matlab与spss求特征值和特征向量

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

弱弱地问：分别运用这两个软件求一个矩阵的特征值和特征向量，结果是一样的吗？它们的特征值是一个概念吗？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：matlab与SPSS MATLAB matla atlab SPSS MATLAB SPSS 特征向量 特征值

是一样的 我个人感觉matlab更好用一些

好像spss求特征值只有在回归和主成分中有，2者目的不一样

如果熟悉的话，用MATLAB算的话比较方便，不懂MATLAB的话还是直接用因子分析的结果好些！

支持支持!!

用matlab求矩阵的特征值和特征向量
[v,d]=eig(A);

A为你的矩阵，V为特征向量矩阵，D为特征值矩阵，然后对D求最大值即可得最大特征根！

[V,D] = EIG(X) produces a diagonal matrix D of eigenvalues and a full matrix V whose columns are the corresponding eigenvectors so that X*V = V*D.

V是特征向量，D是特征值



实例：

矩阵：
1 2/3 7/3 7/3
3/2 1 3/2 3/2
3/7 2/3 1 3/2
3/7 2/3 2/3 1



>> format rat
>> A=[1 2/3 7/3 7/3
3/2 1 3/2 3/2
3/7 2/3 1 3/2
3/7 2/3 2/3 1]

A =

1 2/3 7/3 7/3
3/2 1 3/2 3/2
3/7 2/3 1 3/2
3/7 2/3 2/3 1

>> [V,D]=eig(A)

V =

1793/2855 504/3235 - 146/235i 504/3235 + 146/235i 1990/4773
670/1079 -3527/5220 -3527/5220 -509/959
4350/11989 1160/4499 + 287/3868i 1160/4499 - 287/3868i -350/647
838/2819 181/3874 + 1179/4852i 181/3874 - 1179/4852i 1238/2467


D =

810/197 0 0 0
0 -93/4229 + 455/674i 0 0
0 0 -93/4229 - 455/674i 0
0 0 0 -149/2201



*****************************************************************************************

如何归一化求权重呢？

>> a=[1 3 5;1/3 1 3; 1/5 1/3 1]

a =

      1.0000      3.0000      5.0000
      0.3333      1.0000      3.0000
      0.2000      0.3333      1.0000

>> [V,D]=eig(a)

V =

     0.9161               0.9161               0.9161         
     0.3715              -0.1857 + 0.3217i    -0.1857 - 0.3217i
     0.1506              -0.0753 - 0.1304i    -0.0753 + 0.1304i


D =

     3.0385                    0                    0         
          0              -0.0193 + 0.3415i          0         
          0                    0              -0.0193 - 0.3415i

**************************************************************************

>> a=[1 2 4 8 6 6 8;1/2 1 2 6 4 4 8;1/4 1/2 1 4 2 4 6;1/8 1/6 1/4 1 2 2 4;1/6 1/4 1/2 1/2 1 1 4;1/6 1/4 1/4 1/2 1 1 2;1/8 1/8 1/6 1/4 1/4 1/2 1]

a =

     1.0000     2.0000     4.0000     8.0000     6.0000     6.0000     8.0000
     0.5000     1.0000     2.0000     6.0000     4.0000     4.0000     8.0000
     0.2500     0.5000     1.0000     4.0000     2.0000     4.0000     6.0000
     0.1250     0.1667     0.2500     1.0000     2.0000     2.0000     4.0000
     0.1667     0.2500     0.5000     0.5000     1.0000     1.0000     4.0000
     0.1667     0.2500     0.2500     0.5000     1.0000     1.0000     2.0000
     0.1250     0.1250     0.1667     0.2500     0.2500     0.5000     1.0000

>> rats(a)

ans =

        1              2              4              8              6              6              8      
       1/2             1              2              6              4              4              8      
       1/4            1/2             1              4              2              4              6      
       1/8            1/6            1/4             1              2              2              4      
       1/6            1/4            1/2            1/2             1              1              4      
       1/6            1/4            1/4            1/2             1              1              2      
       1/8            1/8            1/6            1/4            1/4            1/2             1      

>> [V,D]=eig(a)

V =

    0.7884              0.8327              0.8327              0.8083              0.8083             -0.5119 + 0.3865i   -0.5119 - 0.3865i
    0.4894              0.3216 + 0.2636i    0.3216 - 0.2636i    0.1760 + 0.0792i    0.1760 - 0.0792i    0.6783              0.6783         
    0.3038              0.0883 + 0.2728i    0.0883 - 0.2728i   -0.4630 + 0.1038i   -0.4630 - 0.1038i   -0.2011 - 0.2400i   -0.2011 + 0.2400i
    0.1404             -0.1620 + 0.1018i   -0.1620 - 0.1018i    0.0620 - 0.0510i    0.0620 + 0.0510i   -0.0006 + 0.1021i   -0.0006 - 0.1021i
    0.1215             -0.0627 - 0.0658i   -0.0627 + 0.0658i    0.0367 + 0.2360i    0.0367 - 0.2360i   -0.0531 + 0.0357i   -0.0531 - 0.0357i
    0.0975             -0.0303 - 0.0476i   -0.0303 + 0.0476i    0.0488 - 0.1148i    0.0488 + 0.1148i    0.0231 - 0.1221i    0.0231 + 0.1221i
    0.0508              0.0030 - 0.0590i    0.0030 + 0.0590i   -0.0561 - 0.0454i   -0.0561 + 0.0454i    0.0102 + 0.0197i    0.0102 - 0.0197i


D =

    7.3899                   0                   0                   0                   0                   0                   0         
         0             -0.0008 + 1.5369i         0                   0                   0                   0                   0         
         0                   0             -0.0008 - 1.5369i         0                   0                   0                   0         
         0                   0                   0             -0.1624 + 0.6552i         0                   0                   0         
         0                   0                   0                   0             -0.1624 - 0.6552i         0                   0         
         0                   0                   0                   0                   0             -0.0317 + 0.2040i         0         
         0                   0                   0                   0                   0                   0             -0.0317 - 0.2040i