我想计算python中二阶导数矩阵的特征向量。根据数学计算,第一个矢量应该等于0和pi之间的sin函数,第二个矢量等于0和2 * pi之间的sin函数。因此我的代码看起来像
import numpy as np
from matplotlib import pyplot as plt
from scipy import sparse
import scipy.integrate as integrate
import scipy.special as special
import scipy
def create_second_deriv(size, h):
delta_matrix_2_second_diff = (np.eye(size, dtype=np.float)*-2+np.eye(size, k=-1,dtype=np.float)*1+np.eye(size, k=1,dtype=np.float)*1)
delta_matrix_2_second_diff /= (h*h)
return -1*delta_matrix_2_second_diff
delta_x = 0.001
x = np.linspace(0, 1, (int)(1/delta_x))
delta_matrix = create_second_deriv(len(x), delta_x)
w, v = scipy.linalg.eigh(delta_matrix)
plt.plot(v.tolist()[0])
plt.show()
plt.plot(v.tolist()[1])
plt.show()
现在,我得到的是输出,是
作为第一个特征向量的图,并且
作为第二个特征向量的图。我已经知道不同值的符号是任意的,但在我的情况下,它们对于后续处理很重要。有没有办法“翻转”这些符号,使得结果值大致等于预期的函数?在这种情况下,简单地使用abs()
- 函数将无济于事。
答案 0 :(得分:1)
scipy.linalg.eigh()
功能的
尽管使用
eigh()
例程来获取特征值,但要非常小心。 其中埋藏着“陷阱”。语法为:
(eigenvalues, eigenvectors) = eigh(matrix)
返回特征值数组和特征向量的2D数组 (每个特征向量由许多组件组成)。
而且还有问题。假设您想要
n
特征值和。{ 特征向量。我会写:eigenvalues[n] eigenvectors[n]
我会非常错误。特征向量和特征值 共享索引,但特征向量上的索引是SECOND列:
eigenvectors[:,n]
因此,您的代码的最后四行必须更改为:
plt.plot(v[:,0])
plt.show()
plt.plot(v[:,1])
plt.show()