版本:我的问题中的问题是我试图找到矩阵 S
来自 equation 8但这个方程有错误。
如何直接获得 R 中矩阵的右特征向量? 'eigen()' 只给出左特征向量
真的是上一版 ,我在这里弄得一团糟,但这个问题对我来说真的很重要:eigen()
提供一些 矩阵特征向量,来自函数帮助:
"如果‘r <- eigen(A)’,并且‘V <- r$vectors; lam <- r$values’,则
A = V Lmbd V^(-1)
(直到数字模糊),其中
Lmbd =diag(lam)
”即
A V = V Lmbd
,其中 V 是 矩阵现在我们检查一下:set.seed(1)
A<-matrix(rnorm(16),4,4)
Lmbd=diag(eigen(A)$values)
V=eigen(A)$vectors
A%*%V
> A%*%V
[,1] [,2] [,3] [,4]
[1,] 0.0479968+0.5065111i 0.0479968-0.5065111i 0.2000725+0i 0.30290103+0i
[2,] -0.2150354+1.1746298i -0.2150354-1.1746298i -0.4751152+0i -0.76691563+0i
[3,] -0.2536875-0.2877404i -0.2536875+0.2877404i 1.3564475+0i 0.27756026+0i
[4,] 0.9537141-0.0371259i 0.9537141+0.0371259i 0.3245555+0i -0.03050335+0i
> V%*%Lmbd
[,1] [,2] [,3] [,4]
[1,] 0.0479968+0.5065111i 0.0479968-0.5065111i 0.2000725+0i 0.30290103+0i
[2,] -0.2150354+1.1746298i -0.2150354-1.1746298i -0.4751152+0i -0.76691563+0i
[3,] -0.2536875-0.2877404i -0.2536875+0.2877404i 1.3564475+0i 0.27756026+0i
[4,] 0.9537141-0.0371259i 0.9537141+0.0371259i 0.3245555+0i -0.03050335+0i
我想找到右特征向量矩阵
R
,定义左特征向量矩阵的方程
L
是 :L A = LambdaM L
定义右特征向量矩阵的方程
R
是 :A R = LambdaM R
和 eigen() 仅提供矩阵
V
:A V = V Lmbd
我想获得矩阵
R
和 LambdaM
对于实矩阵 A
这可能是负定的。
最佳答案
一个有效的例子。
默认(= 右特征向量):
m <- matrix(1:9,nrow=3)
e <- eigen(m)
e1 <- e$vectors
zapsmall((m %*% e1)/e1) ## right e'vec
## [,1] [,2] [,3]
## [1,] 16.11684 -1.116844 0
## [2,] 16.11684 -1.116844 0
## [3,] 16.11684 -1.116844 0
左特征向量:
eL <- eigen(t(m))
eL1 <- eL$vectors
(我们必须多加努力,因为我们需要
乘以左边的行向量;如果
我们只提取了一个特征向量,R 的无知
行/列向量的区别将使它
“做正确的事”(即
(eL1[,1] %*% m)/eL1[,1]
只是工作))zapsmall(t(eL1) %*% m/(t(eL1)))
## [,1] [,2] [,3]
## [1,] 16.116844 16.116844 16.116844
## [2,] -1.116844 -1.116844 -1.116844
## [3,] 0.000000 0.000000 0.000000
关于r - 如何在R中获得矩阵的正确特征向量?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14912279/