求解特征值和特征向量：

scipy.linalg.eig(a, b=None, left=False, right=True, overwrite_a=False, 
  overwrite_b=False, check_finite=True)

• a：一个方阵，形状为(M,M)。待求解特征值和特征向量的矩阵。
• b：默认为None，表示求解标准的特征值问题：Ax=λx 。 也可以是一个形状与a相同的方阵，此时表示广义特征值问题：
• left：一个布尔值。如果为True，则计算左特征向量
• right：一个布尔值。如果为True，则计算右特征向量
• overwrite_a：一个布尔值，指定是否将结果写到a的存储区。
• overwrite_b：一个布尔值，指定是否将结果写到b的存储区。
• check_finite：如果为True，则检测输入中是否有nan或者inf

返回值：

• w：一个一维数组，代表了M特特征值。
• vl：一个数组，形状为(M,M)，表示正则化的左特征向量（每个特征向量占据一列，而不是一行）。仅当left=True时返回
• vr：一个数组，形状为(M,M)，表示正则化的右特征向量（每个特征向量占据一列，而不是一行）。仅当right=True时返回

numpy提供了numpy.linalg.eig(a)来计算特征值和特征向量

右特征值：Ax_r=λx_r ；左特征值：A^Hx_l=conj(λ)x_l ，其中 conj(λ) 为特征值的共轭。

令 P=[x_r1,x_r2,...,x_rM]，令

则有：