Numpy计算特征向量结果与教材不符的原因咨询

核心原理 #

• 特征向量的非零标量倍数仍然是对应特征值的有效特征向量
• 特征向量矩阵中列的顺序只需与对应特征值的顺序匹配即可，不同工具或教材可能采用不同的排列顺序

针对你的案例分析 #

你使用的矩阵A是对角矩阵：

A = np.array([[0,0],
              [0,16]])

它的特征值为0和16：

• 对应特征值0的特征空间是所有形如[k, 0]（k≠0）的向量，[1, 0]是该空间的一个基向量
• 对应特征值16的特征空间是所有形如[0, m]（m≠0）的向量，[0, 1]是该空间的一个基向量

numpy的linalg.eig函数返回的特征向量矩阵，其列是按特征值的计算/排序顺序排列的，因此得到：

array([[1., 0.],
       [0., 1.]])

如果教材中的特征向量矩阵需要交换行（或列）才能与numpy结果匹配，本质是以下两种合法情况之一：

1. 特征向量顺序不同：教材可能将对应特征值16的特征向量放在第一列，对应0的放在第二列，得到的矩阵如[[0,1],[1,0]]——这完全合规，只要列与特征值的对应关系正确即可
2. 特征向量是原向量的非零倍数：比如教材用[-1, 0]或[0, 5]作为特征向量，这类非零缩放后的向量依然是有效特征向量

验证方法 #

若要确认特征向量是否正确，只需验证：矩阵A乘以该向量，结果等于对应特征值乘以该向量（即A @ v == λ * v），同时保证特征向量之间线性无关即可。

内容的提问来源于stack exchange，提问作者Johny