可以使用NumPy库来计算矩阵的特征值和特征向量，然后创建一个包含这些值的字典。

示例代码：

import numpy as np

def eigen(matrix):
    """
    Returns a dictionary containing the eigenvalue and eigenvector of a given matrix.
    """
    eigenvalues, eigenvectors = np.linalg.eig(matrix)
    return {'eigenvalue': eigenvalues, 'eigenvector': eigenvectors}

A = np.array([[1, 2], [3, 4]])
result = eigen(A)

print(result['eigenvalue'])
print(result['eigenvector'])

输出：

[-0.37228132  5.37228132]
[[-0.82456484 -0.41597356]
 [ 0.56576746 -0.90937671]]

在上面的示例代码中，我们定义了一个名为“eigen”的函数，它按照输入参数给出的矩阵计算特征值和特征向量。然后我们返回一个字典，其中键“eigenvalue”映射到特征值数组，键“eigenvector”映射到特征向量数组。最后，我们可以使用结果字典来访问输出的特征值和特征向量。

请注意，该代码示例假设输入矩阵可对角化。在某些情况下，一个矩阵可能无法对角化，这需要特殊处理。