1、构造一个对角矩阵，使得对角元素是1,2,3,4,5,6,7,8,9。
a = np.diag((1,2,3,4,5,6,7,8,9))
2、计算这个矩阵的特征值和特征向量：
b = np.linalg.eig(a)
3、其中，b[0]代表特征值。
对角矩阵的特征值，恰好是对角线上的元素。
4、而b[1]则是对应的九个特征向量，而且都已经变成了单位向量。
这九个单位向量组成了一个九阶的方形矩阵。
5、只有方形矩阵，才有可能计算出特征值和特征向量。
a = np.array([[1,2,3],[2,3,4]])
a不是方形矩阵，所以要求特征值的时候，会报错。
6、给出一个3*3的随机矩阵：
a = np.random.random((3,3))
7、计算这个随机矩阵的行列式：
b=np.linalg.det(a)
只要这个矩阵的行列式不等于0，就可以求特征值和特征向量。
8、特征值：
c = np.linalg.eig(a)
c[0]
特征向量：
c[1]
9、看看这些特征向量是不是单位向量：
import numpy as np
a = np.random.random((3,3))
b = np.linalg.eig(a)
c = b[1][1]
#计算向量的点积
d = np.vdot(c,c)
多运行几次，发现特征向量并不一定是单位向量。
