在R中计算正确特征向量以实现特征分解的疑问

首先，你遇到的这个微小数值误差其实是数值计算里非常普遍的现象，完全不是你的理解或者代码出了问题～

为什么会出现这个误差？ #

R里的所有数值运算都是基于双精度浮点数进行的，而浮点数本身无法精确表示所有实数，在计算过程中会产生极小的舍入误差（比如你看到的1e-16量级的数值）。对于对称矩阵来说，理论上特征向量确实可以构成正交矩阵，但在实际数值计算中，这种级别的误差是完全正常且可忽略的。

手动构造严格正交的特征向量矩阵 #

如果你想要得到理论上完全正交的特征向量（从数学定义出发），可以针对这个全1矩阵手动构造：

# 构造特征值3对应的单位特征向量
v1 <- rep(1/sqrt(3), 3)
# 构造两个和v1正交、且互相正交的单位向量（对应特征值0）
v2 <- c(2, -1, -1)/sqrt(6)
v3 <- c(0, 1, -1)/sqrt(2)
# 组合成正交矩阵V
V <- cbind(v1, v2, v3)

# 验证正交性
V %*% t(V)

运行这段代码后，你会得到一个几乎完美的单位矩阵（可能还是有极微小的浮点误差，但比eigen()返回的结果更贴合理论定义）。

关于数值验证的小技巧 #

在R里，不要直接用==来判断两个数值矩阵是否相等，而是用all.equal()函数，它会考虑浮点数的公差：

all.equal(V %*% t(V), diag(3))

这个命令会返回TRUE，说明这两个矩阵在数值意义上是相等的。

总结 #

• 对称矩阵的特征向量正交是理论结论，数值计算中的微小误差不影响这个结论的有效性；
• 如果你需要严格贴合理论的特征向量，可以手动构造（针对特定结构的矩阵）；
• 日常分析中，zapsmall()或者all.equal()就足够处理这类浮点精度问题啦。

内容的提问来源于stack exchange，提问作者123123