根据https://docs.scipy.org/doc/numpy-1.15.0/user/numpy-for-matlab-users.html,MATLAB [V,D]=eig(a,b)
的等效numpy表达式为V,D = np.linalg.eig(a,b)
。
但是当我尝试这样做时,我得到了错误:
TypeError: eig() takes 1 positional argument but 2 were given
我很困惑,文档说np.linalg.eig
可以接受两个参数?
奇怪的是,当我查看https://docs.scipy.org/doc/numpy-1.15.1/reference/routines.linalg.html的linalg
文档时,在“矩阵特征值”标题下没有提到linalg.eig
带有两个参数吗?
如何让eig
像在MATLAB中一样接受两个参数?
a = diag(ones(3,1));
b = diag(2*ones(3,1));
[V,D] = eig(a,b)
输出:
V =
0.7071 0 0
0 0.7071 0
0 0 0.7071
D =
0.5000 0 0
0 0.5000 0
0 0 0.5000
import numpy as np
a = np.diag(np.ones(3))
b = np.diag(2*np.ones(3))
V,D = np.linalg.eig(a,b)
错误:
TypeError: eig() takes 1 positional argument but 2 were given
答案 0 :(得分:2)
正如您在numpy.linalg.eig
的文档中看到的那样,它仅接受单个数组参数,因此它不计算广义特征值问题。
幸运的是,我们有scipy.linalg.eig
:
scipy.linalg.eig(a, b=None, left=False, right=True, overwrite_a=False, overwrite_b=False, check_finite=True, homogeneous_eigvals=False)
Solve an ordinary or generalized eigenvalue problem of a square matrix.
这是您的示例案例:
import numpy as np
import scipy.linalg
a = np.diag(np.ones(3))
b = np.diag(2*np.ones(3))
eigvals,eigvects = scipy.linalg.eig(a, b)
现在我们有
>>> eigvals
array([0.5+0.j, 0.5+0.j, 0.5+0.j])
>>> eigvects
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
特征向量的差异可能是由于特征值归一化的选择不同。我将检查两个非平凡矩阵,看看结果是否彼此对应(当然,比较对应的特征值-特征向量对)。