编写函数对判断矩阵进行一致性检验，R语言实现

可以使用R语言中的`eigen()`函数来计算判断矩阵的最大特征值和特征向量，从而进行一致性检验。具体实现如下：

check_consistency <- function(matrix) {
  n <- nrow(matrix)
  
  # 计算最大特征值和特征向量
  eigen_result <- eigen(matrix)
  lambda_max <- max(eigen_result$values)
  eigenvector <- eigen_result$vectors[,1]
  
  # 计算一致性指标CI
  RI <- c(0, 0, 0.58, 0.9, 1.12, 1.24, 1.32, 1.41, 1.45, 1.51)
  CI <- (lambda_max - n) / (n - 1)
  CR <- CI / RI[n]
  
  # 输出结果
  cat("最大特征值:", lambda_max, "\n")
  cat("特征向量:", eigenvector, "\n")
  cat("一致性指标CI:", CI, "\n")
  cat("一致性比例CR:", CR, "\n")
  
  # 判断一致性
  if (CR < 0.1) {
    cat("矩阵通过一致性检验\n")
  } else {
    cat("矩阵未通过一致性检验\n")
  }
}

其中，`matrix`参数为要进行一致性检验的判断矩阵。函数首先计算判断矩阵的最大特征值和特征向量，然后计算一致性指标CI和一致性比例CR，并输出结果。最后判断一致性是否通过，若一致性比例CR小于0.1，则判断通过。