使用Mathematica求解矩阵最小特征值和特征向量

使用Mathematica中的Eigenvalues和Eigenvectors函数可以求解最小特征值及其对应的特征向量。

矩阵B定义如下：

B = {{'-0.624', '-0.683', '0.648', '0.424', '-0.521', 
   '0.784', '-0.928', '-0.12', '-0.974', 
   '0.07'}, {'-0.683', '0.714', '0.552', 
   '0.655', '-0.779', '-0.889', '-0.646', 
   '0.451', '-0.212', '-0.373'}, {'0.648', 
   '0.552', '-0.694', '-0.559', '-0.006', '-0.122', '\
'-0.198', '-0.936', '-0.323', '0.23'}, {'0.424', 
   '0.655', '-0.559', '0.378', '0.585', '-0.107', 
   '0.158', '-0.501', '0.559', 
   '0.823'}, {'-0.521', '-0.779', '-0.006', '0.585', 
   '0.444', '-0.053', '0.904', '0.602', 
   '0.333', '-0.407'}, {'0.784', '-0.889', '-0.122', '\
'-0.107', '-0.053', '-0.547', '-0.186', '\
'-0.294', '-0.712', '-0.987'}, {'-0.928', '\
'-0.646', '-0.198', '0.158', '0.904', '-0.186', '0.82', 
   '0.828', '0.485', '0.948'}, {'-0.12', 
   '0.451', '-0.936', '-0.501', '0.602', '-0.294', '0.828', 
   '0.143', '-0.402', '-0.893'}, {'-0.974', '\
'-0.212', '-0.323', '0.559', '0.333', '-0.712', 
   '0.485', '-0.402', '-0.637', '-0.75'}, {'0.07', '\
'-0.373', '0.23', '0.823', '-0.407', '-0.987', 
   '0.948', '-0.893', '-0.75', '0.44'}}

最小特征值为：

Eigenvalues[B, 1]

输出为：

{-3.7948}

特征向量为：

Eigenvectors[B, 1]

输出为：

{{-0.349215, -0.396904, 0.120762, 0.0831069, -0.415597, 
  0.166016, 0.611696, 0.0459208, 0.0525751, -0.290946}}