numpy使用linalg.eig计算实对称矩阵特征值和特征向量时为什么会出现复数? 5C

我通过外部文件导入建立了一个无向图的邻接矩阵,是一个实对称矩阵,矩阵规模较大,然后计算特征值和特征向量的时候,为什么特征值和特征向量里面会出现复数?该怎样处理?谢谢了!

2个回答

问题已经解决了,linalg.eig这个函数在计算的时候是以复数的形式运算的,算法在收敛时,虚部可能还没有完全收敛到0,但是都已经很小了,计算的时候可以直接取实部。

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
实对称矩阵求特征值和特征向量
有个需求,本人新手,希望大家指点一二rnrn1.首先,从一个txt文件里读数据,数据都是double类型的,在txt中保存的格式类似于下边rnrn0.29871652 0.982781 0.982781rn... ... ...rn.rn.rn要将txt文件中数据读出并且保存在一个n*3的二维数组中rnrn2.求二维数组中保存的矩阵的特征值和特征向量rnrn将整个求解的过程在java中用一个按钮放在图形界面上rnrn请大家发表意见,不知道我说的是否清楚?
对称矩阵的特征值与特征向量
对称矩阵: A = A的转置 这里讨论的是实对称矩阵 两个好的性质: 1, 特征值是实数 2,特征向量是两两正交的   一个对称矩阵A可以进行如下分解: A=QQ的转置   对于对称矩阵来说,有一个性质:主元的符号与特征值得符号是相同的。即正主元的个数等于正的特征值的个数。   正定矩阵:首先是一个对称矩阵,是对称矩阵一个很好的子类。正定矩阵的所有特征值都是正数。所有的主元都...
C++代码实现求取实对称矩阵的特征值与特征向量
本资源是C++代码,以txt文件存储,能实现求取实对称矩阵的特征值与特征向量
实对称矩阵特征值和特征向量求解_C#
根据网上资源(C++)改编的 c#版本;测试成功;
Householder+QR求解实对称矩阵全部特征值和特征向量
一个Householder+QR法求解实对称矩阵全部特征值和特征向量的类,经过一些优化,速度比一般的版本要快一些。
关于实对称矩阵的特征向量
用来解释PCA和svd
求复数矩阵的特征值和特征向量
请教大家,如何用C语言求出一个复数矩阵的特征值和特征向量呢?rn比如4X4的复数矩阵为:rn5.8751 5.8774 + 1.5423i 2.0818 + 2.8963i 1.8692 + 1.9634irn 5.8774 - 1.5423i 6.8258 2.6390 + 2.8255i 2.2955 + 1.9349irn 2.0818 - 2.8963i 2.6390 - 2.8255i 3.9534 2.9155 - 0.3039irn 1.8692 - 1.9634i 2.2955 - 1.9349i 2.9155 + 0.3039i 2.2816rnrn他的特征向量为:rn -0.0506 + 0.2898i 0.1137 + 0.6431i -0.1009 - 0.3856i 0.3665 + 0.4403irn -0.0942 - 0.2603i -0.3552 - 0.5019i -0.3791 - 0.1255i 0.4927 + 0.3782irn -0.5045 - 0.0249i 0.2804 - 0.2056i 0.6644 - 0.0427i 0.4221 - 0.0503irn 0.7627 -0.2731 0.4882 0.3245 rnrn特征值为:rn 0.0412 0 0 0rn 0 0.1996 0 0rn 0 0 2.0591 0rn 0 0 0 16.6361rnrn急求!多谢了!
关于复数矩阵特征值和特征向量
请教各位,我想在想求复数矩阵特征值和特征向量,有关资料上有此种方法:若hermit复数矩阵形式为A+Bi,则重新构造新的实对称矩阵S=[A -Brn B -A],问题是:求出S的特征值和特征向量,怎么恢复出原复数矩阵的实部和虚部?
矩阵特征值与特征向量的计算
一.试验目的:练习用数值方法计算矩阵特征值与特征向量。 二.实验内容:计算矩阵 的全部特征根与相应的特征向量
矩阵特征值特征向量的计算
一套完整的数学基础课合集,解决与人工智能相关的所有必备数学基础。AI人工智能之数学基础视频培训课程概况:讲解人工智能、机器学习和深度学习过程中用到的数学知识。包括线性代数、微积分、信息论等等人工智能相关的数学知识。
ND4J计算特征值和特征向量
ND4J是java环境下的n维向量计算框架。线性代数的核心是计算特征值和特征向量。但ND4J无法计算,原因如下:     ND4J中有方法类Eigen,计算特征值和特征向量的方法包含其中。主要有三个: eigenvalues() eigenvectors() symmetricGeneralizedEigenvalues()     以上三个方法会引用BaseBlasWrapper类
C++对任意阶的实对称矩阵求特征值和特征向量
该程序用C++实现对任意阶的是对称矩阵求特征值和特征向量,本程序给的例子是读取matrix.txt这个120阶矩阵。
求解实对称矩阵的特征值与特征向量的雅克比法
jacob求解实对称矩阵的特征值特征向量c代码
Jacobi方法求取对称矩阵特征值和特征向量
使用Jacobi方法求取对称矩阵特征值和特征向量,vs2008下的
求实对称矩阵的特征值与特征向量(C语言)
rn对输入的任意一实对称矩阵,用C语言实现求他的特征值与特征向量。
实对称矩阵特征值的图论意义
实对称矩阵特征值的图论意义 实对称矩阵特征值的图论意义
MATLAB——矩阵特征值特征向量的计算
本代码主要利用MATLAB工具实现MATLAB——矩阵特征值特征向量的计算,简单明了,易于理解
jacobi计算矩阵特征值和特征向量
jacobi方法计算对称矩阵的特征值和特征向量,使用旋转矩阵的方法
C语言计算特征值和特征向量
本代码用C语言进行编程,可以计算矩阵的特征值和相应的特征向量。
matlab特征值和特征向量计算问题
RT,我在求一个超大矩阵(10021\*10021的稀疏图的邻接矩阵)的特征值和特征向量遇到如下问题:rnrn(1)特征值和特征向量计算时间过长,虽然可以运行出来,但是需要处理大约50分钟,这里使用matlab自带的eig函数运算,请问有无高效的求全部特征值所组成的对角阵和全部特征向量所组成的矩阵的运算方法?rnrn(2)在求得特征向量矩阵V以后,我将其求逆后与一个列向量X(10021\*1)相乘,得到的是一个类奇异矩阵Y【Y=V^(-1)\*X】,无法做到V与Y相乘来还原X【X=V\*Y,算式应成立,但是Y奇异matlab无法运算】,请问我应该如何操作可以还原X矩阵?rn> >> V^(-1)*X; rn警告: 矩阵为奇异工作精度。 rn> In matlab.internal.math.mpower.viaMtimes (line 35) rnrn**03.25更新:问题二V压根就是一个不可逆矩阵,描述有误,抱歉。rn使用pinv求逆时候svd内存不足,有方法解决吗?**
雅可比(Jacobi)计算特征值和特征向量
雅可比迭代法法 在图形图像中很多地方用到求矩阵的特征值和特征向量,比如主成分分析、OBB包围盒等。编程时一般都是用数值分析的方法来计算,这里介绍一下雅可比迭代法求解特征值和特征向量。雅可比迭代法的原理,网上资料很多,详细可见参考资料1。这里我们简单介绍求解矩阵S特征值和特征向量的步骤: 初始化特征向量为对角阵V,即主对角线的元素都是1.其他元素为0。 在S的非主对角线元素中,找到绝对值最大元素 ...
c++实现计算特征值和特征向量
今天实现了一下特征值和特征向量,参考https://blog.csdn.net/webzhuce/article/details/85013301 bool My_Jacobi(const vector<vector<double>>& matrix, vector<vector<double>>& eigenvectors, v...
Jacobi 方法计算特征值特征向量
在求解协方差矩阵的特征值和特征向量时用到了Jacobi方法原理设A是n阶实对称矩阵,则必有正交矩阵P,使PTAP=⎡⎣⎢⎢λ1⋮0⋯⋱⋯0⋮λn⎤⎦⎥⎥=∧; P^TAP= \begin{bmatrix} \lambda_1 &\cdots &0 \\ \vdots &\ddots &\vdots\\ 0 &\cdots &\lambda_n \end{bmatrix} =\
特征值和特征向量
前言: 最近在整理PCA(主成分分析)时,用到了特征值和特征向量,想起以前面试的时候面试官问过一个问题,特征值的意义是什么?对于只知道计算公式的我,确实没有想过这个问题,还是基础不扎实,所以想写一篇文章总结一下关于特征值和特征向量的问题。 一. 特征值和特征向量的意义? 举一个形象的例子,现在你开着一辆汽车,特征值就是你开的速度,特征向量就是你开的方向。再举一例,大家之前应该学过线性变换,特征
特征值 特征向量
一个m*m阶的矩阵如何用C语言求其特征值与特征向量rn哪位大侠有C代码rn小弟不是很懂计算机,但项目需要用到这个计算rn望大侠帮忙
特征向量与特征值
<p>rn <span style="color:#000000;font-size:20px;"><span style="font-size:18px;color:#000000;">从工程角度探讨线代的典型应用,通过“刷实例”来培养解决工程问题的数学直觉。</span></span> rn</p>rn<p>rn <br />rn</p>rn<p>rn <span style="color:#FF0000;font-size:20px;">课程安排</span> rn</p>rn<p>rn <span style="font-size:18px;">1.从新的角度讲解线性代数中最重要的知识点;(从有别于大学课程的角度,更深入理解线性代数)</span>&nbsp;rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;"><span style="font-size:13px;"><span>&nbsp; &nbsp;&nbsp; </span>向量、矩阵、矩阵乘法、方程组、矩阵分解...</span></span> rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;"><span style="font-size:13px;"><br />rn</span></span>rn</p>rn<p>rn <span style="font-size:18px;"><span style="font-size:16px;"></span><span>2.探讨每一个知识点的典型应用;</span></span> rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;"><span style="font-size:14px;">&nbsp; &nbsp;&nbsp; </span><span style="font-size:14px;">推荐系统中的相似性度量</span></span> rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;">&nbsp;&nbsp;&nbsp;&nbsp;<span style="font-size:14px;">图像处理中的低通滤波及边缘检测</span></span> rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;">&nbsp;&nbsp;&nbsp;&nbsp;<span style="font-size:14px;">游戏中的图形变换</span></span> rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;">&nbsp;&nbsp;&nbsp;&nbsp;<span style="font-size:14px;">天文学中的轨道参数估计</span></span> rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;">&nbsp;&nbsp;&nbsp;&nbsp;<span style="font-size:14px;">数据降维中的主成分分析</span></span> rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;">&nbsp;&nbsp;&nbsp;&nbsp;<span style="font-size:14px;">人脸识别</span></span> rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;">&nbsp;&nbsp;&nbsp;&nbsp;<span style="font-size:14px;">搜索引擎中的网页排名</span></span> rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;">&nbsp;&nbsp;&nbsp;&nbsp;<span style="font-size:14px;">基于协同过滤的推荐系统</span></span> rn</p>rn<p>rn <span style="color:#FFC000;font-size:18px;"></span> rn</p>rn<p>rn <span style="font-size:18px;">3.用Python实现上述应用。</span> rn</p>rn<p>rn <span style="font-size:18px;color:#FF0000;">总结起来,就是每学完一个知识点,就给出相关实例,并用Python语言做对应的代码实践!</span>rn</p>
特征值与特征向量
特征值与特征向量
特征向量和特征值
<p>rn 学习人工智能,机器学习都离不开数学基础和编程知识。rn</p>rn<p>rn <br />rn</p>rn<p>rn 无论你是数据科学的初学者还是已经从事人工智能开发的有经验人员,这门课都适合于你。<br />rn为什么这么说?首先人工智能和机器学习本质上就是算法,而算法就是数学及统计学以及编程的结合。当前市场上有许多开源的软件包如SKLEARN确实可以帮助没经验的或缺乏数学或算法基础的人实现机器学习模型及预测,但这些工具无法使你真正懂得算法的本质或来源,或者无法使你在不同场合下灵活运用及改进算法。记住,在实际工作中找到适合应用场景的解决方案是最难但是最重要的。但这离不开数学基础和算法理解。rn</p>rn<p>rn 比如,线性回归是一类普遍的机器学习算法,所有的机器学习软件都有现成的方法实现模型,但如果在训练数据中加入几条新数据,那么新建立的模型和原来的模型有和联系或不同?再比如,为什么深度神经网络中的Sigmoid函数一般只用到输出层?神经网络的向后传播理论如何与泰勒展开和复合函数的偏导数联系在一起?人工智能中推荐系统和文字向量如何与矩阵的奇异分解以及特征向量联系?模型中对标签进行数据变换如何影响预测值?所有这些问题的答案,你都可以从本课中找到线索。rn</p>rn<p>rn <br />rn</p>rn<p>rn 本课系统地讲述了有关人工智能,机器学习背后的数学知识。特别指出,微积分和代数知识是本课的核心。统计学基础被安排在另外的课程中。除此之外,我在每一章节或主要知识点后都安排了各类程序以解释和回顾所学到的东西。<br />rn最后要提到的是,这不是一门工程项目实践课。但我会另外专门安排有关人工智能,机器学习的实践课程rn</p>
线性代数 (一): 证明实对称矩阵特征向量正交
设矩阵AAA有特征值λ1\lambda_1λ1​及特征向量u,λ2\bold u, \lambda_2u,λ2​及特征向量 v\bold vv 即 Au=λ1uA\bold u = \lambda_1 \bold uAu=λ1​u Av=λ2vA\bold v = \lambda_2\bold vAv=λ2​v 则 vT(Au)=λ2vTu\bold v^T (A \bold u) = \lamb...
使用python求解特征值与特征向量
使用python求解特征值与特征向量 实例介绍
对称矩阵特征向量正交推导
对于对称方阵A,如有特征解λ1对应特征向量p1,特征解λ2对应特征向量p2,根据特征向量的定义,有: A * p1 =  λ1 * p1 ① A * p2 =  λ2 * p2 ② 如p1和p2正交,则必有p1' * p2 = 0,欲证明此式,可构造非零表达式常数K,使得K * (p1' * p2) = 0,而因λ1和λ2是不同的特征解,即λ1 != λ2,故K式可为λ2 - λ1,下面
100分 用雅可比求实对称矩阵的特征值和特征向量
以下是用徐士良的C代码改编成C#:rnrn public int jcbi(Double[,] A, int n, Double[,] v, Double eps,int jt)//A存放n阶实对称矩阵,返回时对角线上存放n个特征值,n实对称矩阵A的阶数,V[n,n]返回特征向量,eps控制精度要求,jt控制最大迭代次数, int jcbi()方法返回标志值rn rn int i, j, p, q, u, w, t, s, l;rn p = 0; q = 0;rn Double fm, cn, sn, omega, x, y, d;rn l = 1;rn for (i = 0; i <= n - 1; i++)rn rn v[i,i] = 1.0;rn for (j = 0; j <= n - 1; j++)rn rn if (i != j) v[i ,j] = 0.0;rn rn rn while (l == 1)rn rn fm = 0.0;rn for (i = 1; i <= n - 1; i++)rn rn for (j = 0; j <= i - 1; j++)rn rn d = Math.Abs(A[i, j]);rn if ((i != j) && (d > fm))rn rn fm = d; p = i; q = j;rn rnrn rn rn if (fm < eps) return 1;rn if (l > jt) return -1;rn l = l + 1;rn u = p * n + q;rn w = p * n + p;rn t = q * n + p;rn s = q * n + q;rn x =0-A[p,q];rn y = (A[q,q] - A[p,p])/2.0;rn omega = x / Math.Sqrt(x * x + y * y);rn if (y < 0.0) omega = 0-omega;rn sn = 1.0 + Math.Sqrt(1.0 - omega * omega);rn sn = omega / Math.Sqrt(2.0 * sn);rn cn = Math.Sqrt(1.0 - sn * sn);rn fm = A[p,p];rn A[p,p] = fm * cn * cn + A[q,q] * sn * sn + A[p,q] * omega;rn A[q,q] = fm * sn * sn + A[q,q] * cn * cn - A[p,q] * omega;rn A[p,q] = 0.0;rn A[q,p] = 0.0;rn for (j = 0; j <= n - 1; j++)rn rn if ((j != p) && (j != q))rn rn u = p * n + j;rn w = q * n + j;rn fm = A[p,j];rn A[p,j] = fm * cn + A[q,j] * sn;rn A[q,j] = -fm * sn + A[q,j] * cn;rn rn rn for (i = 0; i <= n - 1; i++)rn rn if ((i != p) && (i != q))rn rn u = i * n + p;rn w = i * n + q;rn fm = A[i,p];rn A[i,p] = fm * cn + A[i,q] * sn;rn A[i,q] = -fm * sn + A[i,q] * cn;rn rn rn for(i=0;i<=n-1;i++)rn rn u=i*n+p;rn w=i*n+q;rn fm=v[i,p];rn v[i,p]=fm*cn+v[i,q]*sn;rn v[i,q]=-fm*sn+v[i,q]*cn;rn rnrn rn rn rn return 1;rnrn rn 请高手帮我看一下是哪里出错了,谢谢
谁有计算方阵的特征值和特征向量的代码
谁有计算方阵的特征值和特征向量的代码?
矩阵特征值和特征向量详细计算过程
1.矩阵特征值和特征向量定义        A为n阶矩阵,若数λ和n维非0列向量x满足Ax=λx,那么数λ称为A的特征值,x称为A的对应于特征值λ的特征向量。式Ax=λx也可写成( A-λE)x=0,并且|λE-A|叫做A 的特征多项式。当特征多项式等于0的时候,称为A的特征方程,特征方程是一个齐次线性方程组,求解特征值的过程其实就是求解特征方程的解。 计算:A的特征值和特征向量。计算行列式得化简...
java求实对称矩阵特征值
如题,给代码或者给思路,都可以。
数组分析 jacobi法求实对称矩阵全部特征值与特征向量 MATLAB实现
Jacobi迭代法求解实对称矩阵的特征值与特征向量。 MATLAB实现 输入:eps允许的误差限,A实对称矩阵;输出:lam是n个特征值,U的列向量对应特征向量
opencv计算特征值和特征向量用于角点检测
void cornerEigenValsAndVecs( InputArray src, OutputArray dst, int blockSize, int ksize, int borderType = BORDER_DEFA...
C++ Eigen库计算矩阵特征值及特征向量
Eigen库的配置比较容易,可以参考博客http://blog.csdn.net/abcjennifer/article/details/7781936中的相关内容。关于Eigen库的矩阵+-×运算可参考:http://blog.csdn.net/augusdi/article/details/12907341中的相关内容。本文主要讲解利用Eigen库计算矩阵的特征值及特征向量并与Matlab计算...
矩阵特征值与特征向量计算的程序函数
用C编写的矩阵特征值与特征向量计算的程序函数,与大家共享
兰索斯法计算特征值与特征向量(实例)
计算 桁架结构的特征值与特征向量,并设计一个简单的GUI界面供用户交互。
相关热词 c# 标准差 计算 c#siki第五季 c#入门推荐书 c# 解码海康数据流 c# xml的遍历循环 c# 取 查看源码没有的 c#解决高并发 委托 c#日期转化为字符串 c# 显示问号 c# 字典对象池