.dtype) รับรูปร่าง -
print("\nShape of our Array object...\n",arr.shape)
ในการคำนวณค่าลักษณะเฉพาะของเมทริกซ์สมมาตรแบบ Hermitian เชิงซ้อนหรือสมมาตรจริง ให้ใช้เมธอด numpy.eigvalsh() -
print("\nResult...\n",LA.eigvalsh(arr)) ตัวอย่าง
from numpy import linalg as LA
import numpy as np
# Creating a 2D numpy array using the numpy.array() method
arr = np.array([[5+2j, 9-2j], [0+2j, 2-1j]])
# Display the array
print("Our Array...\n",arr)
# Check the Dimensions
print("\nDimensions of our Array...\n",arr.ndim)
# Get the Datatype
print("\nDatatype of our Array object...\n",arr.dtype)
# Get the Shape
print("\nShape of our Array object...\n",arr.shape)
# To compute the eigenvalues of a complex Hermitian or real symmetric matrix, use the numpy.eigvalsh() method
print("\nResult...\n",LA.eigvalsh(arr)) ผลลัพธ์
Our Array... [[5.+2.j 9.-2.j] [0.+2.j 2.-1.j]] Dimensions of our Array... 2 Datatype of our Array object... complex128 Shape of our Array object... (2, 2) Result... [1. 6.]
