如何从numpy.linalg.eig的输出中提取正确的矩阵特征向量？

嘿，我完全懂你的疑惑——numpy.linalg.eig的输出格式确实容易让人一开始摸不清门道！

核心问题解释 #

numpy.linalg.eig返回的vec矩阵，每一列才是对应特征值的特征向量，而不是你一开始以为的行。你看到的vec输出：

array([[ 0.70710678, -0.4472136 ],
       [-0.70710678, 0.89442719]])

其中：

• 第一列vec[:, 0]就是对应第一个特征值val[0]的特征向量：[0.70710678, -0.70710678]
• 第二列vec[:, 1]就是对应第二个特征值val[1]的特征向量：[-0.4472136, 0.89442719]

这正好就是你说的正确特征向量！

提取特征向量的两种方式 #

1. 直接按列提取（推荐，符合numpy的设计逻辑）：

   import numpy as np
   x = np.array([[0, 1], [-2, -3]])
   val, vec = np.linalg.eig(x)
   
   # 获取第一个特征向量
   eig_vec1 = vec[:, 0]
   # 获取第二个特征向量
   eig_vec2 = vec[:, 1]
   
   print(eig_vec1)  # 输出: [ 0.70710678 -0.70710678]
   print(eig_vec2)  # 输出: [-0.4472136   0.89442719]
   

2. 转置后按行提取（如果你习惯用行向量存储）：
   如果你更希望每一行对应一个特征向量，只需要对vec做转置操作：

   vec_transposed = vec.T
   eig_vec1 = vec_transposed[0]
   eig_vec2 = vec_transposed[1]
   

验证正确性 #

可以简单验证一下，特征向量满足A·v = λ·v（A是原矩阵，λ是特征值，v是特征向量）：

# 验证第一个特征向量
print(np.allclose(x @ eig_vec1, val[0] * eig_vec1))  # 输出: True

# 验证第二个特征向量
print(np.allclose(x @ eig_vec2, val[1] * eig_vec2))  # 输出: True

用np.allclose是因为浮点计算存在微小误差，直接相等可能不成立，但近似相等就说明正确。

内容的提问来源于stack exchange，提问作者Subham Kumar