Python 能给我相同特征向量的数据？

关于什么样的数据集，比如说nXd（n行，d列）会给我相同的特征向量，有什么建议吗

我相信它应该是每个单元格中具有相同绝对值的单元格。比如交替使用+1和-1。但它似乎在其他方面起作用

---

有什么指针吗？

这有点不确定，但基本思想有很多种方法，从想要的特征向量开始，改变特征值和/或重新排列特征向量以创建不同的数据集

这里有两个简单的工作示例。首先，您可以缩放矩阵A的特征值，然后生成不同但具有完全相同特征向量（顺序相同）的矩阵B：

使用此方法可以生成具有相同特征向量的无限多个不等矩阵。事实上，如果你愿意，特征值可以是一个随机对角矩阵

另一种方法（在许多方法中）是重新排列特征向量和特征值：

>>> QF = numpy.fliplr(Q)
>>> C = (QF * numpy.diag(-1.0 * E) * QF.I)
>>> print(A)
[[  4.17022005e-01   7.20324493e-01]
 [  1.14374817e-04   3.02332573e-01]]
>>> print(C)
[[ -3.02332573e-01   7.20324493e-01]
 [  1.14374817e-04  -4.17022005e-01]]
>>> EF, QF = numpy.linalg.eig(C)
>>> print(Q)
[[  9.99999509e-01  -9.87408230e-01]
 [  9.91087124e-04   1.58192878e-01]]
>>> print(QF)
[[  9.99999509e-01  -9.87408230e-01]
 [  9.91087124e-04   1.58192878e-01]]

在网站上查看一些样本2x2和3x3矩阵及其相应的特征向量。

>>> QF = numpy.fliplr(Q)
>>> C = (QF * numpy.diag(-1.0 * E) * QF.I)
>>> print(A)
[[  4.17022005e-01   7.20324493e-01]
 [  1.14374817e-04   3.02332573e-01]]
>>> print(C)
[[ -3.02332573e-01   7.20324493e-01]
 [  1.14374817e-04  -4.17022005e-01]]
>>> EF, QF = numpy.linalg.eig(C)
>>> print(Q)
[[  9.99999509e-01  -9.87408230e-01]
 [  9.91087124e-04   1.58192878e-01]]
>>> print(QF)
[[  9.99999509e-01  -9.87408230e-01]
 [  9.91087124e-04   1.58192878e-01]]