版本: 我的问题中的问题是我试图从equation 8找到矩阵S
,但这个等式有错误。< / p>
如何在R中直接获得矩阵的右特征向量? '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非常重要:
eigen()
从函数帮助中提供了一些矩阵的特征向量:
“如果'r&lt; - eigen(A)'和'V&lt; - r $ vectors; lam&lt; - r $ values',那么
A = V Lmbd V^(-1)
(最多为数字模糊),Lmbd =diag(lam)
“
即A V = V Lmbd
,其中V 矩阵现在我们检查它:
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
我希望找到右特征向量矩阵R
,
定义左特征向量L
矩阵的方程是:
L A = LambdaM L
定义右特征向量R
矩阵的方程是:
A R = LambdaM R
和eigen()仅提供矩阵V
:
A V = V Lmbd
我想获得真实矩阵R
的矩阵LambdaM
和A
,这可能是负定的。
答案 0 :(得分:8)
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
(因为我们需要,我们必须付出更多的努力
乘以左边的行向量;如果
我们只提取了一个特征向量,即R的无知
行/列向量的区别将成为它
“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
答案 1 :(得分:4)
这应该有效
给出矩阵A。
lefteigen <- function(A){
return(t(eigen(t(A))$vectors))
}
每个左特征向量是矩阵转置的右特征向量的转置