Python eig函数特征向量的变化形式？

我试图将从eig函数得到的特征向量乘以原始矩阵，但它给了我一个“矩阵未对齐”的错误。以下是我要运行的代码：

import numpy.matlib 
import numpy as np 
from scipy.linalg import eig
#M is a previously defined NxN matrix

evals, evecs = eig(Mnp, left=False,right=True)

def chop(expr, tol=0.0000000009):
  expr.real[abs(expr.real) < tol] = 0.0
  expr.imag[abs(expr.imag) < tol] = 0.0
  return expr
evecs = chop(evecs)

lamda=evals[1]
mM=np.matrix(M)
mm=np.matrix(mM-lamda*np.identity(N))

for x in np.where(evals==lamda)[0]:
  print(mm*np.matrix(evecs[:,x]))

import numpy.matlib
将numpy作为np导入
从scipy.linalg导入eig
#M是先前定义的NxN矩阵
评估，evecs=eig（Mnp，左=假，右=真）
def印章（expr，tol=0.0000000009）：
expr.real[abs（expr.real）

这有什么问题？如何强制特征向量以正确的形式输出？谢谢大家!

import numpy.matlib
import numpy.matlib 
import numpy as np 
from scipy.linalg import eig

N = 13
Mnp = np.random.random((n,n))

evals, evecs = eig(Mnp, left=False,right=True)

def chop(expr, tol=0.0000000009):
    expr.real[abs(expr.real) < tol] = 0.0
    expr.imag[abs(expr.imag) < tol] = 0.0
    return expr
evecs = chop(evecs)

lamda=evals[1]
mM=np.matrix(M)
mm=np.matrix(mM-lamda*np.identity(N))

for x in np.where(evals==lamda)[0]:
    print(np.matmul(mm,evecs[:,x]))

将numpy作为np导入
从scipy.linalg导入eig
N=13
Mnp=np.random.random（（n，n））
评估，evecs=eig（Mnp，左=假，右=真）
def印章（expr，tol=0.0000000009）：
expr.real[abs（expr.real）

---

我想这正是你想要的。您只需要使用np.matmul（A，b），其中A.shape[1]==b.shape[0]返回True。你也可以使用np.dot（A，b）

您是否试图在

mm*np.matrix（evecs[：，x]）

中执行矩阵乘法？如果是，则使用

np.dot（mm，evecs[：，x]）

。我尝试了np.dot，但它没有消除错误（是的，我正在尝试进行矩阵乘法）。在替换为点和删除np.matrix时，我没有任何错误。你到底得到了什么错误？