---
title: linalg.eigvalsh
description: "计算复埃尔米特矩阵或实对称矩阵的特征值。"
url: https://www.hikunpeng.com/document/detail/zh/kunpenghpcs/hpckit/devg/kunpengaccel_kml_1121.html
sourcePath: /source/zh/kunpenghpcs/hpckit/devg/kunpengaccel_kml_1121.html
indexId: 583e0d092df77ca7267437efa93d2630b2dce9d813e5e4e4a665fe3fdaa6bcf861
---
# linalg.eigvalsh

#### 功能描述

计算复埃尔米特矩阵或实对称矩阵的特征值。

与eigh的主要区别是：特征向量没有计算。


#### 必选输入参数

| 参数名 | 类型 | 说明 |
| --- | --- | --- |
| a | (…, M, M) array | 埃尔米特矩阵或实对称矩阵。 |


#### 可选输入参数

| 参数名 | 类型 | 默认值 | 说明 |
| --- | --- | --- | --- |
| UPLO | {‘L’, ‘U’}, | ‘L’ | 指定计算是用a的下三角部分（“L”）还是上三角部分（“U”）完成。无论这个值如何，在计算中只考虑对角线的实部，以保留埃尔米特矩阵的概念。因此，对角线的虚部将始终被视为零。 |


#### 返回数据

| 名称 | 类型 | 说明 |
| --- | --- | --- |
| w | (…, M) ndarray | 特征值按升序排列，每个特征值根据其多重性重复。 |


#### 示例

```
>>> import numpy as np
>>> a = np.array([[1, -2j], [2j, 5]])
>>> np.linalg.eigvalsh(a)
array([0.17157288, 5.82842712])
>>> 
>>> a = np.array([[5+2j, 9-2j], [0+2j, 2-1j]])
>>> a
array([[5.+2.j, 9.-2.j],
       [0.+2.j, 2.-1.j]])
>>> b = np.array([[5.+0.j, 0.-2.j], [0.+2.j, 2.-0.j]])
>>> b
array([[5.+0.j, 0.-2.j],
       [0.+2.j, 2.+0.j]])
>>> 
>>> wa = np.linalg.eigvalsh(a)
>>> wa
array([1., 6.])
>>> wb = np.linalg.eigvalsh(b)
>>> wb
array([1., 6.])
>>> wb = np.linalg.eigvals(b)
>>> wb
array([6.+0.j, 1.+0.j])
>>>
```