具體步驟分析如下： 1、第一步我們首先需要知道計算矩陣的特征值和特征向量要用eig函數，可以在命令行窗口中輸入help eig，查看一下eig函數的用法，如下圖所示： 2、第二步在命令行窗口中輸入a=[1 2 3;2 4 5;7 8 9]，按回車鍵之后，輸入[x,y]=ei

matlab如何求矩陣特征值現在就教教你

方法

建立一個需要計算特征值和特征向量的方陣

在matlab中，可以用eig函數計算矩陣的特征值和特征向量。舉例如下： >> a = [1, 2, 3; 4, 5, 6; 7, 8, 9] % 原始數據矩陣a = 1 2 3 4 5 6 7 8 9>> [V, D] = eig(a) % 特征值分解，其中V的每一列表示矩陣a的一個特征向量，D是一個對角矩陣，對角

然后就需要用到matlab自帶的函數表達式來實現方陣的特征值和特征向量的計算了。格式如下：

eig函數直接可以求特征值和特征向量 在MATLAB中，計算矩陣A的特征值和特征向量的函數是eig(A)，常用的調用格式有5種： E=eig(A)：求矩陣A的全部特征值，構成向量E。 [V,D]=eig(A)：求矩陣A的全部特征值，構成對角陣D，并求A的特征向量構成V的列

[V,D]=eig(a)

如果是說所用的函數的話，用eig函數，如： A=magic（3）； [V,D]=eig(A) ------運行結果中V的列矢量是特征向量，D的對角線值是特征值 V = -0.5774 -0.8131 -0.3416 -0.5774 0.4714 -0.4714 -0.5774 0.3416 0.8131 D = 15.0000 0 0 0 4.8990 0 0

然后按回車鍵就可以得到需要求得的矩陣的特征值和特征向量了

先寫出協方差矩陣s,再調用eig(s)這個庫函數, 調用方法：[ev,ed]=eig(s). ed為特征值矩陣,ev特征向量矩陣, 排列順序：從低階到高階. s=[2291.333 1340 1934 2523.333 1245.333 2482； 1340 956.6667 1596 1401.333 883.3333 1480；1934 1596 4281

擴展閱讀，以下內容您可能還感興趣。

如用matlab算矩陣特征值特征向量？

>>clc;clear;close；>>A=[3,-1,-2;2,0,-2;2,-1,-1]；>>[X,B]=eig(A) %求矩陣A的特征值和特征向量,其中B的對角線元素是特征值, %X的列是相應的特征向量。X =0.7276、-0.5774、0.6230、 0.4851 ? -0.5774、-0.2417、0.4851 ? -0.5774、0.7439。

1.首先，我們建立一個我們需要計算特征值和特征向量的方陣。

2.然后就需要用到matlab自帶的函數表達式來實現方陣的特征值和特征向量的計算了。格式如下：

[V,D]=eig(a)。

3.然后按回車鍵就可以得到我們需要求得的矩陣的特征值和特征向量了。

4.這個我們可以用百度搜索得到，當然matlab也內置有函數的用法，我們可以用它來查找，我們點擊matlab的help。

matlab怎么計算矩陣的特征值和特征向量

a=[1 1/4;4 1]

a =

1.0000 0.2500

4.0000 1.0000

>> [v,d]=eig(a)

v =

0.2425 -0.2425

0.9701 0.9701

d =

2 0

0 0

按照這道題的計算過程算就可以了，eig是求特征值和特征向量命令，v是特征向量，是列向量，d是特征值矩陣，主對角線元素就是特征值，與特征向量的列對應的

matlab怎樣計算矩陣的特征值和特征向量？

矩陣A

特征值：x=eig(A)

特征向量: V??

特征對角陣：D AV=VD

[V,D]=eig(A)

MATLAB是美國MathWorks公司出品的商業數學軟件，用于算法開發、數據可視化、數據分析以及數值計算的高級技術計算語言和交互式環境，主要包括MATLAB和Simulink兩大部分。

MATLAB是matrix&laboratory兩個詞的組合，意為矩陣工廠（矩陣實驗室）。是由美國mathworks公司發布的主要面對科學計算、可視化以及交互式程序設計的高科技計算環境。

matlab中如何用qr函數求特征值和特征向量，矩陣是mxn

1.矩陣qr分解直接用函數qr就可以了。qr函數適用于不是方針的矩陣分解。

2.用法[q,r]=qr(a)得到q是mm矩陣，r是mn.

3.排列大小的可以采用sort函數。

具體情況建議打開MATLAB 幫助瀏覽器詳細看qr函數的用法。

matlab用QR方法怎么求特征值,把程序寫出來，謝謝

function l = rqrtz(A,M)

%QR算法求矩陣全部特征值

%已知矩陣:A

%迭代步數:M

%求得的矩陣特征值:l

A = hess(A);

for i=1:M

N = size(A);

n = N(1,1);

u = A(n,n);

[q,r]=qr(A-u*eye(n,n));

A = r*q+u*eye(n,n);

l = diag(A);

end

------------------------------------

A=[0 5 0 0 0 0;1 0 4 0 0 0;0 1 0 3 0 0;0 0 1 0 2 0;0 0 0 1 0 1;0 0 0 0 1 0]

A =

0 5 0 0 0 0

1 0 4 0 0 0

0 1 0 3 0 0

0 0 1 0 2 0

0 0 0 1 0 1

0 0 0 0 1 0

>> rqrtz(A,50)

ans =

-3.2030

3.2030

-1.8837

1.8837

-0.6167

0.6167

>> eig(A)

ans =

-3.3243

3.3243

-1.8892

-0.6167

1.8892

0.6167