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：
(1) E=eig(A)：求矩阵A的全部特征值，构成向量E。
想求最大特征值用：max(eig(A))就好了。
(2) [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。
(3) [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。
(4) 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
。
(5) [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。
eig
Find eigenvalues and eigenvectors
Syntax
d = eig(A)
d = eig(A,B)
[V,D] = eig(A)
[V,D] = eig(A,'nobalance')
[V,D] = eig(A,B)
[V,D] = eig(A,B,flag)
d = eig(A)和 [V,D] = eig(A)最为常用 注意，第一列为对应第一个特征值的特征向量，比如：
B=rand(4)
B =
0.5653 0.7883 0.1365 0.9749
0.2034 0.5579 0.3574 0.6579
0.5070 0.1541 0.9648 0.0833
0.5373 0.7229 0.3223 0.3344
>> [a,b]=eig(B)
a =
-0.6277 -0.3761 -0.7333 0.7110
-0.4304 -0.5162 0.2616 -0.2155
-0.4297 0.1563 0.6049 -0.6471
-0.4859 0.7534 -0.1672 0.1713
b =
1.9539 0 0 0
0 -0.3623 0 0
0 0 0.3937 0
0 0 0 0.4370
则1.9539对应的特征向量为：
-1.2265
-0.8410
-0.8396
-0.9494
归一化处理：
用Excle就能做，原理很简单，举例：
将以下特征向量归一化
-1.2265
-0.8410
-0.8396
-0.9494
-------在Excle表格里输入：----------
=-1.2265/sum(-1.2265,-0.8410,-0.8396,-0.9494)
=-0.8410/sum(-1.2265,-0.8410,-0.8396,-0.9494)
=-0.8396/sum(-1.2265,-0.8410,-0.8396,-0.9494)
=-0.9494/sum(-1.2265,-0.8410,-0.8396,-0.9494)
转自(
fvan的博客
)