我正在用Python计算一个矩阵的特征值和特征向量，我使用了numpy，作为一个例子，我用矩阵M来计算：
w,v=eig(M)
idx = w.argsort()[::1]
eigVal= w[idx]
eigVec = v[:,idx]
print(eigVal)
print("an eigen vector is:")
print(eigVec[0])
print()
nnn=M.dot(eigVec[0]) #matrix times supposed eigen vector
for i in range(lenght):
nnn[i]=nnn[i]/eigVal[0]
print("The result of M*vector/eigenvalue is:")
print(nnn)并得到结果：
[452.78324098 461.88198554 468.47201706 474.43054819]
an eigen vector is:
[ 0.92852341 0.37084248 -0.01780576 0.00175573]
The result of M*vector/eigenvalue is:
[ 9.28755114e-01 3.72671398e-01 -2.29673727e-02 -9.27549232e-05]正如你所看到的，虽然相似，但相乘后得到的特征向量并不那么接近numpy最初计算的结果，如何提高精度？
1条答案
按热度按时间6rqinv9w1#
你需要沿着右轴取特征向量;