1 .设a为n阶矩阵，存在常数和n维的非零向量x，如果Ax=x，则是矩阵a的本征值，并且x是a属于本征值的本征向量。
将a的所有特征值的整体称为a的光谱，标记为(a )
2 .特征分解或频谱分解是将矩阵分解为其特征值与由特征向量表示的矩阵的乘积的方法。 需要注意的是，只能对可对角化矩阵进行特征分解。
矩阵的一组特征向量是一组正交向量。
设a为NN的方阵，具有n个不依赖于线性的特征向量。 由此，a能够分解为：
其中，q是由该矩阵a的特征向量构成的矩阵，是对角矩阵，各个对角线上的要素是特征值。 这里需要注意的是，只有可对角化的矩阵才能进行特征分解。
只有对角线上有0以外的要素的矩阵称为对角矩阵，或者一个方阵除了主对角线上的要素以外其余要素都等于零的情况称为对角矩阵。
模态分解是提取矩阵特征的好方法，但它是对方的
import numpy as np
x=NP.mat(NP.Array([1.2 .3.]，[4.5 .6.]，[7.8 .9.] ) )
打印(x )是
print(NP.LinaLG.det ) x ) )
s，v，d=NP.LinaLG.SVD(x ) )。
print(f(s ) n(n ) n(n ) n ) n{d}n ) )
[[1. 2. 3.]
[4. 5. 6.]
[7. 8. 9.]]
-9.51619735392994e-16
[-0.214837240.887230690.40824829 ]
[-0.52058739.24964395-0.81649658 ]
[-0.82633754-0.387942780.40824829 ]
[ 1.68481034 e 01.06836951 e 003.33475287 e-16 ]
[-0.47967118-0.57236779-0.66506441 ]
[-0.77669099-0.07568647.62531805 ]
[-0.40824829.81649658-0.40824829 ]