1楼：天云一号
eig函数直接可以求特征值和特征向量
在matlab中，计算矩阵a的特征值和特征向量的函数是eig(a)，常用的调用格式有5种：
e=eig(a)：求矩阵a的全部特征值，构成向量e。
[v,d]=eig(a)：求矩阵a的全部特征值，构成对角阵d，并求a的特征向量构成v的列向量。
[v,d]=eig(a,'nobalance')：与第2种格式类似，但第2种格式中先对a作相似变换后求矩阵a的特征值和特征向量，而格式3直接求矩阵a的特征值和特征向量。
e=eig(a,b)：由eig(a,b)返回n×n阶方阵a和b的n个广义特征值，构成向量e。
[v,d]=eig(a,b)：由eig(a,b)返回方阵a和b的n个广义特征值，构成n×n阶对角阵d，其对角线上的n个元素即为相应的广义特征值，同时将返回相应的特征向量构成n×n阶满秩矩阵，且满足av=bvd。
在matlab中求矩阵特征值和特征向量的**
2楼：大野瘦子
>>clc;clear;close;
>>a=[3,-1,-2;2,0,-2;2,-1,-1];
>>[x,b]=eig(a) %求矩阵a的特征值和特征向量,其中b的对角线元素是特征值,
%x的列是相应的特征向量
最后的结果是:
x =0.7276 -0.5774 0.6230
0.4851 -0.5774 -0.2417
0.4851 -0.5774 0.7439
b =1.0000 0 0
0 0.0000 0
0 0 1.0000
特征值和特征向量的求解根据项目的需求或者是矩阵的具体形式，主要可以分成如下三种形式：
1、只需要获得矩阵的最大特征值和特征值所对应的特征向量。
2、需要求取矩阵的所有特征值。
3、需要求取特征值和特征向量的矩阵为实对称矩阵，则可以通过另一种方法进行求解。
这三种形式特征值和特征向量的求取：
1.如果自己仅仅要求最大特征值的话肯定采用形式1的算法，该算法的优点是时间复杂度较低，计算量相对较小，该方法不但能够求取特征值和特征向量，而且只要特征值不全为0，该方法都能获得想要的结果。
2.如果需要获得一个矩阵的所有特征值，则通过形式2可以很好的解决该问题，但是该方法的缺点是仅仅能够获得特征值，获得特征值之后利用其它方法进行求解，这样做自然而然计算量就大了起来。
3.如果矩阵为实对称矩阵，那么可以通过形式3对其进行特征值和特征向量的求取，该方法相对于形式2的好处就是能够一次性将特征值和特征向量求取出来，缺点就是矩阵必须是实对称矩阵，至于算法复杂度方面我没有进行测试。
3楼：匿名用户
1、首先打开自己的电脑，然后在桌面上打开matlab软件，进入matlab主界面。
2、然后需要知道计算矩阵的特征值和特征向量要用eig函数，可以在该软件的命令行窗口中输入help eig，查看一下eig函数的用法。
3、在该软件命令行窗口中输入a=[1 2 3;2 4 5;7 8 9]，你按键盘上的回车键之后，输入[x,y]=eig(a)。
4、当你按了键盘上的回车键之后，得到了x，y的值，其中x的每一列值表示矩阵a的一个特征向量，里面有3个特征向量，y的对角元素值代表a矩阵的特征值。
4楼：
matlab具体**如下：
>>clc;
>>clear;
>>close;
>>a=[3,-1,-2;2,0,-2;2,-1,-1];
>>[x,b]=eig(a)
**中最后一行指的是求矩阵a的特征值和特征向量，其中b的对角线元素是特征值，而x的列即为相应的特征向量。
5楼：g用事实说话
不明白你说的是什么意思，我看不懂啊，你能把那个意思详细说一下吗？
6楼：匿名用户
>> a=[3 -1 -2;2 0 -2;2 -1 -1]a =3 -1 -2
2 0 -2
2 -1 -1
>> [v,d]=eig(a)
v =0.7276 -0.5774 0.
62300.4851 -0.5774 -0.
24170.4851 -0.5774 0.
7439d =1.0000 0 00 0.0000 00 0 1.
0000d为特征值，v为每个特征值对应
的特征向量
7楼：匿名用户
[d,v]=eig(a)
8楼：匿名用户
a=[3 -1 -2 ;2 0 -2;2 -1 -1];
[u v]=eigs(a)
怎么求复数矩阵的特征值和特征向量
9楼：小乐笑了
跟实矩阵求特征值，特征向量类似，一步一步往下做
如何用matlab求矩阵的特征值及其特征向量
10楼：射手座
[v,d]=eig(a)：求矩阵a的全部特征值，构成对角阵d，并求a的特征向量构成v的列向量
a=[1 2 3;4 5 3;5 4 2];
>> [v,d]=eig(a)
v =-0.370937915979909 -0.691545561718756 0.482529180116882
-0.703281764566580 0.083451238716327 -0.753226224556934
-0.606465021346326 0.717496081399613 0.447007656506505
d =9.696761517759944 0 0
0 -2.353923226499950 0
0 0 0.657161708740017
11楼：戊遐思卫词
用函数[v,d]=eig(a)
矩阵d的对角元存储的是a的所有特征值，
而且是从小到大排列的
矩阵v的每一列存储的是相应的特征向量
所以应该是v的最后一个列
就是最大特征值的特征向量
12楼：朱培胜钞雨
这有个我们以前的matlab幂法求特征值和特征响量的程序：
[maxnorm.m]
function
t=maxnorm(a)
%求数列中按模最大的分量
n=length(a);
t=0;
fori=1:n
ifabs(a(i)/max(abs(a)))>=1t=a(i);
endend
function
[mt,my]=maxtr(a,eps)
%用幂法求矩阵的主特征值和对应的特征向量
n=length(a);
x0=diag(ones(n));
k=1x=a*x0
while
norm(x-x0)>eps
k=k+1
q=x;
y=x/maxnorm(x)
x=a*y;
x0=q;
endmt=maxnorm(x)
my=y
[main1.m]
a=[3
2;45]
maxtr(a,0.0001)
[invmaxtr.m]
function
[mx,mt,my]=invmaxtr(a,eps)%求矩阵按模最小的特征值和对应的特征向量
n=length(a);
x0=diag(ones(n));
x=inv(a)*x0;
k=0while
norm(x-x0)>eps
k=k+1
q=x;
y=x/maxnorm(x)
x=inv(a)*y;
x0=q;
endmt=1/maxnorm(x)
my=y
[main.m]
a=[3
2;45]
invmaxtr(a)
matlab怎么计算矩阵的特征值和特征向量
13楼：天云一号
在matlab中，可以用eig函数计算矩阵的特征值和特征向量。举例如下：
>>a=[1,2,3;4,5,6;7,8,9]%原始数据矩阵
a=123
456
789
>>[v,d]=eig(a)%特征值分解，其中v的每一列表示矩阵a的一个特征向量，d是一个对角矩阵，对角线上的元素表示矩阵a的特征值
v=-0.2320-0.78580.
4082-0.5253-0.0868-0.
8165-0.81870.61230.
4082d=16.1168000-1.1168000-0.
0000
14楼：我行我素
类似这样：
a=[....];
[v,d]=eig(a);%v是特征矢量组成的矩阵,d的对角线元素就是特征值
15楼：今天
使用库函数eig()
eig: find eigenvalues and eigenvectors(返回矩阵的特征值和特征向量; )
[v,d] = eig(a)
d是特征值
v特征向量
16楼：匿名用户
矩阵a特征值：x=eig(a)
特征向量: v
特征对角阵：d av=vd
[v,d]=eig(a)
17楼：匿名用户
[v, d]=eig(a)
如何用matlab求这个矩阵的特征值和特征向量呢？
18楼：匿名用户
[v,d]=eig(a)
d为特征值
v的列向量为对应特征值的特征向量
19楼：化学工程
20个太多，用2个举例：
clc;clear
m=1;n=2;
for x=1:n
for y=1:n
for z=1:n
a(:,:,m)=[0 -1 x 0;1 0 0 x;y 0 z/y -1;0 y 1 z/x];
[v(:,:,m),d(:,:,m)]=eig(a(:,:,m))
m=m+1;
endend
end结果：
v(:,:,1) =
0.0000 + 0.6015i 0.0000 - 0.6015i 0.3717 + 0.0000i 0.3717 - 0.0000i
0.6015 0.6015 -0.0000 - 0.3717i -0.0000 + 0.3717i
-0.0000 - 0.3717i -0.0000 + 0.3717i 0.6015 0.6015
-0.3717 + 0.0000i -0.3717 - 0.0000i -0.0000 - 0.6015i -0.0000 + 0.6015i
v(:,:,2) =
-0.6533 -0.6533 0.2706 + 0.0000i 0.2706 - 0.0000i
0.0000 + 0.6533i 0.0000 - 0.6533i -0.0000 - 0.2706i -0.0000 + 0.2706i
0.2706 + 0.0000i 0.2706 - 0.0000i 0.6533 0.6533
-0.0000 - 0.2706i -0.0000 + 0.2706i -0.0000 - 0.6533i -0.0000 + 0.6533i
v(:,:,3) =
0.0527 - 0.3450i 0.0527 + 0.3450i -0.4661 + 0.0198i -0.4661 - 0.0198i
-0.3238 - 0.0141i -0.3238 + 0.0141i 0.0517 + 0.4846i 0.0517 - 0.4846i
0.1132 - 0.5975i 0.1132 + 0.5975i 0.5407 0.5407
-0.6351 -0.6351 -0.0717 - 0.4974i -0.0717 + 0.4974i
v(:,:,4) =
0.1041 - 0.2772i 0.1041 + 0.2772i -0.0501 + 0.5145i -0.0501 - 0.5145i
-0.2482 - 0.0204i -0.2482 + 0.0204i 0.5498 0.5498
0.2535 - 0.5790i 0.2535 + 0.5790i 0.0867 - 0.4927i 0.0867 + 0.4927i
-0.6714 -0.6714 -0.4237 + 0.0265i -0.4237 - 0.0265i
v(:,:,5) =
0.6337 0.6337 -0.0539 - 0.4971i -0.0539 + 0.4971i
0.0386 - 0.6054i 0.0386 + 0.6054i -0.5384 -0.5384
-0.3265 + 0.0121i -0.3265 - 0.0121i -0.0740 - 0.4843i -0.0740 + 0.4843i
-0.0373 + 0.3496i -0.0373 - 0.3496i -0.4688 - 0.0167i -0.4688 + 0.0167i
v(:,:,6) =
0.6681 0.6681 0.4123 + 0.0339i 0.4123 - 0.0339i
0.0609 - 0.6253i 0.0609 + 0.6253i 0.1729 - 0.4606i 0.1729 + 0.4606i
-0.2574 + 0.0161i -0.2574 - 0.0161i 0.5578 0.5578
-0.0527 + 0.2994i -0.0527 - 0.2994i 0.2106 - 0.4810i 0.2106 + 0.4810i
v(:,:,7) =
0.5301 0.5301 -0.4680 - 0.0000i -0.4680 + 0.0000i
0.0000 - 0.5301i 0.0000 + 0.5301i -0.0000 + 0.4680i -0.0000 - 0.4680i
-0.4680 + 0.0000i -0.4680 - 0.0000i -0.5301 -0.5301
-0.0000 + 0.4680i -0.0000 - 0.4680i -0.0000 + 0.5301i -0.0000 - 0.5301i
v(:,:,8) =
-0.5573 -0.5573 -0.0000 + 0.4352i -0.0000 - 0.4352i
0.0000 + 0.5573i 0.0000 - 0.5573i 0.4352 + 0.0000i 0.4352 - 0.0000i
0.4352 + 0.0000i 0.4352 - 0.0000i -0.0000 + 0.5573i -0.0000 - 0.5573i
-0.0000 - 0.4352i -0.0000 + 0.4352i 0.5573 0.5573
d(:,:,1) =
-0.6180 + 1.0000i 0 0 0
0 -0.6180 - 1.0000i 0 0
0 0 1.6180 + 1.0000i 0
0 0 0 1.6180 - 1.0000i
d(:,:,2) =
-0.4142 + 1.0000i 0 0 0
0 -0.4142 - 1.0000i 0 0
0 0 2.4142 + 1.0000i 0
0 0 0 2.4142 - 1.0000i
d(:,:,3) =
1.8415 + 0.9852i 0 0 0
0 1.8415 - 0.9852i 0 0
0 0 -1.0915 + 0.9933i 0
0 0 0 -1.0915 - 0.9933i
d(:,:,4) =
2.3617 + 0.9230i 0 0 0
0 2.3617 - 0.9230i 0 0
0 0 -0.8617 + 0.9840i 0
0 0 0 -0.8617 - 0.9840i
d(:,:,5) =
-1.0915 + 0.9933i 0 0 0
0 -1.0915 - 0.9933i 0 0
0 0 1.8415 + 0.9852i 0
0 0 0 1.8415 - 0.9852i
d(:,:,6) =
-0.8617 + 0.9840i 0 0 0
0 -0.8617 - 0.9840i 0 0
0 0 2.3617 + 0.9230i 0
0 0 0 2.3617 - 0.9230i
d(:,:,7) =
-1.7656 + 1.0000i 0 0 0
0 -1.7656 - 1.0000i 0 0
0 0 2.2656 + 1.0000i 0
0 0 0 2.2656 - 1.0000i
d(:,:,8) =
-1.5616 + 1.0000i 0 0 0
0 -1.5616 - 1.0000i 0 0
0 0 2.5616 + 1.0000i 0
0 0 0 2.5616 - 1.0000i
请问线性代数求矩阵的特征值与特征向量怎样算的
1楼 是行列式，不是矩阵。行列式的第二列加到第一列上，则第一列提取公因子y 2，然后第一行乘以 1加到第二行上，行列式是上三角行列式了，直接得结果 y 2 平方 y 4 线性代数的时候给了矩阵是怎么求特征值和特征函数的 2楼 匿名用户 根据ax x，即 a e x o 令a e的行列式等于0求所有特...
线性代数特征值和特征向量的关系,线性代数，A的特征值与A的伴随矩阵的特征值有什么关系？怎么推出来的？
1楼 小乐笑了 将特征值代入特征方程 i a x 0 求出基础解系，即可得到该特征值所对应的特征向量 线性代数，a的特征值与a的伴随矩阵的特征值有什么关系？怎么推出来的？ 2楼 demon陌 当a可逆时 若 是 a的特征值 是a的属于特征值 的特征向量 则 a 是 a 的特征值 仍是a 的属于特征值...
请教如何理解不同特征值对应的特征向量线性无关
1楼 夙愿 对应于不同特征值的特征向量之间是线性 无关的。问 在对角化里的p不是线性无关的吗？ 答 是的，n阶矩阵a能对角化的充要条件就是a有n个线性无关的特征向量，p就是这些特征向量构成的可逆矩阵。问 而特征值却有可能的是相同的答 特征值相同就是指特征值的重数。例如矩阵a有3个特征值1 3 3 如...